微信公衆号制作數據分析?公衆号運營不是簡單的發文和閱讀量，運營人需要關注10W 數據背後的問題微信公衆号如何做好數據分析？本文作者結合案例，對這個問題做出了詳細的解答，供大家一起學習和參考，我來為大家科普一下關于微信公衆号制作數據分析?以下内容希望對你有幫助!

微信公衆号制作數據分析

公衆号運營不是簡單的發文和閱讀量，運營人需要關注10W 數據背後的問題。微信公衆号如何做好數據分析？本文作者結合案例，對這個問題做出了詳細的解答，供大家一起學習和參考。

麻省理工學院一項研究發現，以數據驅動決策的企業，生産效率要比普通企業高4%，利潤要高6%。無論運營推廣怎樣以小博大，文案美工如何畫龍點睛；最後都離不開科學準确的數據統籌與分析；讓後面的整體營銷更加正确合理。

微信公衆平台如今已經是第八個年頭了，肯定有許多人已經是自诩為新媒體行業 “老人”。但當上司老闆向你詢問公衆号運營情況時，你是否還停留在彙報：現在粉絲多少，平均閱讀多少嗎？精明一點的在彙報一下；同比增長了多少粉絲（用來凸顯自己階段性的工作成果）。

公衆号的核心價值确實在于優質内容的創作；但人們往往忽略優質内容除了好文筆之外，還有一次次數據反饋後的糾錯與打磨；如今許多“運營導師”都在大肆鼓吹如何漲粉、互推、裂變、拉新留存；但你停下來仔細思考一下，是不是做公衆号的一開始你就忽視了公号本身的數據分析與研究。

網絡營銷不是玄學，透過數據你可以有的放矢的說出來出現問題的原因。由此可見數據分析對于公衆号運營的重要；成為資深媒體人，運營人的捷徑就是，靜下心來苦練内功做好數據分析。

1. 數據分析難嗎？

許多運營媒體人往往有一個錯誤的認知；覺得數據分析過于高端甚至神秘，作為搜索競價semer出身的我可以很明确的告訴你，90%的數據分析隻是通過Excel的處理即可（後面會有分享），并不需要Saas（付費軟件服務）。

在初期沒有數據基礎的情況下，甚至可以做A/B測試；漏鬥模型等方法小成本的嘗試迅速充盈數據，快速叠代，以實現掌握實際數據的效果。（ps：通過不同時間段推文測試出什麼時間段為最佳推送時間）

2. 借助第三方的數據可行嗎？

借助第三方平台，分析行業熱門文章，分析頭部賬号運營推送情況，确實能幫助我們快速找到方向，但在分析行業之前，先應該了解自身公号的實際情況，借助微信公衆平台自身數據功能就足夠了。這裡建議在首先掌握自身賬号情況的同時在去洞悉行業熱門。

公衆号數據分析主要用到【統計】，左側第六個模塊中，而大部分的數據分析應用前4個功能即可。

明确知道每個功能的統計範圍與定義，下面我通過4個模塊34個關鍵指标來解讀數據分析中的關鍵核心。

1. 用戶分析

用戶分析包含：用戶增長 用戶屬性

用戶增長包含 4 個關鍵指标，新增人數、取關人數、淨增人數、累積人數。新增人數和取關人數是每天實時漲粉、掉粉的數據，淨增人數 = 新增人數 – 取關人數，而累積人數是當前實時關注總人數。

這裡有一點需要注意通常我們表述公衆号的情況，都會先說【總用戶數】，即公号首頁的數值，但這個數字并不完全代表公衆号運營狀況多好，往往是一個虛榮指标；類似于APP的總裝機數；真正公衆号的關注人數是【累計人數】（用戶分析中可以看到。）這裡面的數值才是當前公衆号實際關注人數。

峰值數據是我們在分析用戶增長時需要特殊注意的情況；當漲粉/掉粉在某一天達到波峰時，一定要提高注意，特别是當推送就掉粉的情況發生，通常說明兩種原因：①粉絲有問題②文章有問題。

①粉絲問題通常分為兩種一種是路人粉也就是通過你的活動或者領獎來關注的，因此當你推送文章并且對他們不産生吸引興趣是取關也是必然；後一種則是精準粉通常是你的精準用戶。

②文章問題導緻的掉粉其實很少，除非你的賬号定位很不明确，推文質量也良莠不齊。采用前人經驗撰寫的标題、文章總不會太差，不至于一推送就因為文章質量而取關，所以不要妄自菲薄，過于焦慮。之後如果遇到大批量掉粉問題，記得首選要抓住峰值數據。

關注來源也是分析用戶增長的主要指标，下面我可以簡單為大家介紹一下渠道定義：

搜索關注：說明賬号有一定影響力或者來自微信之外第三方平台的推薦。

掃碼關注：主要來自線上線下活動漲粉（線下二維碼物料，或線上海報、文中二維碼）。

圖文關注：靠文章内容漲粉。

支付關注：一般是開通支付功能的服務号，線下店面支付時同時關注公衆号。

利用【用戶屬性】可以分析出來關注用戶的：性别、語言、年齡、省份、城市5個屬性；重點需要了解的是性别、城市。

如果你的公衆類别是汽車指南肯定是男性粉絲居多；25-46歲具備一定經濟能力；情感類的公号粉絲大多是女性，這些都不會出問題，什麼會是問題呢？比如區域美食推薦的公衆号活動期間，出現非本地區域粉絲突增，需要預防被羊毛黨盯上。

需要提及的是官方後台所能收集的用戶屬性并不完整不能用來做，精密數據處理，真實的用戶信息需要做用戶調研，你可以用麥客表單、金數據、問卷星這類問券工具，建一個表單，推送出去或添加在關注自動回複裡面。

