2019年Q1季度公众号数据分析报告

在过去的两年里，无论是从体量还是影响力上看，微信公众号已经从最初的野蛮生长逐渐转变为国内新媒体行业中最顶级且专业化的流量平台。回顾过去发生的各类重大事件，几乎都会通过公众号完成事件发酵、深度解读和裂变传播的过程。与此同时，公众号也已成为广告主日常投放中不可或缺的重要渠道。

影响力越大责任也越大，微信官方对内容环境的监管力度逐年加强，低俗小说、黑五类、色情文章违规封号，打击诱导分享、三级分销等等举措，确保公众平台所输出的内容更加优质。

虽然近一年来短视频的兴起分散了用户的部分关注，公众号的文章打开率也在逐渐下滑，但无论是在传统媒体还是互联网时代，图文和视频都是并行的双轨，对于内容创业者和广告主来说，只要以微信为主流的日常社交习惯不变，去中心化的微信公众平台依然是内容输出与变现的重要途径。

那么，在2019年初，公众号生态内都发生了哪些变化呢？让我们一起通过数据来看一看。（以下数据均来自西瓜数据平台已收录的500w公众号样本，仅供参考）

2019年第一季度 ，仍保持发文的公众号累计达1756万个，累积发文量322亿篇，平均每月产出107亿篇内容。二月份受春节假日影响，实际发文篇数明显减少。

而这其中有80%的公众号头条平均阅读量在1000以下，只有万分之七的公众号（大约400个左右）头条平均阅读达到10万+。

从每月各行业新增公众号量来看，资讯、娱乐、情感类等是目前新进入公众号领域的主要行业选择方向，而从以往的经验来看，这几类公众号对热点的敏感度更高，也更容易创造出爆文。

另一方面，在Q1季度里，每月新增被封公众号总数呈下降的趋势，说明在微信官方严格整治的环境下，低俗、恶趣、利诱分享的文章数在逐渐减少。从被封的公众号分类来看，情感和搞笑趣闻类的题材更容易出现违规现象导致被封号。

截止2019年5月初，西瓜数据平台上已收录全国333个地级市的公众号。一季度各省份公众号数量排名前5位的分别是广东、山东、浙江、江苏、河南。排名第一的广东省Q1季度共发文856w篇，日均发文95w篇，一些我们耳熟能详的百万级大号：粤知一二、广东共青团、故姐等都隶属于广东地区。

在过去两年微信官方对小程序的一系列扶持举措下，已经有越来越多的小程序孕育而出，如果说公众号的核心是内容，那么小程序的核心则是产品。

在Q1季度所有发文的公众号中，共计有47265个（占比27%）公众号在其2084w篇（占比65%）文章中插入了小程序，累计曝光量达到236亿次。差不多在每100篇内容中有4篇会插入小程序，平均每个小程序可以达到110多次的阅读曝光量。同比3月份与1月份，小程序的绑定量也有明显上涨。

原文应用方面，Q1季度平均每月有204w个账号在362w篇文章中添加阅读原文链接。

从1月到3月份接入原文应用的数据来看，被接入公众号最多的应用分别是“掌中云”和“有赞”商城，而曝光量最大的站点是“有赞”商城和“腾讯网”，曝光量分别达到576亿和222亿。前十中有4个席位都是小说类别。

说完了流量方，再来看看广告方面，剧某媒介平台发布的2019第一季度数据显示，Q1季度传统媒体广告投放刊例消费同比下降162%、增幅下降112%，除了外部整体市场环境的因素外，下降的主要原因就是大部分的投放资金被分配到了新媒体领域。广告主开始更多的把控效益，从原先看重品牌曝光逐渐转变为更注重实际转化。

在公众号领域，能做到内容即广告，广告即内容的媒体主大多是业内的kol，不仅培养出了一群粘性极高的粉丝群体，在带货能力上也是备受好评的。

2019年第一季度期间，在24个热门行业中投放最火的是教育培训行业，广告文章数占到总数的14%，一些众所周知的教育品牌都在其中；其次是招聘类型的广告，占比达到87%。

过去两三年，新媒体创造了知识付费的商业模式，而许多教育行业的资深品牌方，也开始借助新媒体的流量和内容优势，开展线上线下结合的新教育模式。从广告投放的趋势来看，转化效果可想而知。

从统计数据来看，整个Q1季度接广告数最多的是资讯类、其次是情感和教育类账号。这除了和广告主进行精准对标投放外，也和不同行业公众号总数有关。

整体广告投放量在经历2月份短暂下降之后3月份投放量略有增长。在每月广告文章中，头条广告文章数占比达到36%，次条占比214%，其余位置占比426%。

以上，就是本次Q1季度分析报告的全部内容。西瓜数据作为国内专业的公众号数据分析与监控平台，今后将不定期发布公众号生态相关的行业报告，借助大数据分析行业最新动态及发展趋势。

通过分析豆瓣用户**评论数据，来对不同国家在不同时间内的**进行情感分析，并通过云图及直方图进行效果展示。

资源链接 ： https://downloadcsdnnet/download/zhuqiuhui/85100293

分析随着时间增长，不同国家拍摄的**类型的变化

为由用户**评论构建 tf-idf 模型抽取的关键短语。分为正向关键短语和负向关键短语。

为由**风格标签抽取的关联规则

通过 kmeans 算法聚类**。样本通过 one-hot 编码为特征，然后再使用 kmeans 算法聚类。共聚4类，通过云图展示（见效果）

号v公众：方辰的博客