你见过哪些好看、实用的微信公众号数据分析报告？

这方面的分析工具有不少，这里我推荐一下我常用的一个工具：微小宝

这个公众号分析工具有手机端App和PC端，免费的功能比较有限，但是对我来说足矣。

先说说手机端的功能，登录手机端可以看到一些我们比较关注的数据指标，如下图：

此外，我最满意的是他的周报分析和月报分析功能，在屏幕的左上角有个按钮进入。

等待一会儿之后就可以看到7天数据和30天数据了。

我这个公众号纯属业余爱好，数据一般。

我们再看看PC端的数据分析，PC端的数据分析较少。

就是我们比较关注的一些常规数据。往细一点的维度就没有了。

当然还有其他一些比较好用的分析工具，但是大部分都要收费的，这里就不一一列举了。希望对你有帮助。

不邀自来~

关于怎样完成好看、实用的数据分析报告，以SPSSAU为例，可以从以下几个方面来撰写~

一、数据分析报告类型

想要撰写数据分析报告，必须先搞清楚数据分析报告的类型。常用数据分析报告分为三类：模型类报告、调研类报告和行业研究类报告：

（一）模型类报告

‘模型类’报告在广泛应用于学术领域，其的关键特征为‘模型’，用‘模型’去验证数据假设，结合模型结论，将一个小结论推广应用到面，模型类研究报告的严谨性最强，因为其需要将‘点’方面的结论推广到‘面’上。而且‘模型’多种多样，一个模型就是整份报告的核心，而且需要对模型进行深入说明和阐述，‘模型类’报告的难度最高，通常研究人员会使用比如SPSSAU、R、SAS等软件进行分析。

（二）调研类报告

‘调研类’报告最为常见和普及，因而其简洁易懂，比如企业希望了解用户的需求反馈，了解产品的不足，也或者了解市场的需求情况如何等。‘调研类’报告更多关注于‘发现了什么’，和‘那应该如何办？’。比如当前想了解学生群体对于理财消费的认知和态度情况，首先需要理解样本对于理财消费的基本认知是什么，态度是什么，即基本事实情况是什么，接着还希望了解那又如何呢？建议是什么呢？更多时候还希望进行更深入的剖析，比如不同性别群体对于理财的认知水平是否明显不一样？如果说发现男性的认知程度更高，那么企业后续推广产品的时候，可能在男性群体为主的网站上进行推广更加适合。

通过深入挖掘不同群体的特征差异，可以描述出‘用户画像’，对用户有更深入的理解。一般情况下，深入挖掘不同群体的差异性，可使用比如交叉分析，卡方检验，方差分析等，关键在于了解差异情况如何，也或者关系情况如何。接下来第二部分会用一个案例说明此类报告的撰写思路。

（三）行业研究类报告

‘行业研究类’报告，其更着重于整体行业情况如何，站在宏观角度去撰写，比如会用产业链角度，市场格局角度，标杆企业角度等进行整体宏观分析。此类研究报告的数据相对较少，更多使用定性描述法，将数据特征使用文字进行汇总（或者可视化）等。此类研究报告着眼于行业当前如何，以及明天趋势情况如何，可能会使用到一些预测类的研究方法，比如SPSSAU综合评价里面的灰色预测模型，也或者SPSSAU计量研究里面的Arima模型等。如果说行业研究报告中涉及专家打分，并且希望将专家打分计算成权重体系等，那么AHP层次分析法也许比较适合，均可在SPSSAU综合评价里面找到该算法。

二、数据分析报告撰写思路

了解完数据分析报告的三大类型，下面随小编一起，看看如何撰写一份调研类数据分析报告。

Step1：“关键词法”搭建框架

本部分以一份‘大学生理财情况’问卷作为案例，用以说明数据分析报告的思路。问卷结构如下图所示：

何为关键词法？

关键词法，即将多个题项拆分成几个部分，并分别用“关键词”概括该部分的题项。

以上图的19题为例，用“关键词法”可概括为：

Step2：基本描述“关键词”

将一份问卷的题项拆分、概括成几个关键词后，根据关键词搭建整体框架、扩展思路即可。

撰写报告时，首先对每部分的“关键词”进行基本描述：

如上图所示，由于‘理财偏好’总共由8个小题表示，而且“理财偏好”又可以再拆分成4个小的“关键词”，分别是‘理财偏好’，‘理财需求’，‘理财在乎因素’和‘理财意愿’，因此‘理财偏好’会继续拆分成4个小部分，并且在最后汇总总结。

