
267个新闻时政类自媒体公号在11月23日—11月29日(周日—周六)的统计周期里共发表了1447篇文章。此次我们选择其中的1000篇文章作为样本进行分析。
1000篇文章的平均阅读数为9607。从上面的分布图可以看出,大部分的文章阅读量集中在1000—10000之间,占到了样本总文章数的57%。文章平均点赞数为50.7,未达到这一均值的占到84%,其中更有109篇文章无点赞。综合样本文章阅读数和点赞数数据分析,多数自媒体账号仍处于成长阶段。
在发文日期上,除23日(周日)、29日(周六)发布文章稍少外,工作日每天发表的文章数基本一致。即便是周末,发文量与平日的差距也不大。
在发布时间上,样本公号选择最多的时间段是早6点到11点,下午3点到次日凌晨1点。其中几个重要的发布时间节点依次为6点—7点、9点—10点,17点-18点,分别对应于晨起,上班时间及下班前。这也是不少人认为的重要阅读时间。而实际的阅读数统计也表明,这几个作息时间段,文章阅读量确实较高。(有人总结出的几个微信阅读时间段:马桶阅读时段:7:00-8:30;午间休息时段:11:30-13:00;下班后闲暇时段:17:00-18:00;睡前浏览时段:21:30-23:00。请与上述图表对照看是否相符。)
但这却并不是全部的阅读高潮,一般来说,下午三点,人们会利用工作间隙休息一下,从晚上八点后直到睡觉前,许多人也会花很多精力用于上网。至于凌晨的阅读量高峰,则完全是抢早起第一眼的文章,且抢了一个统计节点的优势。所以对于公号运营者来说,大可不必起早摸黑抢几个黄金作息时间,只要避开人们的休息时间,且有好文章,同样能够取得不错的阅读收获。
谈到写微信文章,不少人都提到一些经验之谈,诸如图文消息标题长度尽量不要超过13个汉字;多用疑问和感叹句标题,标题中多包含数字等。那么这些说法是否有科学依据呢?
从样本文章标题的字符数统计来看,显然大家并未严格遵守“13字”法则,样本文章的标题字符集中于11个到27个之间。同样的,文章平均阅读量与标题字符数之间也并未呈现出明显的相关性。
那是否标题中多设问、多用感叹句就能吸引人,加一些关键词标注符号就更能抓人眼球?下面是样本标题中使用符号的统计数据,大家可以看看是否如此。
(说明:全部样本文章的平均阅读数为9607次)
从标点符号的使用来看,确实有不少人信奉这一诀窍,标题中使用最多的是“?”、“!”、“【】”,这种以骇人的设问、质问方式招徕关注的方式,甚至已经成为了一些公号写作者的习惯。而从文章标题的词频分析中,我们可以看到有些词汇会让文章显得“噱头”十足,从中我们能够看到更多的阅读吸引点。
从上表统计可以看出,当期传播热词“任性”、“有钱”出现频率最高,显示出文章作者希望借助网络热词推销自己文章的意图较为明显。但是没有明显的数据支持,表明跟热词“沾边”就一定能够获得较高的点击量。还是要凭文章本身的内容博得关注。
在微信中,我们经常会看到各种以“10大”、“五个”、“三句话”等为标题的抓人文章(这是否也算是一种排榜的形式呢?)这样的操作手法同样也被认为是吸引阅读的经验之谈。在我们的样本中,有近四成的文章运用到了此方法,而我们对这437篇文章进行统计计算,得到的平均阅读数为7795次,低于全部样本文章的平均阅读数9607次。
最后,给大家来一个热词矩阵,看看大家能从这上千篇文章中找出怎样的故事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15