2. 消息分析

引導用戶關鍵詞回複與用戶主動互動消息。

引導用戶關鍵詞回複設置也是知道你公衆号運營的重要指标，比如教育機構回複特定關鍵詞獲得測試題；運營教學公衆号回複關鍵詞獲得pdf運營增長指南；這些都是你引導用戶留存的重要方法數據，也可以直觀展示出文章質量度。

用戶主動互動消息更需要重視，這類人往往是意見領袖，提供互動率往往是你的公衆号質量提升的開端。及時設置相應的「自定義關鍵詞」提高公衆号服務粉絲的意識。

3. 菜單分析

通過對菜單欄某個按鈕的點擊次數監控，及時調整按鈕的位置和文案，使鍊接到按鈕的内容獲得更多點擊，或者，通過數據分析某個按鈕壓根沒人點擊，那就幹脆去掉。

現在許多運營者把自定義菜單設置的特别“新奇”比如【有趣】【有料】【有内容】；或者【來撩】【約嘛】這種通常是用于運營人員的自嗨式設置，分享一個通用的自定義菜單模闆：業務項目 精華文章 聯系方式（創建社群）；配合公衆号文章底部互動，起到很好的作用。

留存30天的菜單點擊數據，比如下面案例：

△某餐飲行業30天菜單公衆号數據

一級菜單「會員中心」點擊量最高，「更多」作為一級菜單，指向太模糊，該列菜單包含「門店信息」和「加入我們」，均有一定點擊量，可以考慮将「更多」改為「聯系我們」，提高「門店信息」和「加入我們」的曝光。而一級菜單「好食材」點擊量幾乎可以忽略，可以嘗試尋找更多顧客「痛點」與「癢點」，替換掉「好食材」。

4. 圖文分析

單篇圖文的數據分析詳情頁有 5 個關鍵指标：送達、公衆号會話閱讀、從公衆号朋友圈/社群、在朋友圈/社群再次分享、在朋友圈閱讀。

這5個關鍵指标，可以構成一個标準的轉化漏鬥模型，很直觀可以通過數據展現出一篇文章的傳播途徑。

推送文章-回話内打開文章-會話朋友圈/社群-粉絲好友在此擴散-獲得廣泛傳播

其中前 3 個指标（送達、會話閱讀、首次社群/朋友圈分享）定義為一次傳播，後 2 個指标定義為二次傳播。公衆号文章閱讀量 = 一次傳播 二次傳播，通過觀察轉化率漏鬥數據，很容易判斷出，一篇文章是否具有傳播性，它的閱讀量來源于已關注用戶，還是朋友圈分享的結果。

往往一篇精心準備的文章二次傳播>一次傳播；這裡面需要注意的是由于搜一搜目前并不完善，所計量數據并沒有計算在内。

而通過單篇圖文「數據概況」中的餅圖，也可以分析出文章标題與内容的關系，進而對運營做出調整。這裡要引入「閱讀量 &朋友圈分享占比」四象限圖：

1）閱讀量高、朋友圈分享占比高：标題吸引人、内容質量上乘。這是我們追求的文章最高境界，是具有最佳傳播潛質的爆款文章。

2）閱讀量低、朋友圈分享占比高：說明标題雖然不夠吸引人，但看過文章内容的人都覺得不錯，樂意分享朋友圈。這時需要反思以後的标題如何優化。

3）閱讀量低、朋友圈分享占比低：标題、内容都不好，标題沒有點擊欲望，内容差，隻能說喜歡看的人少，肯分享朋友圈的人少之又少。

4）閱讀量高、朋友圈分享占比低：這在一些大号運營中很常見，文章的内容很一般，閱讀量高全憑标題黨，也就是說這些閱讀量絕大部分來自于「公衆号會話閱讀」，已關注粉絲的打開量，粉絲看到标題起的太好了，點開看完文章覺得遠遠沒達到标題描述的的預期，肯定不想轉發。

這段較适用于公司公号運營人員，把每日數據統籌生成表格，直觀分析數據，我将報表分為3個部分：單篇圖文分析、用戶分析、文章評級分析

Excel模塊一：單篇圖文分析

用來統計文章的基本情況：

文章标題（帶鍊接）

推送時間

發送量、閱讀量

閱讀率，留言率

…

其方法是通過數據導出之後将文章數據用工具形式統計出來：

Excel模塊二、用戶分析

同理統計出來用戶增長相關數據

新關注、取關

粉絲來源

…

需要注意點是當日需要統計是否推送文章

Excel模塊三、文章評級分析

前面統計出來了單篇文章的7日數據，接下來将數據比率做出評級。

A、B、C、D類似于銷售客戶重要性

需要注意的是評判标準不唯一，可以考慮将跳出率，仍讀比例作為參考。

工具的産生就是為了更好的讓人們提高效率，在2019年8月末微信公衆号後台新增加了一些數據統計功能，其目的就是讓更多運營者更直觀的了解公号運營情況；下面我為大家解讀一下。

1. 跳出比例/仍度比例

跳出比例與仍度比例是兩個很直觀了解公衆号文章質量的報告。相比于前文提出的四項分析法，這個更注重抓取單篇文章問題點，分析更針對點對點。

2. 常讀用戶分析

常讀用戶：在訂閱号消息列表頂部“常讀訂閱号”橫欄常駐你的公衆号的用戶，毫無疑問是你的用戶中的核心，比例越高說明你的公衆号質量越高也是，常讀用戶的性别年齡區間分布，與你期望的受衆越一緻說明運營的方向越正确KPI考核的重要指标。

本文由 @王容笑 原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議