一文详解公众号数据分析的正确姿态(2)

　　假设某位姓马的老板投资了「少加点班」，于是我公众号在4月份将内容层次整体提升了一个水平，然后我们想验证下这种高水平的内容是否更符合用户对内容的偏好，于是，我们同样抽取四月份跟三月份的某一周的数据进行对比：

　　我们先统计下每篇推文留言比率的变化：

　　

　　从上表可以看出，内容提升后留言平均比率比之前的变化幅度：

　　（2.8%-1.8%）/1.8%=55.5%

　　提升率超过了50%，这初步说明内容层次提升对用户活跃起到了明显的成效。

　　紧接着再看下每篇推文点赞比率的变化：

　　

　　从上表可以看出，内容提升后点赞平均比率比之前的变化幅度：

　　（2.2%-1.5%）/1.5%=46.7%

　　提升率将近50%，交叉验证了上述留言比率数据并无异常，亦说明内容层次提升起到了明显的成效。

　　最后，我们再看下阅读完整率是否因为内容质量提升而有所下降（毕竟这年头曲高和寡的现象广泛存在）

　　

　　这时候，有经验的运营人可能会问，公众号后台哪有阅读完整率的数据啊？

　　嘿嘿~这时候我们就可以利用“流量主”功能啦，流量主里面的“曝光数”几乎就等于完整阅读完文章的人数了。

　　之前个别人对我放开广告的行为表示不解，我目的是为了统计阅读完整率，仅此而已。

　　当然，如果你的公号暂不具备开通广告展示功能，亦可以在文章末尾设计一个简单的投票，变相获得阅读完整率。

　　比如，可以询问“觉得本文对你收获大么？”通常阅读完的人都会顺手投个票，哪怕存在前述的“沉默用户”，于「对比」而言，对两个周期的影响是一致的，因而依然可行。

　　通过上表数据，我们可以简单计算出，内容提升后阅读完整率的均值比之前的变化幅度：

　　（35%-33.3%）/35%=4.8%

　　可见，尽管内容档次提升了，但公众号阅读完整率依然保持了将近5%的提升，这初步打消了我们对“阳春白雪曲高和寡”的忧虑。

　　综合上述三个参数均值的提升幅度而言，我们基本上可以做出决策：

　　此次内容策略的提升是值得保留继续的，后续要做的就是在新内容的基础上持续提升内容的产出效率。

　　通过这两个例子的分析，相信各位已经对“如何善用公众号后台数据”有个强烈的认知了。

　　前面谈的都是基于“新的内容策略”对公众号核心指标是“变好还是变坏”的验证，属于大刀阔斧的动作。

　　但是，现实中我们在运营公众号时经常会做一些局部的，如春风拂面般的轻量级优化，那么面对轻量级优化我们又是否有更轻量级的数据分析策略呢？

　　下面，李少加再分享一个简单的玩法：

　　如何设计一些方法，局部优化公众号某一核心环节的转化率。

　　四、公众号局部优化的效果验证

　　看过《进化式运营》的朋友应该对“用户视角”思考运营问题的方法论感触很深。

　　我们想下，对于公众号的新粉丝而言，当他初次关注公众号时，通常会推送一批新关注引导语，比如公众号“混子曰”刚关注时会收到自动推送的图片：

　　

　　大家是否想过，这其实是一个绝佳的“推荐机会”？

　　抱着这个念头，李少加设计了两套新关注引导语。因此，需要测试哪套引导语能够更好的提升新用户对公众号的印象，进而增加对历史内容的浏览量，并最终提升内容的流动率。

　　这意味着，让历史推文、那些优质内容能够再次焕发青春，这无疑能够增加流量，增加被转发、曝光的几率，同时也能被动的提升公众号价值公式中：用户活跃率、公众号对其影响力，这两个核心价值指标。

　　一次极小成本的投入即可获得一劳永逸的运营效益的提升，何乐而不为 ?

　　那么，我们应当如何衡量引导语好坏呢？

　　李少加常用的策略，通过“菜单点击率”的变化判断。

　　很多运营人都不咋用这个数据，着实可惜

　　优秀的“关注引导语”必然能够提升粉丝对公众号的“探索”热情，而探索必然是通过菜单的点击来完成。

　　故此，我们同样可以摘取两个不同的引导语，在某一时间周期内，每天新增粉丝的数目、每天菜单的点击人数，然后计算每天菜单点击人数与新增粉丝的比值，最后算下平均值（为了削弱特殊情况的噪音影响）

　　示例如下：

　　

　　我们不难计算出，B版本引导语的菜单点击平均比率比A版本提升了：

　　（0.69-0.49）/ 0.49 = 40.8%

　　孰优孰劣一目了然。

　　五、总结

　　我们经常会看到“数据驱动增长”的说法，但切勿望文生义的奢望数据本身能够驱动用户增长。

　　驱动用户增长永远取决于：你的运营策略是否更好、更有创造性、更具吸引力。

　　而“数据”只是为我们的各种新的运营策略是否“变好”提供了及其重要的客观参考，是我们判断真相的「眼睛」。

　　这才是“数据驱动增长”的内涵：用数据科学的指导、优化工作

　　当然，对于各位热衷思考的读者朋友们，必然明白本文的思路远不止于应用在公众号数据分析的范畴。

　　无论你是做产品运营、做市场分析、客户分析、做内部人力资源管理、行政管理甚至是炒炒股分析行业下的变化，或者分析你的阿猫阿狗是否喜欢新的玩具……都可以灵活应用本文的思路：

明确需要“试验的新方法”

思考强关联的数据参数

设计评估方法

获取数据，套入模型

对比新方法是否「更优」

　　最终作出科学的判断：是固化新方法呢，还是继续探索更好的策略。

　　通过本文也可以侧面看出，对于广大运营人而言，“思考力、想象能力、建模能力”远比许多人认为的重要得多。