采集
怎么采集具体就不多说了，和之前aardio爬虫) 实战篇：采集自己的公众号粉丝列表原理基本一样，代码也放在那篇文章里的github地址。
详细运营数据
采集页面: https://mp.weixin.qq.com/misc/appmsganalysis?action=detailpage&msgid=2247484986_1&publish_date=2024-06-12&type=int&token=1200324727&lang=zh_CN
这里面基本只有2024年的，2023年只有几篇，因为再往前的文章没有这些具体的数据，所以采集不到。不清楚是今年做的改动还是我的公众号的原因。
表格中具体的字段解释：
title: 文章的标题msgid: 文章的idpublish_date: 文章的发布时间read_pv: 文章的阅读次数finished_read_pv_ratio: 完成阅读比例avg_article_read_time: 平均阅读停留时间(单位秒)follow_after_read_uv: 阅读后关注人数share_pv: 文章的分享次数zaikan_cnt: 文章的在看次数like_cnt: 文章的点赞次数praise_money: 文章的赞赏次数comment_cnt: 文章的评论次数subscribe_send_uv: 订阅送达人数subscribe_read_pv: 订阅阅读次数fans_share_pv: 粉丝分享次数read_in_share_scene_pv: 分享产生的阅读次数recommend_expose_pv: 推荐的曝光次数recommend_read_pv: 推荐产生的阅读次数recommend_follow_after_read_uv: 推荐阅读后关注人数recommend_expose_read_ratio_raw: 推荐的阅读转换率recommend_read_follow_ratio_raw: 推荐的阅读关注率
列表页数据
采集页面：https://mp.weixin.qq.com/cgi-bin/appmsgpublish?sub=list&begin=20&count=10&token=1200324727&lang=zh_CN
这里面包含了全部的文章，不过只有几个基础的数，具体的字段解释：
title: 标题appmsgid: 文章idsend_time: 发布时间戳content_url: 内容链接copyright_type: 文章是否原创，1为原创，2为转载read_num: 阅读数，上面的read_pv有点差异，不清楚具体计算方式，这里的和公众号网页看到的是一样的old_like_num：点赞数reward_money：赞赏金额like_num：再看数
数据分析
数据分析我并没有接触过，所以以下只对一些字面量做统计，不会涉及专业的分析。后面有机会写一篇怎么利用免费的大模型做数据分析，例如Kimi、清华的智谱清言等。其中最强的应该是chatgpt的Code Interpreter，不过需要plus会员，就不去测试了。
订阅推送
有两个数据比较有意思：subscribe_send_uv订阅推送次数，subscribe_read_pv订阅阅读次数
粉丝增长情况
从subscribe_send_uv可以看出粉丝增长的情况，因为推送次数其实就是当前的粉丝数。
这里有个掉下去的位置也是很奇怪，看了下是搭建一个问答交流平台这篇文章的推送数少了，应该是公众号后台统计的数据有问题。
粉丝增长比较稳定，按这个速度，只需要六七年就能到十万粉了，到时候还在不在做公众号都不知道了。
订阅阅读率
subscribe_read_pv数据本身没什么意义，需要计算阅读率才能反映阅读情况。画个柱状图看看(红线是平均值)
并没有什么规律，阅读率应该跟文章的标题、简介和封面图关系更大，所以才有那么多标题党。另外，阅读率前五的文章：
26.1588% 视频号下载工具重构版本2.0 22.6313% 视频号下载工具更新 18.2900% 写个视频号下载工具 17.2569% 用aardio来做网络爬虫，一键打包成exe 15.9119% aardio封装库) sunny抓包工具的使用
看来公众号的粉丝大部分还是因为视频号下载工具来的。阅读率最低的是一加七Pro刷Lineageos19(kernelsu+MicroG)，只有3.1439%，同类型的另一篇文章也只有3.3242%，这种文章受众面小，大部分看到这些标题估计不会点进去看。
推荐的阅读转换率
阅读转换率 = 推荐产生的阅读数recommend_read_pv除以推荐总数recommend_expose_pv，这里的推荐应该是指看一看。
阅读转换率最高的三篇文章：
