
此为公众号数据分析第三篇,前两篇见
乐了:公众号数据分析系列之-caoz的梦呓zhuanlan.zhihu.com
这次要分析的号是最近一两天又被炒上天的“咪蒙”。 嗯,就是那个篇篇10W+的咪蒙。

分析理由:最近特火爆(其实一直很火爆),别人多从内容方面去分析,我就提供点数据分析的佐料吧。至于他最近有多火微信指数最直观了。

分析文章时间范围:
第一篇(2015-9-15)至 2019-1-31
这个时间跨度共1234天,有953天发过文章,平均1.3天发一次
共 1288 篇文章,其中图文类型1073篇,纯文字类型33篇,纯图片类型182篇。差不多平均一天一篇。
文章因违规/被举报/自己删除等一共删除了22篇,目前可正常查看的图文1051篇,本文重点分析这1051篇图文。
先看整体概览

细心的朋友可能从中发现一些小细节,比如:
1、咪蒙竟然不是篇篇10W+,是的,2015.09.29这一篇的阅读量是91204,这是他唯一一篇非10W+,使其10W+率为99.9%,也就是说你现在做个新号还有理论上超越他全为10W+的希望。
2、其点赞数有3篇达到了10W+
基本每次都是发1条、2条为主,最多的一次发了5条,不像其他大号那样天天8条硬广一堆。

关于原创文章数量,我遇到了一个奇怪的问题:
在上图所示的微信公众号简介处,显示只有238篇原创。但是根据我用程序从微信服务器上批量抓回来的数据分析应该有902篇原创,也就是说如果一篇篇打开所有文章逐一核对的话有902篇显示为原创。不知道为什么统计数据相差如此之大。

继续,阅读量就没必要再分析了,而咪蒙又从没开过赞赏,赞赏数也不用分析了。只剩下点赞量和评论量了。
其点赞数堪比普通号的阅读数了,而其评论数最多的一篇达到了54137条评论,也就是说人家的一条贴子的评论数比我一年全部文章的总阅读量都多,这是差了多少圈啊。

点赞数平均都有12000左右了,有3篇点赞数10w+的,此处列出其标题:

宋仲基&宋慧乔:对于一见钟情这件事,我该道歉,还是结婚?
别!再!劝!我!生!二!胎!了!
刘鑫江歌案: 法律可以制裁凶手,但谁来制裁人性?
而评论数(即留言数)平均也有3200左右,真好奇他们的小编是怎么处理这些后台评论的。有一篇文章的评论数竟达到了5W多,同时也是上面点赞数10w+中的一篇:
宋仲基&宋慧乔:对于一见钟情这件事,我该道歉,还是结婚?

下图是不同时间段发文章数量的统计表,其中00表示统计时间段为00:00-00:59。其最大的特点是喜欢晚上发文,22-24点居多,当你晚上躺在床上想睡睡不着时来一碗鸡汤,有所感悟又有所收获后入睡,会不会睡眠质量也高了?搞不好梦里还会继续思考人生。

看一下其每篇文章字数,2000-4000字为主,碗碗鸡汤都是内容丰富啊,喝吧喝吧,管饱管够。

老规矩,统计一下词频,因为对咪蒙的套路不熟悉所以没有贸然删除所谓的“常见词”,尽量保持原始统计数据。正文看上去倒还正常,但标题一看就很有一股情感号的特点了。

下图是正文词云

下图是标题词云

最后一个问题,也算是自以为的亮点吧。可能想过的人不多:咪蒙从发文到10W+需要用多久?我刚好做了一个监测文章阅读量增长曲线的工具,工作流程大概是是这样:提前关注某个公众号,这个号一有新文章发布就会自动每隔几分钟监测一次阅读量,本意是帮想在这个公众号投广告的朋友抓出刷量的假号防止花冤枉钱,有那么几天心血来潮拿咪蒙做了个测试。
结果你猜怎么着?许多大号的文章推送是分批推送给不同粉丝的,也就是说咪蒙8点发文我有可能8:05才收到这篇文章,而我的监测系统有时会比较忙,收到这条新消息后要排队,正式第一次执行监测可能还要再过几分钟。也就是说这期间最多会有10多分钟的延迟。这导致有时候我的系统第一次读取时人家已经10W+了。真是迅雷不及掩耳的速度啊。
即使是下面这张图我们也只能通过左上角仔细看才知道原来这篇文章很快就10w+了而不是我的系统哪里出问题了。

而其他号的文章的增长曲线一般都是下面这样的

插句题外话如果你遇到下面这样的增长曲线那就是遇到刷量的了,公众号投广告大概按1-2元1个阅读量报价,而我了解过刷量大概是20元1000阅读量,100倍的价差,一不小心就会当冤大头啊。

赶稿,数据是手动整理的,所以下面只放了少量示例数据。其点赞数评论数都是刚刚达到10W+时对应的数值。达到10W+所需时间也是保守估计的,真实所用时间可能还会少个2-3分钟。另外样本有限仅供参考。

总结:
咪蒙,最近好像摊上事了,今天我看朋友圈都在测“含咪率”,好像我的朋友圈这个含量还不低。
但是从公众号运营的角度来看人家无疑是非常非常成功的,从情感的角度来看应该也帮助了许多人。世界是多元的,遇到不爽的要怼,但也要学习人家的长处。
另外这些数据都是我自己爬的,有想通过这些数据一起搞事情的可以沟通下,想免费得好处的伸手党勿扰。
494

被折叠的 条评论
为什么被折叠?