上述为思路框架，至于如何分析，通常使用频数分析计算百分比，并且使用图形综合展示结果，也或者使用描述分析计算平均值等。SPSSAU系统中的频数分析和描述分析直接使用即可。

Step3：深入挖掘“关键词”之间的关系

接着进一步挖掘4个“关键词”之间的关系情况。一般情况下，对“基本信息”与另外的3个“关键词”之间的差异关系需要进行研究。具体来讲本案例即：研究不同背景属性的群体，他们在“理财认知”，“理财现状”和“理财偏好”这三个方面上的差异性所在：

特别提示：并非两两“关键词”之间需要完全组合交叉研究，通常需要结合实际情况作决定。比如本案例时只需要剖析‘背景信息’分别与‘理财认知’，和‘理财偏好’的差异关系。而不研究‘背景信息’与‘理财现状’的差异关系。

Step4：完善报告框架

搭建完以上框架后，还需要进行一些优化工作，如加入“前言”、“信效度分析”、“总结”、“附录”等报告基本结构，从而完善报告框架。对于本案例而言，优化效果如下图所示：

至此为止，完整的数据分析报告框架就搭建完成。

接下来就是使用SPSSAU平台进行具体的分析，SPSSAU提供的表格和图形均已经全部规范化，直接复制粘贴使用即可。

在具体分析的时候，可能会发现某一部分没有数据价值，直接删除该部分内容即可。对于撰写报告而言，调整细节是必要的修改环节。

以上就是关于数据分析报告撰写的全部内容啦~

作为SPSSAU的官方代言人，强烈推荐大家使用SPSSAU进行数据分析，一键出结果，傻瓜式操作，非常方便快捷。

很多微信公众号运营者，对数据分析都没什么概念，该关注哪些数据，如何进行分析，对于建立自己的数据分析方法没什么思路。今天就以坤龙老师的分析为例，为大家详细解读微信公众号的数据分析！可学习的知识点较多，建议学习时长为10-15分钟！

数据分析的三个要点

数据分析和做菜一样，原始数据像一堆食材摆在那里，需要经过洗菜、切菜、炒菜等等几道工序才行。

有些饭菜微信官方已经帮你做好了，但有些菜还得要自己炒才行，也就是得自己进行加工才行。

这里面有三点比较重要：关联、可视化、观察维度。

1、关联

首先你要知道，各个数据反映了你的哪个运营动作，这样才能进行优化。

这就需要你拆分一些数据，另外再组合一些数据。数据拆分、聚合的水平，直接决定了你精细化运营的程度。

总之就是把 运营动作 - 数据，关联起来。

2、可视化

数据分析很重要的一部分就是做可视化。

一堆数字放在那里，和一张可视化处理后的图片放在那里，效果是完全不一样的。图表能让你感知到以前根本感知不到的东西。

可视化图表，可以用Excel制作，也可以用一些第三方数据分析平台。我自己用的是BDP个人版，是一个数据可视化分析平台。

3、观察维度

单独一个数据摆在那里，是没有任何意义的。意义从相互比较中产生。

你必须知道之前的数据情况，才知道今天的数据处在什么位置，合不合理。因此数据分析要从短、中、长期三个角度来看。

短期数据看表现；中期数据看波动；长期数据看周期。

我自己是把每项指标划分成「昨天、近7天、近30天」的数据来看。

数据分析实操

下面直接来进入实操部分。
我最近帮一个朋友用 BDP 搭建了微信数据运营分析系统，征得他本人同意，下面就用他的数据来演示一下。

他是每天晚上9点单条推送，我这里分析的是账号整体数据。具体到某一篇图文的详细数据，就不展开了。

我每天早上到办公室的第一件事就是整理和分析数据。大概看的数据就是这些。

这些图表是我提前在BDP上设置好各个指标和算法模板，每天一键同步数据就实时更新，而且可以接入多个账号数据。

先看一下昨日的新增/取关情况，然后看一下近7天的数据情况。

建议点开横屏观看

昨天新增了165个粉丝，对比前几天的数据还不错。前天开始新增有上升的趋势，他这几天在做微课，说明这次微课效果还不错。

前4天每日新增都不超过50，还有一天是负增长。新增太少，取关率有点高。下面看一下他的取关率情况怎么样。

最近这30天，中间10天左右取关率是小于100%的，前后20天经常出现负增长。这个取关率太高了，公众号整体陷入负增长中。

下面再看看用户的整体增长数据。

红色的是新关注人数，黄色的是取关人数。可以看出6月20日、22日、26日，有三个增长高峰，这三天加起来增长了接近5500粉丝。这是做活动来的粉丝。

这次活动的流失率还是挺高的，6月20日来了1788粉丝，流失了416个，6月22日来了2882个粉丝，流失了565个。看来活动的粉丝不够精准，或者是账号内容没有价值留不住人。

