数据分析做得好，文章阅读量没得跑！

因为工作调整的关系，新接手了一个理财类账号。在接手之初，必然要对账号的用户和已有数据进行分析。看好账号的团队成员对于数据分析接触不多，因此也借着数据分析的机会，对团队成员灌输一些数据的分析意识，也借此整理成文和大家分享。

为什么要做数据分析？引用现代管理学之父彼得·德鲁克说过的一句很经典的话，能够帮助大家理解：

如果你不能衡量它，那么你就不能有效增长它。

新媒体是一个快速发展的行业，没有成型的框架能够帮助我们分析理解。对我们唯一有参考意义的，就是往期的数据。因此只有对呈现出的数据有了深刻的理解，才有可能改善我们的行动，实现增长。

对数据进行分析，分析的究竟是什么？在我看来，数据分析的核心，是分析变化。有变化，有对比，才能发现问题。这天的数据为什么高？那天的用户增长为什么低？为什么这几天的打开率起伏很大？

如果数据一直一成不变，那很难发现问题。不过现实的运营当中，没有不变的数据，只有你发现不了的问题。

在正式开始数据前，首先需要厘清影响因素，然后在控制变量的前提下，对某个因素进行重点分析。

我们先看一篇文章阅读量的影响因素有哪些：

（1）账号内阅读量：打开率

1）用户基数：粉丝总量

2）头条打开率：推送时间、标题、选题

（2）账号外阅读量：分享转发

1）分享转发数：文章质量（选题、语言风格等）、文章长度、文章结构设置（诱导、留言互动等）

2）朋友圈二次传播度；标题、选题、文章质量

从上面的梳理来看，单单是一个文章的阅读量，就受到以上种种因素的影响，这也是大多数运营者做不好数据分析的关键：光盯着阅读量，永远看不到真正的影响因素。因此定量分析格外重要，我们在做日常的运营中，就要有意识的做好归纳对比，为后期的数据分析做好基础。

闲话不多说，下面从账号的具体数据入手，帮助大家手把手实操数据分析。

因为近期我们更加关注用户增长，因此我们先从用户增长入手。调出9、10月份的用户增长情况，按照增长用户从多到少排序，发现一个明显的数据突出。10月15、16日和22、23日两个周期里，用户增长明显高于往期的数据。（见图一）

查看账号的发送记录，可以轻易的发现一个共性问题，就是15号、22号，都推了一篇盘点整合类的文章。由此可见，我们的用户对于这类内容接受度很高，今后可以固定的来进行此类整合内容。

你觉得数据分析就到此为止了？那你就太小瞧数据的力量了。

在分析两篇文章的过程中，我们发现两篇文章内容高度类似，但是数据细节却有明显差异：点赞数量、留言数量差异很大。这就不由让人异常好奇，同样类似的内容，为什么会对用户有如此不同的影响。

为了发现背后的问题，我们又调出了用户来源：从“图文页内公众号名称”带来的粉丝数据（一般情况下，该项数据所影响的用户增长，直接体现为文章的内容质量），以及用户在后台发送消息数据的数据（当天消息发送数量越多，证明用户活跃度越高）。

从新调用的两项数据来看，15号和22号的数据，仍然有明显的差异。这再次印证了我们最初的猜测，虽然15号和22号的用户增长量及阅读数据差异不大，但两个文章背后的数据构成却有明显区别。

 新增人数

消息发送人数

怀着好奇心，我们打开了两篇文章的后台详细数据，看到的反馈反而让我们更加疑惑：两篇文章的打开率天差地别，15号的打开率在20%，而22号的打开率只在6%左右。

虽然更加好奇，但从目前的情况我们可以推测出，15号的内容对于用户有更高的吸引力，所以才会有20%的打开率（我们日常的打开率在5—8%左右）；另一方面，22号的内容虽然打开率低迷，但是最终呈现的阅读量却与15号的不分伯仲，那22号的内容在二次传播上无疑占有绝对优势。

打开率15号

打开率 22号

结合上面的猜测，我们又对两篇内容做了更加细致的对比。因为是盘点类文章，两篇文章的内容构成很类似，而且非常简单，都是简单的内容盘点的干货表格+引导用户到后台留言的模式。不过除此以外还有一些区别：15号的文章，引导内容在前，干货盘点在后；22号的内容与之相反。

这就解释了最开始的数据差异问题：引导在前的文章，用户看完后面的干货内容后，就会直接到后台回复，这就让15号文章的用户增长和消息发送次数高于22号文章。反之，由于22号文章的干货内容在前，用户看完就会直接的分享转发，虽然引导到后台的用户变少，但更有利于用户的转发分享。

同时，在文章对比中，我们发现15号内容底部还有一个广告，整体文章的篇幅会多于22号的文章，因此造成了15号文章虽然促进活跃度的提升，但用户的留言反而少于22号文章。

到此为止，我们才算基本摸透了两篇文章及背后所隐藏的细节。让我们在总结一下：

1.我们的受众对于盘点总结类文章，有很高的需求度。

2.类似的内容，类似的标题：用户会产生疲惫，导致打开率降低。

3.文章的内容结构变化，对于文章所起到的效果会产生巨大的不同：诱导内容在前还是在后，决定了文章的效果是引导关注还是刺激转发。

需要说明的是，两篇文章的标题句式和内容基本一致，故排除掉标题的干扰；两篇文章的推送时间基本一致，故排除推送时间造成的影响；账号阅读量除了受粉丝基数影响，我们本身也有自己的分发渠道，分发的数据能占到总阅读量的一半以上（这也是为何22号文章打开率这么低，但阅读数据依旧能赶上15号文章的数据的原因），不过15号和22号的文章分发渠道一致，顾排除该项因素干扰。

以上就是整个数据分析的流程。虽然看似很短，但里面涉及的数据颇多，需要运营者明确知道每个数据所代表的内涵，才能用好这些数据。希望大家可以借鉴整个数据分析的思路，为大家的自己数据分析提供帮助。