
微信公众号的运营大数据分析
微信运营,到底是什么鬼东西?周末约了几个朋友聊天,大家讨论微信怎么做,目前大部分都处于迷茫状态,策划好的话题,设计、编辑、发布,然后没人看,然后坚持了大半个月,然后仰天长叹:“滚犊子,微信”。
经过大半年的研究,总结了一些后台数据,给大家分析一下,如何有效利用微信后台数据,有预谋有组织的做微信运营。
从上图可以明显的看出,微信用户的增长主要来源于“搜索公众号”和其他,我们先搞清楚这些指标的具体含义。
搜索微信公众号的名称:指通过搜索微信公众号的名称获得关注,比如搜索“人和网”这个名字,在搜索的时候,一直排在第一名,进行外部推广的时候,用户很容易通过搜索找到你。所以取个简单有联想的名字更容易让用户记住,认证比非认证更容易获得用户关注。
其他:大部分账号的粉丝来源,都是“其他”类最多,很多人搞不明白其他是什么,一般包括3个渠道,
1、图文消息标题下蓝色链接。
图文标题下蓝色链接
2、微信公众号二维码:微信可以长按识别二维码大大促使了这个渠道的用户来源,可惜的是目前只有微信可以做到。
3、广点通系统推广:付费推广的一种,据说目前加粉的成本1.2左右,比活动的性价比要高了。
搜索微信号,因此微信号要足够简洁容易让用户记住,在外部推广的时候用户方便搜索。一般搜索微信ID的占比不是很高,大概也就8%左右,这是一个很奇怪的数据,大部分做推广的时候留下的是微信号,但是用户来源的时候更多是通过公众号名称搜索,可以看出,其实用户对于资讯网站或者社区看到的企业推广信息更多选择公众号名称搜索而不是微信号搜索。
图文消息右上角菜单,这个关注按钮隐藏较深,很多人不知道阅读文章时的右上角按钮里还隐藏了这么多功能,而且需要经过2步才能到公众号介绍页,最坑爹的是这个按钮不是在所有阅读的情况下都会出现,所以后台通过这个关注的几乎为零,也不知道哪些用户习惯这种操作。
名片分享,直接的名片分享,一般是用户通过分享给好友或者朋友圈微群,这个数据占比越高,说明这个号的质量越好,大家愿意主动分享传播。
图文阅读分析主要包含7个指标:图文页阅读人数、图文页阅读次数、原文页阅读人数、原文页阅读次数、分享转发人数、分享转发次数、微信收藏人数;
分析数据首先需要了解这些指标的含义:
图文页阅读人数:指你发的那条图文消息,有多少人看过。
原文页阅读人数:指的是你添加的原文链接有多少人看过。如果没有加,那么原文页阅读人数就显示为0,更多用于活动的链接宣传,根据统计,一般文章的原文链接点击率非常低。
这里重点看下图文页阅读人数来源,微信后台提供了5个来源渠道:会话、好友转发、朋友圈、腾讯微博、历史消息。
会话:指通过你推送的消息(会话窗口)查看到你的内容,复制链接发送给好友等等。
好友转发:通过转发直接分享给好友,多见于好文,干货,同行之间或者好友之间乐意分享。
朋友圈:这个不用说了,大家都非常熟悉。
腾讯微博:用腾讯微博的不多,所以这个渠道来源少之又少。
历史消息:微信阅读历史文章率不是很高,一般用户更多通过收藏去阅读你的历史文章。
其他:以上四种以外的都是其他,具体怎么来的,其实我也不清楚,反正数据不是很大, 所以参考意义也不是很大。
以人和网公众号一篇10万+阅读文章为例,看下用户的阅读来源:
文章阅读量主要来源于用户分享后的朋友圈,标题影响用户打开率,但是无法保证足够多的阅读量,转发才是阅读增长的核心。所以,微信的运营最终还是回到内容的价值。
做好内容,拓展分享渠道,才是获得用户的重点之策。
微信后台提供了性别、语言、省份、城市、终端、机型。这部分根据你针对的用户不同主要起到参考作用,也就是你的推广所获得粉丝是否是你的想要的。
以人和网为例:
从前十的占比情况看,显然符合人和网的人群定位,主要分布与江浙沪北上广,占总用户分布的57.2%.