总之这次活动把取关率拉高了一个层次，之后在逐渐回落到平均水平。

取关率高的另外一个原因是新增太少，留存不够。急需加强账号内容啊。

再以周划分，看一下运营情况怎么样。

第25周做了活动，来了5000多粉丝，掉了1800粉丝。之后几周表现就在不断下滑，上一周几乎是到了谷底。新增157个，取关156个，净增1个。
这周到现在为止净增192个，那根高高扬起来的曲线，就是每周用户净增的环比，是上周的191倍。

上一周是寒冬，现在貌似在回暖了。以上是大致的用户数据，下面来看一下图文数据。

可以看到他最近7天的文章，阅读低峰是7月21日，周五。这几天都在上升，文章整体转发量还挺高的。

来看一下整体的阅读数据，看看处在一个什么位置上。

可以看出最左边的四周还是比较有运营节奏的，阅读峰值也都基本上都在3000左右，成绩不算好，但比较稳定。
进入7月之后节奏就乱了，折腾了一阵，憋出来一个爆款，之后又不行了。现在有点恢复的迹象。从数据上来看，总之现在得赶紧找到运营节奏。

这是最近一个月4周的阅读情况，7月的前两周表现还行，从上周开始阅读大幅度下降，而下降主要原因是转发次数大幅减少。
转发次数减少，可能是选题读者不感兴趣，也可能是文章内容读者没有共鸣，这就需要去调研一下了。我们接着往下看。

接下来看要的一个重要指标是公众号会话打开率，俗称“打开率”。计算方法是：
打开率 = 从会话打开人数 / 累积关注人数

现在行业内大号的平均打开率在 3~5% 左右，一些新开的小号打开率则会很高，很多都通常在 10%~15% 左右。

这个账号昨天的打开率才 1.44%，有点低了。

打开率是一个比较重要的指标。可以看出你的用户活跃与否，你的内容是否有吸引力。即使你的账号粉丝很多，但是如果打开率很低，那么这个账号的价值也不是很大。

打开率这块，看两点，一个是每日波动，一个是长期的平均指标。

短期每天的波动，可以看出你昨天推的这篇文章对用户的吸引力怎么样。选题、标题有没有吸引力。

昨天的打开率在 1.44%，看来吸引力不是很强。当然这个还要再对比一下长期数据。

长期的平均指标，用来评估你这个账号的吸引力。有些账号打开率超级高，读者粘性很强。

就比如魔宙，我按照一般的打开率、点赞率预估他的粉丝在300万左右，后来遇见魔宙的田静，才知道他们粉丝还不到一百万，但打开率经常超过50%。这个就有点恐怖了。

所以可以看到他们现在做了矩阵账号，也非常受欢迎，做的很快。

看一下这个账号的长期打开率怎么样。

总体上来看，6月的打开率整体高于7月份。之前也分析出6月份比7月份运营更有节奏一点。

6月21日的一篇文章打开率到了26.8%，另外还有两篇打开率到了9.8%和9.1%，建议重点研究一下这三篇的选题和标题。这反应了读者的兴趣所在。

除了研究打开率最高的文章以外，也要研究一下打开率最低的文章，看看问题出在哪。

建议是把这些文章的标题关键词提炼出来，然后整理到一个数据库里。这些关键词就反应了读者的阅读兴趣。
当然，打开率很重要，但更重要的是让用户点进来不失望。
看完打开情况，下面来看看文章传播情况。

