公開アカウントのデータ分析はどのように行うのでしょうか? 4つの要素+6つのポイント！

パブリックアカウントデータの徹底的な復号化分析、ネットワーク全体で唯一の包括的な分析！

データ分析とは何ですか？データ分析の価値は何ですか?

視聴回数、新規フォロワー数、アンフォロワー数、ファン総数をカウントし、1週間または1か月間のデータをプロットして比較することがデータ分析だと思いますか?明らかに、このような単純なデータ分析では、私たちの仕事に実質的な指針は提供されません。

以下に私の業務経験に基づいてまとめたデータ分析手法をいくつか紹介します。業務初心者の皆さんの参考になれば幸いです。データ分析の重要性について考えるきっかけになれば、この記事は貴重です。

データ分析方法

まずは、公式アカウントのバックエンドを開きます。今日は、バックエンドの左側にある「統計」列の分析に焦点を当てます。

1. ユーザー分析

1. 情報源に注意を払う

ユーザー分析列で、すべてのソースに注目します (プルダウンすると、さらに多くのチャネルソースを表示できます)。

情報源のデータ分析により、このパブリックアカウントの現在の新規メンバー数は、主に写真とテキストページのパブリックアカウント名、名刺の共有、QRコードのスキャンから来ていることがわかりました。このデータは、将来的にはこれらのチャネルでのプロモーションに重点を置くことができることを示しています。

データ推論:

画像とテキストページに公開アカウント名:ツイートにフォローアップガイドが表示されます。

名刺共有:営業担当者は営業電話の際に、ユーザーに公式アカウントをフォローするよう案内します。

QR コードをスキャンします:技術担当者または運用およびプロモーション担当者がプロモーションプラットフォーム上のトラフィックを誘導しました。

データガイダンス:

1. パブリックアカウントに固定のオープンソースチャネルがないと、非常に不便です。データ分析により、オープンソースチャネルが明確になります。

2. オープンソースチャネルを合理的に活用し、活動やさまざまな運用方法を通じてオープンソースチャネルでの宣伝活動を強化するなど、ターゲットを絞って設計します。

これにより、チャネルの方向性が不明確であることによる人材、資材、資金の損失を回避できると同時に、効果的なチャネルで成長メカニズムを設計して、ユーザー数の増加という目標を達成できます。

2. ユーザー属性

ユーザーの性別比、言語分布などを確認できるユーザー属性に特に注意してください。

ユーザーの州分布、都市分布、端末分布、モデル分布。 (バックエンドを開くと一目でわかりますが、スクリーンショットは提供されていません)

データが性別や地域に基づいて特定のグループの人々に明らかに有利である場合、コンテンツを作成する際にターゲットを絞ったマーケティングを実行できます。たとえば、男性よりも女性の方が多く、南部よりも北部の人口が多いです。これらはすべて、コンテンツを作成する際にターゲットを絞った操作を実行し、ユーザーの好みに応え、ユーザーが好むコンテンツを作成するのに役立ちます。

2. グラフィカル分析

1. 毎時ニュース

公開アカウントのデータ分析では、実際には 1 つの画像やテキストにはほとんど価値がないため、すべての画像とテキストを分析する必要があります。

時間別レポートを開きます。これは、分析に重点を置きたいデータです。

時間別レポートは、1 日 24 時間の公開アカウントのトラフィックを表します。時間別レポートを通じて、公式アカウントのトラフィック傾向を確認できます。このデータは、少なくとも毎月、注意深く収集する価値があります。

変化するデータを分析する過程では、まず定数を特定し、次に変数を使用して定数を比較し、パターンを見つける必要があります。（重要なポイントを強調表示）

先月、投稿がなかった日の公開アカウントのトラフィックトレンドチャートを選択したためです。投稿が公開された日には、トラフィック傾向グラフが特定のノードに人為的に傾くため、分析の意味が低下します。