还有用户机型、性别数据,针对不同的微信做针对性的分析,不同微信的定位人群不一样,在推广以及活动中,需要有效的送达到目标用户,这部分数据就能够提供很多帮助。
10万+阅读文章6月1日的当天各个时间段转发次数和阅读人数,很明显的看出,在晚上20点到24点,用户分享和阅读是直线上升的,也说明这个时间段阅读微信的人数是最多的。
这个表格是具体的时间段转发和阅读人数,我们重点关注下转发阅读比,这个数据的好处在于避开因为累积分享造成阅读量过高造成的数据误差。表格中凌晨1点到2点的时候比例较高,说明这个时间段分享的人虽然少,但是朋友圈阅读率比较高,大部分人已经关机入睡,部分夜猫子还在刷屏看微信,很少的分享可以获得更高用户到达率。这个数据占比比较高的在中午、晚上,尤其是19点以后,都保持在10%以上,这个时间段用户有更多的时间支配刷微信,也是很多公众号推送文章的高峰期。
现实中,很多微信运营者只是一份工作的诉求,所以大部分选择在临近下班的时候推送图文消息,一方面下班了可以及时回家,一方面感觉下班路上看微信的人比较多,其实这是一种错误的想当然,很多人开车、挤地铁挤公交其实看手机的并不一定就是最多的时间段。所以建议微信运营在晚上20点-22点推送比较好,有些人可能觉得不方便,晚上回家还要开电脑推送文章,其实微信已经有手机端服务了,关注微信公众号助手,就可以通过手机推送了。一般我推送文章时间都在晚上20点左右,或者晚些。
大概一周时间阅读量分布数据
最终阅读量
至于这篇文章怎么操作的,可以查看下人和网以前的文章,有分享过,而且粉丝数量很少的情况下做到的10万+阅读。
这是其中一次的推广文章详细列表,这样做的好处有:
1、文末可以做公众号的推广。根据上文分析来看,留下公众号名称比微信号效果更好,不同平台的管理办法不一样,这个要根据实际情况具体对待。
2、可以积累一些媒体资源,跟媒体网站编辑搞好关系,可以不断的扩增你的媒体圈和在行业中的影响力。
3、很多微信运营每天在找优质的素材,如果你能提供比较好的文章,他们也会转载。由于我做的公众号已经被邀请原创。所以转载的公众号排版推广信息都无法修改,有着很好的传播效果。不过根据最近的数据来看,加粉效果不是很好。
部分文章被转载的情况,有些大号进行了转发, 阅读量也都还不错,不过对加粉来说效果不是很理想,这部分的用户增长来源渠道为“其他”。
转发公众号的显示效果, 点击人和网会直接跳转到人和网公众号,不过似乎这个点击数据效果不是很好,所以腾讯即使做了原创保护功能,但是转载的对于原公众号产生的效果有限,最多是他们知道“人和网”,至于到底是什么东西,还是不知道。或者感兴趣的用户会通过文章最下方的二维码扫描关注,一个大号帮你转发了原创文章,其实对于一个小号来说,还是非常实惠的,所以运营者一定要在内容上下工夫才是王道。
好的内容一定要通过媒体传播出去,尤其是一些垂直共识性的网站,毕竟很多运营者都是通过这些网站寻找优质的素材,前期公众号的传播有限,其他运营者不可能发现你的优质内容,通过外部权威网站就是最好的方法。
当然这个前提是你的文章是原创,这样别人转载对你才有帮助,否则都白谈。
运营微信号一定要找到方法,总结做过的好的方法的经验,通过数据分析来优化推广方式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16