公众号内容数据采集与Excel分析：874篇样本完整复盘

做公众号内容观察这个系列，其实最初只是为了给自己复盘写作方向建一个Excel表，把值得拆解的文章按标题、发布时间、链接存下来。后来存着存着发现光存这些零碎信息没有用，必须把阅读数、点赞数、推荐数、分享数、留言数全部拉出来导进Excel，才有办法说清楚一个账号到底为什么强、强在哪。这个系列里第一个做完整表格的，我选了罗辑思维。原因很简单：它2025年发布了874篇文章，其中阅读数10万+的有147篇，更新勤、爆文率高、样本量大，拿它来研究一个头部公众号的内容节奏和数据规律，比盯那些一天发不了一条的小号有价值得多。这篇文章就把我整个过程里用到的采集思路、字段处理、Excel落地细节以及最后从数据里读到的东西，全部摊开讲一遍。

1. 为什么选罗辑思维做样本：874篇文章背后的观察价值

1.1 我的观察起点：手动一篇篇点开，实在撑不住

刚开始做这个系列时，我的办法非常原始：在微信里点开公众号历史消息，从最早的文章一篇篇翻，把标题复制出来，再滚到文章底部看阅读数、点赞数、在看数。这么干了不到一百篇就发现行不通。一是效率太低，一篇文章从打开到抄完数据，少说一分钟，一百篇就是两个小时；二是数据容易抄错，尤其是阅读数整串数字，抄到一半被打断，回头根本不知道抄到哪一篇。最要命的是，这种手工抄法没法排序、没法筛选，也就没法回答最核心的问题：到底哪些文章更受欢迎，它们的标题和选题有什么共同点。

后来我换了一个思路，不再纯手工抄，而是先想清楚要观察什么，再把数据批量采集下来。当时给自己定的观察对象就一个标准：更新足够频繁，覆盖的内容类型足够丰富。罗辑思维公众号恰好符合这个条件。它不像很多账号三天打鱼两天晒网，而是一个相对稳定的高频率输出样本，2025年一整个自然年下来有874篇文章，平均每天超过两篇，这个体量对于一个做内容拆解的人来说，简直是个天然数据库。

1.2 先给样本画像：日均2.4篇，16.8%的爆文率意味着什么

拿到874这个数字后，我第一时间算了两个基本比率。

第一个是更新频率。874篇除以365天，约等于每天2.39篇。这意味着罗辑思维在2025年不是“每天一条”的模式，而是一个多图文组合推送的模式，头条之外还有次条、三条。从内容运营角度看，这种节奏不是公众号早期那种单篇精品策略，更像是一天里用一篇文章做主打，再用其他文章承接不同话题，分摊粉丝的不同兴趣点。对观察者来说，这种结构有一个好处：因为同一天发的文章会共享同一个流量入口，所以头条和次条的阅读落差本身就是一个有趣的观察维度。

第二个比率是爆文率。147篇阅读数10万+，占全年文章总量的大约16.8%。不过这里必须强调一个常识，微信公众平台的阅读数上限显示就是“10万+”，超过10万也只会显示10万+，所以这147篇的真实阅读量只会比10万更多，只是从外部拿不到精确值。换句话说，16.8%是“至少10万+”的比例，不是精确的爆文分布。这一点在后面做Excel统计时需要特别标记，不然会误以为是恰好卡在10万。

那这个爆文率算高还是低？如果对比一个普通账号，文章阅读量大多数时候只有几千，偶尔过万就算不错，那16.8%的10万+比例显然是头部水平。但罗辑思维这种级别的账号本身粉丝基数大，打开率有先天优势，所以真正值得研究的不是“它能到10万+”，而是“什么样的内容更容易进10万+”，这就要靠标题、时间、点赞、在看这些字段来交叉验证了。

2. 历史文章数据采集：三条可行路径和各自的边界

2.1 阅读数这类字段在微信生态里到底藏在哪里

要把数据导进Excel，第一步是搞清楚字段都在哪儿。公众号文章列表页能看到的只有标题、摘要、封面和发布时间，阅读数、点赞数、在看数、分享数、留言数全都只出现在文章详情页，而且微信并没有给第三方开放一套公开的“文章数据接口”。如果你不是公众号运营者，从外部直接系统化拿全量数据，本质上都是在走各自的取巧路径。

我整理出三条实际能走通的路：第三方数据平台、公众号后台官方统计、自动化采集加人工核对。三条路的准确度、覆盖度和合规成本完全不一样。下面分别说清楚。

2.2 路径一：第三方数据平台的现成报表，省力但字段受限

市面上专门做公众号监测的第三方平台并不少，常见的有新榜、西瓜数据、清博大数据这类。它们的账号主页里通常会收录一个公众号的近期文章列表，并显示阅读数、点赞数、在看数等指标，部分平台还支持把文章列表导成表格。

这套路径的好处是省事，不需要自己处理微信端任何东西，搜索账号名就能看到历史文章列表。我在做罗辑思维这个样本时，就是从这类平台拿到初始文章清单的。但也必须说清楚三件麻烦事。