这个是昨天的传播漏斗。

传播漏斗这里我设置了两个指标 分享率、分享打开率。

分享率 = 分享次数 / 图文页阅读次数

分享打开率 = (图文页阅读次数 - 会话打开次数) / 分享次数

分享率算的是看了你文章的人，有多少人会去分享转发。这个指标不行的话，就是你文章内容没有引起共鸣，没有击中读者。

他昨天的分享率在 13% 左右，还算可以。100个人看完，13个人会转发。

分享打开率看的是文章一次分享转发能带来几次点击。这个是衡量每篇文章标题的重要指标。分享打开率越高，就说明标题起的越好。

他昨天分享打开率在 6.59%，一次分享，平均带来 6.6 个点击。

下面再来看一下阅读构成比例。

可以看到，昨天的文章有1912次阅读，有267人分享，其中朋友圈打开人数有1043次，朋友圈阅读占比到了71.3%。

一般来说朋友圈阅读占比越高越好，但这个账号朋友圈阅读占比这么高，则是因为打开率太低。

然后我们看一下他7天的传播数据。

昨天的阅读比前几天涨了不少，大部分阅读增长来自朋友圈，昨天比前天的转发多了一倍，朋友圈阅读次数多了两倍。

来看一下他长期的传播情况，这张图里我把传播漏斗两个指标拆开了。

这张图，可以说是微信运营数据分析最重要的图之一，能分析出好多内容。

这里就可以看出标题和内容各自的得分情况。分享率高说明文案内容的转化率高，分享打开率高说明标题比较好。

根据这张图，把文章分为四类。下面这个高和低，是从长期的平均值来看。

A类文章，应该成为这个公众号的内容标准，内容都要往这个方向看起齐。但从上面图中的数据来看，A类的文章比较少。
B类文章，说明文案写的比较好，引起了读者共鸣，但是标题不行。转发出去没人看。

C类文章，标题抓人，但是内容不走心。A类和C类的标题可以记录下来。

D类文章，不用说了。这类文章要打进小黑屋。

从这个账号的数据来看，主要是BCD类文章，A类文章很少。建议是按照这四类，把文章整理一下，分析分享率高的文章，共鸣点在哪；朋友圈打开率高的文章，把标题关键词提炼整理出来。

传播情况看完了，下面来看用户转化情况。

上面这张图是转化漏斗。两个指标：图文转化率、新增用户活跃度

图文转化率 = 新增关注人数 / 图文页阅读人数

新增用户活跃度 = 消息发送次数 / 新增关注人数

图文转化率反映看完文章后，有多少人关注了公众号，新增用户活跃度反映关注公众号之后，有多少用户发消息互动，成为活跃用户。

昨天有1912次阅读，看完文章后，有8.63%的人关注了公众号。然后平均每个人发了1.19次消息。
对比这7天的转化情况来看一下。黄色的反映了新用户关注了之后的活跃度，也就是发消息的人数/新关注人数，深色的反映图文转化率。

他这个号在做微课，报名微课需要用户在后台发送消息，黄色折线越高，直接就说明了微课越受欢迎，可以通过这个数据来看微课的选题，标题怎么样。从这点来看，7月21日的微课效果就非常好。

有些同学没有做微课，但是也可以在文章中设置一些大礼包、关键词、精华回复等诱饵，让他在后台给你发送消息。 然后去看这个数据波动，看优化有没有效果。

再看一下长期的数据。

可以看到7月21日的新增用户活跃指数，还是很高的。6月23日那个数据非常抢眼，发送消息的人数，达到了新增用户人数的13倍，建议下来重点研究一下。

因为黄色的数值有点高，深色的看的不太清晰了，进行缩放之后会发现，近期文案的新增用户转化率有所提升。

下面把文章会话打开率、分享率、图文关注转化率，三个指标综合评估一篇文章的质量。看看最近一周的文章质量情况。

综合来看，7月25日，7月24日的文章综合得分是最高的。再来看一下长期数据。

最理想的情况是三个指标的折线走势一致，那样的话就说明这个公众号基本上找到感觉了。

目前的情况是分享率和图文关注转化率的走势比较一致，打开率和另外两个走势关联不大。但打开率相对比比较稳定，另外两个波动比较大。

也就是说标题的水平比较稳定，选题和内容不是很稳定，还没有抓住用户的痛点，波动比较大。
最后再来看一下互动情况。

以上是基础的数据分析工作，文章看起来比较长，实际工作起来几分钟就完成了。

Excel也能做数据分析可视化，但是会麻烦很多。另外BDP还有一个好处是可以接入很多互联网上的数据库，基于此，我帮朋友也搭建了一个关键词监测实时系统。

我把他的用户群体划分为5个类别，把每一类的用户关键词分类整理出来，大约有230多个。

然后把这些关键词的头条指数、微信指数、微博指数、百度指数全部实时监测起来。这样可以在第一时间捕捉到最近热点，和用户兴趣波动。对于选题非常有帮助。

这个就不展开讲了，放一张图示意一下。

作者：杨坤龙，最美文化创始人，90后新媒体老司机，在行运营类排名第一行家，参与了近50个公众号运营，BDP个人版用户。

文章来源：坤龙老师（ID：ikunlong），已获得授权转载

BDP个人版免费注册

转载来源： 数据分析师修炼手册

一、背景&问题

从2/1日开始在公众号发文至今，差不多有2个月时间，本人重心只放在文章质量上，对于如何运营公众号一窍不通，几乎没有做任何的运营（仅仅是文章同步发在知乎上）。由于排版非常花时间，所以之前的文章基本上毫无排版可言，事实上这是会影响阅读体验的。设身处地地想，如果我是读者，当然也不希望费力去阅读这种文章。所以26号凌晨开始发的那篇文章开始，我会花一些时间来排版，尽量降低大家的阅读门槛。回到正题，公众号发文至今，我很想知道：

