在接触公众号运营之前，我对一篇推文质量的评判大多基于用户视角，即：内容质量是否有趣/有料/有深度？排版做的好不好看？在数据层面顶多关注一下推文的阅读量和点赞数。而当我进入微信公众号后台后，看到目不暇接的数据指标，作为一个运营人才算刚入了门。
公众号运营承担的责任不仅仅是内容的产出，通过数据反馈去分析文章质量、调整内容策划、优化内容也同等重要。如果在运营过程中碰到以下问题：
知道数据很重要，但只会看阅读量和点赞数
每天都坚持产出推文，但是并不知道公众号的受众喜欢看什么选题内容，也不知道什么样的标题更吸引读者打开
阅读量偶尔高涨更多时候一片低迷，但都无法判断是什么原因导致的，也无法为长期的运营积攒经验
那就不妨继续看下去吧。注意：下述的数据都是推文发布三天后统计的，该时间段最能够反映一篇推文的真实情况。* ## 指标分解
一篇推文涉及到的数据繁多，但这么多数据哪些是我需要的？哪些是关键数据？数据背后的含义是什么？那这就是我们要做的第一步，分解我们需要的关键数据指标。首先，要了解分析推文的数据指标，就需要知道一篇推文的传播路径是什么：推送文章→关注账号的粉丝在公众号会话窗口打开文章→从会话窗口分享朋友圈→粉丝的好友再次分享朋友圈→在朋友圈被好友的好友阅读→获得更广泛的传播…… 因此，一篇推文基本上可以从“阅读”和“分享”两个维度来分析。公众号文章阅读量 = 一次传播 + 二次传播而往往一篇精心准备的文章二次传播>一次传播。因此，总体上来看推文最理想是下图这个四象限中高阅读量、高朋友圈分享占比的状况。1. 粉丝净增量粉丝增长在众多指标中，是最能够反映一篇推文吸引力和传播度的，也是比较“终极”的公众号运营KPI。对于单篇推文，可以分析的是“阅读后关注数”，即先前没关注，但是看了这篇推文后直接跳转到公众号主页并且点击了关注。正常来说，一篇推文发布后当天的粉丝净增会有小幅增长，数据好的话会是一段时期内的峰值。
某公众号近一个月来的两个净增峰值是因为发布了两篇质量较高、传播力大的文章### 2. 基础阅读量和打开率
阅读数据分为UV（Unique View，推文阅读的总用户量）、PV（Page View，推文阅读的总次数），是最直观的数据。作为一个用户点进去阅读了一次推文，那么UV和PV是相等的；当你二次阅读，UV仍是1，而PV根据次数为2。目前推文最底端显示的阅读数据是UV数据。打开率=（3天后阅读PV-分享后产生PV）/推送人数（推送人数为发布推文时的总粉丝数量）从公式中可以看出，打开率就是所有收到你公众号推送的粉丝中打开阅读的比率是多少。在没有看到文章内容之前，推文的标题、封面是决定用户是否会点击阅读的门面，因此基础阅读量结合打开率的数据可以直观地反映这期的选题、标题和封面情况。### 3. 点赞和在看
如果只分析阅读量和打开率，只能看出一篇推文的标题和选题是不是吸引用户，而最底下的点赞和在看数则能比较直观地反映出读者对这一篇推文的喜爱和认可。虽然把点赞和在看列在了一起，但这两个数据之间也是有区分。用户点击“在看”意味着愿意传播为你的文章增加曝光量，分享给自己朋友圈的朋友，相较来看会比单纯的点赞门槛更高。一篇普通的推文点赞和在看马马虎虎看得过去，但如果这两个数据都非常可观的话，那这篇推文是真的很受欢迎。### 4. 分享量与分享率
比点“在看”门槛更高的是读者直接把推文转发到朋友圈或好友对话中，不顾社交压力做出转发行为的读者一定都是真爱呢～分享率=分享产生PV/总阅读PV分享率不能够绝反映推文的质量，但是一般质量高的推文分享率都不会差。同时，不同类型推文的分享率也大有不同。一般来说，情感类、观点类这种能够帮助读者自我表达的推文分享率会比较高，趣闻类除非真的特别有趣或引起共鸣，分享率普遍表现一般。### 5. 评论