第一，不是所有平台都展示完整历史文章，有些只保留最近几百篇，要拿到跨全年的874篇，可能需要组合多个平台的数据源。第二，阅读数这类字段在第三方平台上有自己的抓取时间点，和你在微信里此刻看到的不一定完全一致，尤其是刚发布的文章，数字还在快速上涨。第三，很多平台的详细数据是会员功能，免费用户只能看到一部分字段，或者只能看到最近七天的数据。做长期观察的话，这类平台更适合用来做线索发现，而不是唯一的数据底座。

2.3 路径二：公众号后台官方统计，最准但只面向号主本人

如果你观察的对象是自己运营的账号，那最佳方案其实是去微信公众平台后台的统计模块看“内容分析”。这里能按单篇文章看到阅读、点赞、分享、留言、在看等数据，是微信自己的统计口径，权威性最高。也可以按时间范围筛选，有的维度能直接导出报表。

但这条路对“观察别人家账号”的人来说走不通。罗辑思维公众号的后台只有它的运营团队能进，我作为一个外部观察者拿不到。所以这条路径只能在两类场景里用：一是你自己就是号主，做自己的年度复盘；二是你和号主有合作，对方愿意把数据导出给你。对于我这篇标题里的场景来说，第三方平台加自动化核对才是主要手段。

2.4 路径三：自动化采集加人工核对，我要提醒的三件事

第三种路径是自己在微信端做自动化采集，再接手核验。常见做法是打开公众号历史消息页，用抓包工具看微信接口返回的JSON数据，把文章标题、链接、点赞数、在看数等字段拿下来；或者用浏览器开发者工具在文章页里定位数据节点。大体的流程是：分页请求历史文章列表，解析每篇文章的链接，然后逐个请求进详情页提取数据。这个路径灵活、能覆盖全量，但有三件事必须提醒。

第一，微信的数据接口本身有限流和风控，如果请求频率太高，触发风控后轻则接口报错，重则影响账号正常使用。所以采集时一定要控制频率，宁可慢一点，不要用暴力并发。第二，微信的软件许可及服务协议里面对自动化访问是有明确限制的，个人做数据分析没问题，但要遵守平台规则，不能用来批量抓取后对外分发牟利，更不能涉及任何绕过平台限制的破坏性操作。第三，拿到原始JSON不等于拿到了干净数据，字段的解析、清洗、去重这一套流程一点都省不掉。我自己是不管用哪种方式拿到原始数据，最后都会人工抽查一部分文章，确保数字和文章页面的显示对得上。

3. 数据落进Excel：字段口径、模板坑和最终表格形态

3.1 先统一字段口径，不然后面分析全白做

数据拿到手之后，最难的不是技术，而是口径统一。我最终定下来的Excel字段是八列：文章标题、发布时间、文章链接、阅读数、点赞数、推荐数、分享数、留言数。

其中“推荐数”这个字段需要特别解释一下。微信公众平台早期有“点赞”，后来变成“好看”，再后来变成“在看”，不少第三方平台在展示时也会用“推荐”这个词来指代同一个交互按钮。我在做表格时统一按当前文章页底部显示的口径来记，如果你发现某些平台导出的是“在看”而另一些是“推荐”，务必确认它们是不是同一个交互行为，不要直接混在一起加总。分享数的口径相对统一，指的是转载或分享到会话、朋友圈的总次数。

口径统一这个问题，等数据量一大就会变成灾难。试想一下：如果前两百行的“推荐数”按A平台口径记，后六百行按B平台口径记，后面做排序和对比时，得出的结论完全不可靠。所以我建议在Excel里专门留一列备注，标注每条数据的来源平台和数据快照时间。

我用的表格样式大概这样：

3.2 导出Excel里的实操坑：从easypoi模板图片失效说起

数据清洗完，接下来就是生成Excel。这一步看似简单，实际坑很多，尤其是我这种习惯用代码批量生成文件的人。

先说一个和标题里“导出excel”直接相关的问题：用Java的easypoi做导出时，如果你是用模板填充的方式，模板里预留的图片区域经常会失效。具体表现是，你在Excel模板里放了一个Logo或封面图占位，然后用easypoi填充数据，最后生成的文件里图片区域是空的，或者图片被挤成一团。这个问题我在别的项目里踩过不止一次。后来我总结出的可靠做法是：模板只承载字段名、列宽这些静态样式，图片一律动态生成，用底层POI的Patriarch对象把图片锚定到指定单元格上，而不是依赖模板里的占位图片。如果你是直接在代码里创建Workbook而不是用模板，就不太会遇到这个坑。

还有一个非常常见的坑是长链接的截断问题。微信公众号文章链接虽然不算特别长，但放到Excel里自动换行后很影响阅读，而且如果单元格默认是常规格式，双击进去可能触发超链接跳转。我的经验是：链接列全部设为文本格式，关闭自动换行，列宽调整到合适大小，这样既不影响筛选，也不会误触发跳转。