微信公众号后台数据，主要包括以下几处数据。

• 没有怎么运营的公众号，新增粉丝是从哪里来的？阅读量又是从哪里来的？
• 词目前内容是否被用户所认可，是否还有继续坚持的必要？
• 是否在往好的方向发展，并且有加速发展的迹象？
• 是否有不足及其相应的优化方案？

二、分析方法

数据来源

微信公众号后台数据，主要包括以下几处数据。

• 用户分析-渠道构成
• 消息分析-消息关键词
• 消息分析-群发分析-全部群发
• 消息分析-群发分析-单篇群发
• 消息分析-群发分析-单篇群发-具体文章

指标体系

微信公众号运营分析指标体系指标解读

• 新增关注用户数：by渠道，判断新用户来源
• 周均净增人数环比：判断是否向好
• 老用户留存：判断内容质量
• 阅读次数/分享次数：by日期by渠道，了解内容传播特性
• 送达阅读率：=公众号消息阅读次数/送达人数，反映粉丝的阅读打开率
• 首次分享率：=首次分享次数/公众号消息阅读次数，反映粉丝的分享情况，一定程度上也反映了质量。这里归类到规模，是因为它影响了分享次数的规模指标。后面会有整体（含非粉丝）的阅读分享率。
• 阅读完成率：读到文末的人数占比
• 阅读关注率：=阅读后关注人数/阅读总人数，判断内容质量。
• 阅读分享率：=分享人数/阅读人数，分享不限于粉丝

三、分析结论

结论先行：

• 新增粉丝有15%来源于关键词引流，但目前关键词只有3个（第4个是“透视表”，26日才新增的还没有数据），可以适当提高关键词数量。
• 虽然用户关注后的留存比例较高（96.3%），但送达阅读率仅25%明显偏低，及时读消息的比例低可能是受我发文的时间较晚影响（基本集中在晚上9点-凌晨1点），约有一半阅读量其实是从历史消息来的。优化方向是：固定发文节奏和时间，好让粉丝有个明确的时间预期。具体是周几的几点，这个我可能需要做几个测试来判断。未避免粉丝忘记这个号，应当适当提高频次或增加读者互动。长文较为难产一周一次已是很难，但可以发一些短小精悍的小文嘛。
• 用户完读率低于40%，可能是文章过于长了（大多都在3000字以上），提高完读率有两种方法，要么精简内容或者按模块拆成多篇文章，要么在长文中设置文末福利。
• 阅读量主要来自看一看精选，而微信的推荐机制中，标题太长，会导致标题无法理解，最终影响推荐效果。看来不能做标题党，好好搞搞标题优化吧。
• 文章分享率仅10%，不高，文章的点赞、收藏、在看均处于较低水平。当然这跟粉丝基数过少、暂未形成口碑有一定关系。除了继续精进写出好文之外，还可以在文章末尾处用较为优雅的方式提醒读者点赞或在看，读过留痕。

四、数据解读

1、用户分析

• 新关注用户主要来源文章页关注，但这个数据可能不能说明什么。因为按照公众号的统计，没有数据的渠道基本上都需要额外推广，所以这个数据只能说符合预期。相反有15%的用户来源于搜索，这部分用户基本上我发在知乎上的文章通过关键词引流来的。
• 2/26日后知道3/11才有实质发文，所以3/5这周净增环比下降15%，3/11发布文章后一周，继续下降41%，可能跟文章标题风格切换有关。
• 关注用户的留存质量较高

2、内容分析

全部群发分析

• 2/19这周之前，公众号只有3次推送，处于评估期（微信平台没有积累足够的数据来讲我这个公众号打标分类），阅读量主要来自公众号消息。
• 2/26和3/5这两周，Excel数据处理这篇文章不知何故，入选了看一看精选，阅读量蹭蹭上涨。
• 3/12和3/19这两周，看一看精选阅读占比较为稳定，”其他“渠道提升，不知道又是哪里给的流量。
• 当前环比数据波动较大，by渠道也是，还需多观察几周。