11.9762% Windows实现多用户同时远程连接 11.2516% 用aardio来做网络爬虫，一键打包成exe 11.0688% 【Python微信机器人】写一个监控采集公众号文章的插件 10.2734% aardio教程三) 元表、元方法 9.6561% PC微信逆向) 定位微信浏览器打开链接的call
一篇文章能有10%的阅读转换率应该还算不错的，毕竟每篇文章的受众面不一样，想要这个数值特别高，估计只能用引战类的标题或者擦边的封面图。
最低的是视频下载器更新2.5版本，只有0.7491%，可能因为不需要视频号下载的基本不会点，需要的自己会去搜。
推荐的阅读关注率
推荐的阅读关注率 = 阅读产生的关注数recommend_follow_after_read_uv除以推荐产生的阅读数recommend_read_pv
图里那根特别长的文章是aardio教程一) 基础语法-上，有8.8235%，而第二才4.3859%。想要这个数值高，标题取的好可没啥用，不过可以内容写的比较引战，然后设置关注才能评论，那估计也有可能提高阅读关注率。
当然，最好还是文章质量过硬，不然关注率虽然高，但是留存率几乎为零也没啥用。
最高值统计
下面就是对一些数据统计前五的文章
阅读量
截至今天，阅读量最高的前五篇文章：
9018 远程连接被爆破的最佳解决办法 8025 用aardio来做网络爬虫，一键打包成exe 7860 Windows实现多用户同时远程连接 7087 PC微信逆向) 定位微信浏览器打开链接的call 6755 写个视频号下载工具
很可惜，最高的也没有破万。
点赞数
截至今天，点赞量最高的前五篇文章：
72 视频号下载工具重构版本2.0 70 用aardio来做网络爬虫，一键打包成exe 57 写个视频号下载工具 42 PC微信逆向) 定位微信浏览器打开链接的call 42 aardio教程一) 基础语法-上
看来视频号下载和aardio教程比较受欢迎
分享数
截至今天，分享量最高的前五篇文章：
468 视频号下载工具重构版本2.0 442 【Python微信机器人】写一个监控采集公众号文章的插件 421 写个视频号下载工具 342 Windows实现多用户同时远程连接 333 用aardio来做网络爬虫，一键打包成exe
阅读后关注数
截至今天，阅读后关注数最高的前五篇文章：
213 视频号下载工具更新 210 写个视频号下载工具 134 aardio教程一) 基础语法-上 81 【Python微信机器人】写一个监控采集公众号文章的插件 76 PC微信逆向) 定位微信浏览器打开链接的call
在看数
截至今天，在看数最高的前五篇文章：
27 视频号下载工具重构版本2.0 18 用aardio来做网络爬虫，一键打包成exe 17 写个视频号下载工具 13 视频号下载工具更新 13 【Python微信机器人】写一个监控采集公众号文章的插件
前三和点赞是一样的，估计是有些点赞的人同时也点了在看，五个里面三个视频号下载的，这大概是因为公众号粉丝有相当一部分是视频号下载引流来的。
赞赏
截至今天，赞赏金额数最高的前五篇文章：
121 aardio教程一) 基础语法-上 20 基于决策树的简单验证码识别 10.04 视频号下载工具重构版本2.0 7 【Python微信机器人】写一个监控采集公众号文章的插件 6 Python调用微信OCR识别文字和坐标
第一个是aardio作者直接赞赏了100。第二篇文章是2020年写的，那个时候正好看到一些机器学习算法比较有意思，其实内容并没什么实战意义，验证码识别现在都是深度学习算法了。
公众号总共收到192.04元赞赏，离提前退休又近了一步。
推荐量
截至今天，推荐量最高的前五篇文章：
69345 PC微信逆向) 定位微信浏览器打开链接的call 62569 用aardio来做网络爬虫，一键打包成exe 60470 视频号下载工具更新 53276 写个视频号下载工具 46200 Windows实现多用户同时远程连接
这个推荐量估计是系统根据某些数据来决定的，有的文章会获得大量推荐，而有的则基本不会到推荐里。
平均停留时间
截至今天，平均停留时间(单位秒)最长的前五篇文章：
240 aardio教程四) 理解名字空间(namespace) 141 简单编程调用微信 OCR 识别图像文本 107 aardio教程) 搭建自己的扩展库仓库 85 多个开源的js补环境框架测试 76 aardio实战篇) 下载微信公众号文章为pdf和html
看来是真有人认真看文章学习。
完读率
截至今天，完读率最高的前五篇文章：
0.671875 简单编程调用微信 OCR 识别图像文本 0.614815 香橙派5plus从ssd启动Ubuntu 0.612959 视频号下载器更新2.5版本 0.608962 Windows实现多用户同时远程连接 0.574525 搭建一个问答交流平台
一般一些比较基础的教程完读率会高一些，稍微深一点的教程很多人基本打开就退出了。