02 影響買粉絲文章打開率的因素有( )(買粉絲公眾平臺最佳推送時間？有沒有規律)

分享量 + 0.53 * 關注者人數 – 157。

注意到，在這三個顯著影響關注量的變量中，「標題勁爆程度」無法用數值衡量，所以被放到了誤差項(error term)中。但是這樣的處理是否合理呢？標題勁爆程度雖然是不可衡量變量，但是它和分享數有很大相關性，因為一般來說我們都會認為，標題比較勁爆的文章分享數也會比較多。那么如果單純用 OLS 做回歸，即將標題勁爆程度放在誤差項中，是否會影響回歸函數的準確性呢？

于是我在想是否可以引入工具變量(IV,Instrumental Variable)解決。根據維基百科，「在回歸模型中，當解釋變量與誤差項存在相關性（內生性問題），使用工具變量法能夠得到一致的估計量。」當一個解釋變量(regressor)和誤差項(error term)相互獨立，并不對因變量產生影響，稱為外生性(exogeneity)。與外生性相對立的是內生性(endogenous)，也即誤差項和解釋變量存在相關性。在回歸模型中，如果遇到內生性問題，使用OLS會出現不一致的估計量。那么可以使用工具變量(Instrumental Variable，簡稱 IV)解決這個問題。這里，工具變量應該滿足： 1>和內生解釋變量存在相關性；2>此變量和誤差項不相關，也就是說工具變量嚴格外生。

接下來的問題是，在 DW 的數據中選擇什么作為工具變量比較合適？我想了很久，覺得或許可以選擇「關注數」作為一個較為合理的 IV。當然由于我手中沒有數據，只能表示 IV 的選擇并不是唯一的，只要滿足所找的 IV 與分享數有關，但是和標題勁爆程度無關即可。找到合理的 IV 之后，用Two-stage Least Squares(2SLS)做回歸，并用 Hausman Test 檢驗所選取的 IV 是否恰當。這樣或許就可以得到一個更為一致的估計量了。

于是第二天，我把我自己對處理 DW 數據的一點思考 寫了下來 。由于 DW 并不認識我，我沒有想到 DW 竟然在博客看到了我的文章并 留下了評論 ，在此謝謝她的評論：「IV是一個很好的解決思路，但是在樣本有限的情況下加入IV的意義就不大了，因為IV需要很大的數據量才會顯著；此外找到一個合適的IV也是個問題。」

我覺得 DW 說的也有道理，這個思路就沒有繼續想下去。然而，分析我自己買粉絲公眾平臺運營數據的想法卻日漸強烈了。我的數據更加有限，但是也不妨用最簡單的方法，稍微嘗試一下。

我也準備探究一下我自己的買粉絲訂閱號閱讀數和什么因素有關。由于買粉絲于 2014 年 7 月才開放「閱讀次數」信息，所以該數據不完整，我于是使用「閱讀人數」作為因變量。影響因變量閱讀人數的因素可能有：距上次發布相距時間，文章字數，訂閱號累計關注人數，以及轉發人數等等。接著我耐心的統計了數據，并通過跑簡單的線性回歸發現：「閱讀人數」與「距上次發布相距時間」、「文章字數」等因素的相關性不明顯，但是與「累計關注人數」以及「轉發人數」明顯線性相關。

于是我對「閱讀數」與「訂閱號累計關注人數」以及「轉發數」做了回歸分析，得到數據結果：

閱讀次數 = 0.205 * 訂閱號累計關注人數 + 10.78 * 轉發數 + 58.15

這說明，文章在朋友圈的轉發 1 次，大概可以增加 10 人閱讀；而關注人數增加 5 人，才能帶來 1 人閱讀量的增加。

這個結果大致符合了 張小龍在 12 月買粉絲公開課上的一個數據分享 。他在演講中提到，訂閱號有非常多的閱讀量來自朋友圈，這符合 2/8 分布原理，「20% 的用戶到訂閱號里面去挑選內容，然后 80% 的用戶在朋友圈去閱讀這些內容」。我看到有人質疑過該論斷的合理性，但是從我回歸分析的數據中看，我覺得這大致是合理的。