单篇群发分析

• 从文章类型表现上看，Excel相关、统计相关的内容，比数据分析方法论相关的内容，数据表现都要更好。这很符合常识，Excel数据处理和统计分析的受众比数据分析的受众要广很多。
• 从粉丝贡献上看，阅读送达率只有25%左右，也就是说关注的粉丝中，约1/4会看到推送并打开阅读，阅读之后的分享率10%左右，与整体阅读分享率差不多。
• 从内容质量上看，最近2篇文章是长文，阅读完成率明显较低，都在40%以下，但阅读分享率10%，相当于10个人里有一个会分享。阅读关注率这个指标，可能也不能说明什么，因为这里的分母阅读人数中，有可能已经是关注用户了。
• 从内容质量的趋势上看（仅Excel相关文章），随着关注粉丝数的增加，送达阅读率呈下降趋势，但近期文章的分享率有所上升。

单篇群发具体文章分析

• 文章发布当天（19日）时间较晚，当天阅读主要来自少量的公众号消息（即关注用户）
• 文章发布次日（20日），公众号消息阅读量起来了，并且“其他”渠道阅读量与公众号消息渠道相当。 *这个“其他”官方没有很好的解释是什么，经过一番查证，暂且认为是收录微信公众号文章的网站或者搜索引擎吧。
• 文章发布隔日（21日），阅读量就主要来自于看一看精选及好友转发。
• 文章发布隔日之后，阅读量就基本上都来自于看一看精选了，但第6天出现明显下降。

- END -

往期推荐

• Excel数据分析——数据输入
• Excel数据分析——数据处理
• Excel数据分析——数据透视表
• Excel数据分析——函数与公式（上）
• Excel数据分析——函数与公式（中）
• 数据分析必备五大思维（一）——结构化思维
• 数据分析必备五大思维（二）——分类思维
• 数据分析必备五大思维（三）——对比思维
• 数据分析必备五大思维（四）——统计思维
• 数据分析必备五大思维（五）——归因思维

数据小匠开创公众号已有6年时间

感谢大家一直以来的陪伴❤

今天借助公众号数据分析

来看看我平时都是怎么分析数据

借此改善内容的吧！

01基础数据分析

基础数据

微信公众平台的数据统计功能于2013年8月29日正式上线，至此，公众平台的用户数据才可以被量化分析。

数据统计模块大致分为四个部分：用户分析、内容分析、菜单分析、消息分析。

用户分析

用户增长和用户属性数据是运营者需要重点掌握的数据。

通过对用户增长数据进行分析，微信公众号运营者可以了解账户粉丝增长趋势和原因，通过对用户属性进行分析，可以让运营者更加熟悉粉丝情况。

内容分析

内容分析的两大模块分别是群发分析和多媒体分析。

群发分析包括全部群发和单篇群发；多媒体分析包括全部视频分析、单个视频分析和单个音频分析。

菜单分析

菜单是公众号与粉丝之间互动的一种方式，微信公众号可以在会话界面底部设置自定义菜单，菜单可以按照实际需求设定，并且可以设置相应动作。

用户需要点击底部菜单项，可以跳转到指定页面，如线上活动、报名参加的入口和联系作者等。

消息分析

消息分析分为两大块内容：消息分析、消费消息关键词分析。

运营者可以在微信公众平台消息统计。消息分析，即可查看消息发送人数、消息发送次数、人均发送消息等数据。

公众号数据统计分析对运营者有哪些意义？

通过对用户来源渠道的分析，判断粉丝来源途径，找出核心用户所在渠道，为企业精准营销造势。

指定公众号推送消息的内容定位和风格选择：通过对推送消息的送达人数、阅读人数等指标的分析，找出图文阅读量增长变化趋势，了解粉丝内容偏好，通过对话题、内容、问题、风格等进行交叉分析，确定话题和内容，指导公众号图文创作的内容选择。

掌握微信公众号的影响力度：通过了解用户关注数、图文阅读人数、转发人数等数据的分析，可以了解公众号用户增长趋势、用户属性等特征，刻画用户画像，掌握公众号的影响范围。

用户增长数据分析

用户增长指标包括新增人数、取消关注人数、净增关注人数、累积关注人数。

其中新关注人数是新关注的去重用户数。取消关注人数是取消关注的去重人数。去重关注人数是净增长的去重关注人数，累计关注人数是当天关注的用户总数。

用户增长同比、环比指的是：微信公众号后，它可自动生成最近 7 天、15天、30天或者任一两个月的数据，运营者可以以周、半月、月为单位，对用户增量数据进行同比或者环比分析。