上述的指标看似略有些冰冷，而评论是你与公众号读者真正发生互动的地方。一篇推文的评论数体现了读者对选题内容的表达欲与互动欲，同样也取决于推文的选题及质量，但推文末尾是否进行适当的互动引导也会影响评论数。除了数量，评论的内容如果呈现出一些规律也可以分析。例如正面和负面评论反馈的比率，评论提及频次较高的词等等。### 6. 阅读完成率
阅读完成率是由公众号平台统计并提供的数据，指有多少比重的读者读完了整篇推文。除了最终的完读率，你也可以通过跳出率看读者在文章哪一个位置跳出的比例最高，来推测他们不想读下去的可能原因是什么——是推文的文字晦涩让人读不下去，还是某一段的内容不够有吸引力等等？、把这篇文章完整看完的只有44.29%的人### 7. 【特别】UGC收集数
在公众号发布UGC（User-generated content）征集推文时，除了以上的指标，征集到的内容数量也是重要的数据。征集数可以反映选题主题是否合用户口味、提问引导是否到位等等。* ## 看数据好坏
在筛选并导出数据后，面对一堆冰冷无聊的数字，好像也分析不出什么。因此接下来，需要为这些数据找到合适对应的坐标系——记数据好坏的衡量标准。### 1. 同类型平均数据
首先，我们需要对内容做一个分类，例如观点类、情感类、商推、测评等，然后计算每类相关数据的平均值，以这个平均值作为衡量标准，来评判分析推文的数据情况。例如，一个校园公众号的测评类文章普遍都很受大家欢迎，数据表现突出。但某一篇测评内容的打开率对比下来明显偏低，那么推测可能是因为测评的标题写的不够直截了当、测评对象吸引力不够等问题。### 2. 同期平均数据
当在分析某一特殊时间节点的推文数据时，可以找到过往几年同期的推文数据进行对比分析。例如在愚人节期间，去年选题的呈现效果与今年对比有什么区别？如果效果差异比较明显，那么更好的那一种呈现形式具有什么特点、为什么会比另一种形式更好？在对比当中得到的发现，说不定能为明年的策划提供好的建议。除了分析策划idea，也可以通过同期平均数据的分析来判断某一时间节点数据情况是否正常。例如公众号运营者发现在开学初期的推文数据很低迷，但发现过往几年开学初的数据都反映了这个规律，那么这个时候不考虑选题因素的话这段低迷期只是运营周期碰到的正常现象。3. 结合对比在对推文进行数据分析时，只关注某个指标的参考意义并不大，需要将多个维度的数据结合起来进行比对。在前文分解的指标中，存在多个指标分析同一个维度的情况，在分析时，也会出现几个指标之间展现的矛盾。在这时，多维度的比对便能在现象的矛盾间找到内在的逻辑和背后的原因。* ## 得出结论
在完成对一篇及同时期多篇推文的数据分析后，需要将零散的分析结合经验提取出共性，为长期的运营总结成为经验性的内容。结论可以涉及到多方多面，可能是“一个高打开率的推文标题有什么特点？”，也可以是“如何在UGC征集推文中实现高数量的征集”等等。例如，通过同期推文的对比分析发现，在xx议题上，观点类的文章因为清晰的立场和声音打开率很高，但是分享率低；而避免了给人以“说教”感的情感类文章，在相同议题上的打开率低，但是分享率更高。那么下一次进行创作时，可以根据某类推文的劣势给到更多的关注，提高数据效果。
- 写在最后
一篇推文的数据，一个公众号长期的用户增长，是为我们带来价值感的来源之一。当看到数据表现很好，那一个个数字背后每一个支持你推文的读者都让你能够觉得自己的工作是有价值的。所以，运营者不可避免地会被数据效果裹挟，因为某个选题可能数据不好而放弃，或者因为某一个抱以高期待的推文数据稀烂而大失所望。但是，我们也会在一次又一次的失望落空中不断调整自己的心态，试图从“创作”、“内容”本身中寻求价值感。毕竟在“让读者快乐”之前，我们要先“让自己快乐”。