これは、ステージを分析したおおよそのデータです。まず、毎日 24 時間のデータを観察し、各日の主要な交通ポイントを見つけました。

毎日出てくる重要なポイントをマークして表を作ります。

記事が投稿されていなかった10日から24日までの期間、公式アカウントのトラフィックノードはこのようになっていたことがわかります。

18時は4回、15時は6回、8時は6回出現します。

これは、公式アカウントのトラフィックが最も高くなるのは 15:00 と 8:00 である可能性があることを示しています。この結論により、ツイートのタイミングを調整することができます。主観的な仮定をしたり、自分の個人的な習慣に基づいてユーザーの習慣を推測したりしないでください。データこそが最も重要な証拠です。

2. 読書量

閲覧量の分析には主に、閲覧量、転送量、いいね、コメントなどが含まれます。これらが詳細に議論されない理由は、これらのデータが人工的に操作される可能性があるからです。たとえば、コメントを残したり「いいね！」したりすることを促すアクティビティを企画すると、この記事のデータは自然に高くなります。

そのため、データを分析する際には、統一された定数に基づいて変数を分析し、大規模な分析を行って価値あるものにする必要があります。

A: プロモーション活動をしなくても、閲覧数や転送率などからユーザーが好むコンテンツの種類を分析し、それに基づいて最適化を継続することができます。

B: 活動の場合は、活動を見直し、データを分析し、利点をまとめ、欠点を見つけ、活動方法を最適化します。

3. メニュー分析

パブリックアカウントのメニューバーは、パブリックアカウントの機能属性として位置づけることができます。メニューバーをうまく活用して、クリック率の高いパブリックアカウントメニューを設定しましょう。

ショッピング関連のパブリックアカウントの場合、メニューバーは基本的にショッピングの入り口です。ここでは、メニューバーを使用して、Web サイトのカテゴリを分類したり、クーポンやショッピングアクティビティを公開したりして、ユーザーが直接ショッピングできるようにすることができます。

機能的なパブリックアカウントの場合は、パブリックアカウントメニューバーに機能を直接埋め込むだけで済みます。

その他の種類のパブリックアカウントについては、プロジェクト開発のニーズに応じてプロモーションの優先順位を設定します。ユーザーに頻繁に表示してもらい、ユーザーとやり取りしてユーザーの定着率を高めることができるカテゴリに重点を置くのが最適です。

質問は、メニューバーでデータ分析をどのように行うかということです。

公式アカウントのメニューバーにはサブメニューがあります。分類された公式アカウントのサブメニューの内容を合理的に設計し、メニューバーのクリック率を通じてユーザーの実際のニーズを理解し、データに基づいて対応する調整を行います。

メニューバーを設定する際には、サブメニューの内容を同じレベルに分類することをお勧めします。そうすることで、どのカテゴリがユーザーに人気があるかを把握できます。

たとえば、運用：製品、運用、マーケティング、プロモーション…

音楽教育：ピアノ、バイオリン、ギター…

分類を通じてユーザーの興味を調査し、コンテンツをより良く運用し、ユーザーが興味を持つコンテンツを制作します。

したがって、個人的には、メニューバーの設定を製品の開発段階にリンクさせることをお勧めします。一部のパブリックアカウントのメニューバーは長い間変更されていないか、単に過去のメッセージへのリンクになっているのを見てきました。個人的には、もったいない気がします。メニューバーをうまく活用することで、ユーザーのニーズをより深く理解し、コンテンツの運用に役立てることができます。

4. ニュース分析

1. 毎時ニュース

時間ごとのデータを使用して、ユーザーのアクセスが集中する時間を分析できます。この時間帯に、カスタマーサービススタッフの作業をより適切に割り当てることができます。具体的な分析は上記のものと一致しています。

2. メッセージキーワード

メッセージキーワードに関しては、ここに注目する必要があります。

キーワード分析を通じて、ユーザーの主な疑問やニーズを理解し、適切な FAQ を準備することができます。

データ分析のこの部分の主な目的は、FAQ を通じて顧客サービスの効率を向上させることです。

残りのインターフェース分析とWebページ分析については、専門的な技術が必要なので、ここでは詳細には触れません。

要約する

上記4つの側面で行われたデータ分析は、仕事に対する指導的意義に基づいて次のように要約できます。

ユーザー分析:主要なユーザー属性と主要なオープンソースチャネルを見つけます。

グラフィックとテキストの分析:主要なトラフィックポイントを見つけ、コンテンツルールを要約します。