用户增长同比与环比的含义同比的含义是主要是来用于说明本期发展水平。与去年同期发展水平对比而达到相对的发展速度。

在公众号运营中，经常用这个指标来对比本期数据与同期数据的增长速度。用于分析特定时间段内何种内容和运营方式更受用户喜爱。

环比的含义是本期数据与上期数据相比较，用于表示连续两个统计周期内的量的变化，比环比数据分析的价值大于同比数据分析的价值。

运营者可以通过环比数据直接直截了当地了解当前运营发展状况以及用户对内容的喜爱程度。

新增人数来源分析

在监测用户增长时，经营者可以通过查看新增用户的增长来源及搜一搜、扫描二维码、文章类账号名称、名片分享、支付和关注他人转载微信广告等。

搜一搜是用户通过微信公众号名称或者微信ID从而关注微信公众号的行为，扫描二维码是通过扫描微信公众号所对应的二维码，从而关注微信公众号的行为。

除了查看有无数据以外，微信后台还支持数据导出，点击右侧下载表格，选择合适的时间，即可将用户数据导出成Excel文件。通过对Excel文件数据基因处理、计算分析，运营者能够得出更多有效信息。

用户属性分析

通过数据分析，对微信公众号用户进行一个精准的画像（用户画像多次提到，在往期篇目里有一篇专门讲述用户画像的： 从招聘数据分析师，聊聊用户画像）。同时对公众号有一个更好的定位，这个定位包括内容、产品和服务。

用户属性分析中的用户分析包括人口特征、地域归属和访问设备。用户属性数据可以帮助运营者分析粉丝的质量和属性。

首先，人口特征包含性别分布、年龄分布、语言分布。性别分布数据可以帮助运营者更好的调整账号内容和风格，年龄分布则可以帮助运营者掌握之后粉丝年龄结构，找准用户定位，更加有针对性的调整召唤风格。

语言分布则可以帮助运营者了解粉丝使用语言。如当粉丝使用语言既有简体中文，又有英文。这说明有相当一部分粉丝来自海外，账号运营者针对这部分用户发布相应的内容。或做出合适的推广。

公众号长度用户分析包含用户中性别分布、年龄分布、城市分布和终端分布。这些数据可以帮助运营者更好的详细了解数据化想提高内容选题水平。

02图文数据分析

图文数据相关指标

案例:数据小匠在后台点击详情之后，便可以看到文章传播情况，不同渠道的转化率，全部渠道传播趋势，图文中阅读用户的性别分析、机型分布、省份分布数据一目了然。通过这些数据，我们不再仅仅知道一篇文章的阅读量是多少。更能清晰地了解一篇文章的阅读量是用哪些群的、哪些用户构成的，这对于后续文章传播量的预估判断会有很大的借鉴参考意义。

图文数据是指除用户数据外，微信公众号的又一重要数据模块。了解数据分析前，要先了解图书。图书数据相关指标的含义：

1. 运营者送达人数：图文消息群及时送达的人数
2. 图文页阅读人数：点击图文页的人数包含非粉丝人数
3. 图文页阅读次数：点击图文页的次数包含非粉丝的阅读
4. 图文转化率：图文转化率=图文阅读人数/送达人数
5. 原文页阅读人数：点击原文页的人数包含非粉丝人数
6. 原文页阅读次数：点击原文页的次数包含非粉丝的阅读
7. 原文转化率：原文转化率等于原文页阅读人数除图文页阅读人数
8. 分享转发人数
9. 分享转发次数
10. 朋友在看次数
    

通过有针对性地分析图文数据相关关键指标数据，运营者可以精准了解每篇公众号图文的阅读量、阅读人群和传播量，从而通过数据得出优化公众号的方向。

单篇文章数据分析

先看一个分析案例。

来个假设：如果数据小匠运营有自己的实体店铺和商品，每次都在顾客支付时引导顾客关注商品的公众号，从而带来稳定的新增粉丝。除此之外，如果某一天粉丝新增特别多，便可以了解用户从哪个渠道关注，从而顺藤摸瓜去寻找最初的源头或平台，可能这个平台就可能发展一个核心传播渠道。

运营者可以了解文章发布后七天内的传播情况，如阅读次数、分享次数、涨粉情况以及阅读完成率的。如果想要了解更多详细的数据，可以点击单篇文章的右侧详情按钮，进入单篇文章的数据分析页面。