原文鏈接： 買粉絲://dinglisa.買粉絲/blog/2015/01/09/wechat-analysis

買粉絲買粉絲后臺數據里有哪些你不知道的秘密？

買粉絲后臺的用戶分析一欄包含用戶增長、用戶屬性、常讀用戶分析 三個類別。用戶增長主要用以查看昨日賬號近期的用戶增減數據；用戶屬性又分為 人口特征、地域歸屬、訪問設備，可查看性別分布、年齡分布、語言分布、省 級分布、地級分布、終端分布等整體用戶數據；常讀用戶分析包括常讀用戶總覽、性別分布、年齡分布、城市分布和終端分 布。通過常讀用戶總覽頁面，運營者可以看到自己的賬號有多少常讀用戶，以 及所占比例。

新增加的常讀用戶分析維度里，一個是披露了用戶年齡段，二個是 披露了用戶所在城市分布，這兩個維度是目前研究報告里，用戶畫像部分必須 用的兩個指標，這兩個指標是決定消費的重要因素。對于那些體量比較大的號，本身具備用戶運營系統和維護習慣，這個功能肯定 是錦上添花。但對于小號或剛起步的運營者來說就非常重要，它能幫助運營者 清晰用戶畫像，不會為流量去做有損品牌調性的事。

買粉絲閱讀量太低？那是你不知道這樣分析數據！

王尼瑪：二狗哥，你說我這買粉絲開了也好久了，粉絲也不少，為啥文章閱讀量忽高忽低，一直上不去呢？

孔二狗：尼瑪，看粉絲數還不錯，都破5W了！廣告費妥妥的吧？！

王尼瑪：并沒有呀！粉絲看著不少，可近期發出來的大部分文章閱讀量都才3000多，有啥辦法提高提高閱讀量。

孔二狗：這個簡單，發一些文章，標題就起“你竟然連這個都不知道……”、“震驚！再也不敢晚上一個人走在路上了……”、“豁出去了，廚房里的艷照”、“她們竟然這樣玩！微博都轉瘋了！”……配圖文的時候配一些挑逗性的圖片，保證打開率蹭蹭的往上竄，比房價竄的還快！如果想要提升轉發率，方法更簡單，簡直屢試不爽，百試百爽。只要在文章開始或者結尾大字體紅字標上“不轉不是中國人”、“轉發保全家平安”，你看吧，發一篇火一篇，比上周的天氣還火熱。

王尼瑪：狗子啊，給點正經的建議行不？倫家可是一心為粉絲謀福利，要寫就寫大家喜歡看的文章，要發就發大家看完還想轉的文章！你那騷主意都八百年前的爛貨了，有木有科學一點的建議？比如說幫我分析分析，粉絲都喜歡看哪一類型的文章？哪一類型的文章粉絲更喜歡轉發？哪個類型的文章更能造成影響廣泛的影響，譬如說拉粉啥的。

孔二狗：。。。

（獨白）看著尼瑪童鞋求知的眼神，我陷入了沉思中。幫她做這活兒是讓她請吃飯呢，還是要她閨蜜的買粉絲號呢？還是。。。

王尼瑪：狗哥，看你眉頭緊皺的樣子，這問題是不是好難啊！

孔二狗：這都被你看出來了，真的好難啊！需要做粉絲分析，粉絲類型歸類，圖文類型分析，圖文閱讀分析、推送時間分析、配圖粉絲……

王尼瑪：。。。。這么復雜，不過對你來說也是小case吧？！

孔二狗：這個么。。。幫你做了是不是得表示一下

王尼瑪：……你說我要怎么表示呢

孔二狗：那個王姑娘不是沒有男票么，so……

王尼瑪：嗷呦，原來是看上我們家王姑娘了。先搞定我買粉絲的事情再說，其他包在我身上！

二狗童鞋閃著金金閃閃的鈦合金狗眼看著王尼瑪童鞋，答應的這么爽快，連二狗都略不適應。得到承諾的二狗跟吃了狗糧似得，亢奮勁頭十足的做起來了。

這一步工作是純體力活，買粉絲官方的限定，一次只能查看最近七天的圖文閱讀詳情，而且還不支持導出。坑爹啊！

已經發布的兩百多篇文章還是大概有個分類的，雖然尼瑪童鞋今天一榔頭，明天一錘子的發文章。綜合來看，發出來的文章還是可以分為幾大類的。先設定類別標簽，將已經發布的文章按照圖文簡介的內容標記相應的類別標簽。一篇文章可以屬于多個類別，不過盡量按照圖文簡介的第一印象劃定的類別。