图文阅读和图文分享的好处是可以帮助运营者判断单篇文章在什么渠道传播效果最好，以及在七天内文章的传播节奏如何。

全部图文数据分析

在后台可以有两个时间选择，日报和小时报。

日报：顾名思义就是以天为单位进行的数据统计。包括阅读来源、阅读次数、趋势图、阅读详细情况表格。这些数据和单篇文章数据分析大多雷同，重点介绍图文分析的小时报。

小时报：统计文章在一天内不同时间段被用户阅读的情况。做公众号的人都应该具备一套文章推送的黄金时间表。图分析中的小时报可以帮我们分析哪些时间的阅读量是最大的。

8-9点正处于上班高峰期，用户在坐公交、地铁的过程中。有空闲阅读微信公众号的文章，顺便打发无聊的时间。

12-13点是中午用餐休息的时间。经过一上午的检测工作，用户可以通过文章阅读放松自己。

17-18点是下班的高峰期。用户可以利用坐车时间阅读文章。

这仅仅作为推送时间的参考，因为每个公众号的内容性质、受众属性千差万别。必须根据实际情况结合着选择发布时间。

03消息推送数据分析

了解菜单

自定义菜单的概念:微信公众号的自定义菜单是一个机动性十分强的功能，可以根据自己的需求自由设置菜单。可以说自定义菜单是链接外部资源的功能，是粉丝互动的基础入口，通过对菜单数据分析，可以直观地看出账号粉丝的满意度和活跃程度。

自定义菜单的设置：

微信公众号可以在会话界面底部设置自定义菜单。菜单项可按实际需要锁定，并且运营者可为其设置相应动作。用户可以通过点击菜单下收到设置的响应，如数据消息跳转、链接等。

自定义菜单开通和设置步骤：

目前微信公众号自定义菜单可以设置 3 个一级菜单。不多于4个汉字或8个字母。每个一级菜单下最多可以设置5个子菜单。名字不多于8个汉字或16个字母。

菜单分析关键的三项指标：菜单点击次数、菜单点击人数和人均定击次数。

自定义菜单的实现，也预示着微信公众号不再是发送和回复消息的平台，而是具有更强大的营销和回复功能

结论

总的来说，自定义菜单对于企业来说，可以让其用极低的成本在微信公众号打造一个相对完整的服务系统。

从这个角度来说，自定义菜单是抓住用户注意力的关键一步，菜单点击人数和点击次数也是衡量一个账号营销效果的重要指标。

文案设置

一般菜单文案归纳于八种类型：自我介绍、活动合作、电商文章、社群广告、空格。

如果运营者想要提高菜单点击量，增加粉丝互动，那么就需要重视菜单文案的撰写，以便最大限度引起粉丝好奇心，促进粉丝点击互动。

自定义菜单的文案设置需要注意以下几点：文字短小精悍，内容高度浓缩，直突，主题使用特殊元素，文字生动有趣。引导用户使用。

信息和关键词分析

可查询微信公众号最近七天、14天、30天的关键词排行，或对微信公众号关键词进行统计排序，以得到用户需求量比较大的关键词，对微信公众号内容进行优化，提高用户与平台的互动频率以及文章的回复率。

消息分析运营者可以看到消息和消息关键词两大模块，消息分析的关键指标：消息发送人数、消息发送次数、人均发送次数和日、周、月。

信息关键词分析涉及的指标如下：

1. 关键词发送文字中所包含的特殊名词。
2. 非自定义关键词：用户发送消息中非公众号的编辑模式中预先设置的关键词。
3. 自定义关键词在编辑模式中预先设置的关键词。
   

新媒体数据分析模块加载中，敬请期待

扫码加入免费数据分析社群，一起探讨商业数据分析话题~

本号长期征稿，欢迎各位踊跃投稿~ 征稿函

点赞+在看+转发，继续支持数据小匠，祝你在热爱的数据分析领域里发光发热！

-更多精彩内容-

·点击下方文字即可跳转·

文章聚锦

个人成长与思考类文章

数据分析专题类文章

数据分析方法类文章

数据分析工具类文章

数据分析思维类文章

高阅读文章

数据分析基本流程 以公众号数据分析为案例

数字化，数据字典，指标体系，标签体系，用户画像 这么多概念，一次性讲清楚

企业微信(私域)场景中的精细化运营

分享收藏点赞在看

分享下我的方法，自己写了个脚本抓取公众号阅读数点赞数在看数留言数做数据分析， 这里以深圳卫健委2022年的文章为例：

脚本下载的文章数据excel，数据包含文章日期，文章标题，文章链接，文章简介，文章作者，文章封面图，是否原创，IP归属地，阅读数，在看数，点赞数，留言数，赞赏次数等。

然后用python pandas分析excel里的数据：

文章总数量1736篇：

>>> len(wechat)
1736

没有原创文章：

>>> wechat.是否原创.value_counts().sort_values(ascending=False).head(5)
否    1736
Name: 是否原创, dtype: int64

头条1622篇，次条95篇，3条16篇，4条3篇：

>>> wechat.文章位置.value_counts().sort_values(ascending=False).head(5)
1    1622
2      95
3      16
4       3
Name: 文章位置, dtype: int64

没有，机密文件啊，没人说