根據標簽統計每個標簽下文章的數量，除以總文章數算出每個類型的文章數量占比。

說明： 讀者一般是閱讀圖文簡介后來決定是否打開一篇文章，按照圖文簡介來劃分的好處是站在讀者的角度看文章。

結果： 每篇文章至少一個標簽，已經發布的所有文章可以根據標簽分為幾大類。通過已發布的文章占比看，大概可以發現該買粉絲的發文規律。雖然早期是憑興趣在做，積累了一定時間后還是形成了自己的定位和風格。

計算每篇文章的閱讀率和轉發率，閱讀率是拿著文章的閱讀人數除以送達人數，轉發率是拿著分享人數除以閱讀人數。

說明： 計算方法簡單粗暴，不過很能說明一篇文章在粉絲中的受歡迎程度。一般來說，閱讀率和轉發率雙高的文章就是該買粉絲的深度好文。

將每一個類型的文章對應的閱讀總數除以該類文章送達的總數求出該類文章的平均閱讀率，將分享的總人數除以閱讀的總人數計算出平均轉發率。

說明： 計算方法同樣簡單粗暴，目的是想看該類型文章的整體受歡迎程度。

衡量一篇文章優劣有兩個維度，閱讀率和轉發率，這兩個維度各有優缺點。如果買粉絲比較關注粉絲的閱讀情況，可以重點關注閱讀率，看看推送的文章被多少人打開閱讀。如果買粉絲比較關注文章的深度，可以重點關注轉發率，決定粉絲是否打開文章閱讀因素是圖文的簡介內容，決定粉絲是否分享文章，決定性的因素是文章的質量，是否被粉絲認可。最好的方法是兩個角度都兼顧到，但限于上述計算方法的問題，如果單看轉發率并不科學。譬如一篇文章被1%的人閱讀，這1%的人中有50%選擇了轉發，那么這篇文章的轉發率就是50%，另一篇文章有20%的人閱讀，其中有30%的人轉發，那么這篇文章的轉發率就是30%，常識看，第二篇文章的影響力更大，更受粉絲歡迎，第一篇文章的影響力只限于特定的少數粉絲。為了更科學的衡量一篇文章的影響力，需要將兩個維度合并到一個維度來計算，基于此需要有個合適的影響力指數。參考其它小伙伴的計算方法，影響力指數的計算設定為：

I是影響力指數，Y是閱讀率，F是分享率。

說明： 由于不同時間粉絲數不同，為了將不同時間的閱讀率統一到一個可以計算的維度上，可以假設該買粉絲的粉絲數是10000。10000人中假定有1個人閱讀，這篇文章的影響力就是1，如果有1個人分享，這篇文章的影響力就是100,。取100是考慮到每個人的好友數量，平均每個粉絲有100個好友，1個人轉發會影響到100個人。還需要注意的是，計算影響力的時候需要在粉絲數量達到一定額度時才科學。早期的鐵桿粉絲可能都是好友，一般會選擇閱讀和分享，對結果影響較大，不能反映真實的文章水平。

考慮到買粉絲的粉絲超過50000，將計算的起點設置為3000了。一般來說粉絲數超過1000以后，粉絲中朋友的閱讀和轉發對影響力的計算就很低了。

影響力指數不同于閱讀率和轉發率，可以直接求平均的。計算各個標簽影響力的平均數，計算的結果用來衡量每類文章的影響力，影響力類別較大的文章可以適當的多投入精力。

一圖勝萬言，圖表是會講話的，把統計結果用圖表形式呈

很赞哦!（1688）