数字格式也要注意。阅读数、点赞数这种偏大的数字，如果单元格被误判成数值，超过一定位数时会自动变成科学计数法显示，看起来特别别扭。解决办法是在导入或生成时，把这些列的单元格格式明确设为数值，并关闭科学计数法显示。发布时间那一列，我会统一成“YYYY-MM-DD HH:mm”格式，方便后续做按小时、按周、按月的透视表。

3.3 我最终落地的表格，以及怎么让它“好用”

最后落地的Excel，我做成了三部分：明细表、透视表和备注说明。

明细表就是上面说的八列原始数据，第一行冻结，方便滚动时始终看到字段名；顶部加筛选器，可以按发布时间段和阅读数区间过滤。透视表是我用Excel自带的透视表功能直接拉的，按月份统计发布篇数、平均阅读、10万+篇数，这样从全年一眼看下来，趋势特别清楚。备注说明是一张单独的sheet，记录了每个字段的口径、数据源和抓取时间，防止三个月后回看时想不起来这些数字是怎么来的。

对不熟悉代码的人来说，补充一句：你不一定需要写Python或Java，如果是从第三方平台导出表格，或者从文章页手动采集，直接用Excel的Power Query也能完成一部分清洗和透视工作。重要的是先把口径整理清楚，再让工具去干重复的活。

4. 874篇与147个10万+：数据背后能读出哪些运营规律

4.1 每天2.4篇的推送节奏，说明内容组织方式已经变了

全年874篇这个数字，拆到月份和星期之后，能看到比较清晰的节奏。罗辑思维并不是均匀发力，而是有明显的周中密集、周末略缓的规律；同一个星期里，头条、次条、三条各有分工。头条通常是当天的核心观点或热点评论，次条经常是延伸阅读或课程相关内容，三条则更偏轻量话题。

这种“组合拳”式的推送结构，让账号的每日打开逻辑变得不太一样。一个粉丝可能因为头条进来，顺手滑到次条，也被次条的标题吸引点开。对观察者来说，这意味着不能只看单篇文章绝对阅读量，还要横向对比同一天内几条文章的阅读差。如果你的分析里只看10万+的147篇，很容易忽略一个事实：很多次条文章的阅读量其实是借了头条流量的光，它本身的话题吸引力并没有那么强。

4.2 10万+文章的共同点：标题和选题里的可复制规律

我把147篇10万+文章的标题单独拉出来，反复看了几轮，发现几个比较高频的特征。

第一，标题里经常有具体的人名或机构名，而且往往是大众熟悉的名字。名人自带辨识度，读者扫一眼就愿意点。第二，数字出现频率很高，“一个”“三年”“五个”这类具体数字比模糊的形容词更能制造确定感。第三，悬念和反差结构常见，标题前半段抛出一个看似反常识的结论，后半段再拉回熟悉场景，让人忍不住想确认到底怎么回事。第四，紧跟讨论度高的公共话题或商业话题，这类文章既蹭了实时热度，又能把账号自己的观点嵌进去。

这里必须说清楚：这些都是基于数据观察到的统计特征，不是拿来教人当标题党。内容要能撑住标题的承诺，数据才可持续。单纯模仿标题结构而内容撑不住，阅读量大概率会掉。这也是我在复盘时反复提醒自己的：工具能告诉你什么标题容易被点开，但点开之后留不留得住人，取决于内容本身。

4.3 点赞、推荐、分享、留言四组数据的联动关系

只看阅读数是远远不够的。我把点赞数、推荐数、分享数、留言数放在一起看，发现几组有意思的关系。

一是点赞数和推荐数的比值，能粗略反映内容的情绪属性。点赞更多是“我认可”，推荐/在看更多是“我希望我的人设也认可”，也就是说推荐率偏高的文章，更接近价值观表达类；点赞率高而推荐率低的文章，更偏实用性、技巧性。二是分享数和阅读数之间不是严格的正比关系，有的文章阅读量不是最高的，但分享率很高，说明它的读者认为转发给朋友有面子、有谈资。三是留言数高的文章，不一定阅读量最高，但通常有一个共同点：文章结尾留了一个明确能讨论的话题，或者标题本身就是开放式问句，给读者一个低门槛的发言入口。

这些关系没法从一张静态表格里直接看出来，但把Excel里的数据拖进透视表，按字段交叉一下就能发现。我的习惯是先看阅读和分享的散点关系，再按10万+和非10万+分组对比点赞和推荐的结构差异，这样比单独看平均值靠谱得多。

5. 连续追踪比一次性导出更重要：复盘方法和扩展思路

5.1 读数据之前先防呆：10万+封顶、时间快照和链接失效

到这一步，874篇的Excel已经导出来了，但真正开始复盘前，还有几个防呆操作必须做，否则结论会被数据口径误导。

第一，10万+封顶处理。前面提过，阅读数显示上限是10万+，所以表格里凡是显示100001的，其实都代表“大于等于10万”，做平均阅读统计时要分两组看：一组是精确可读的，一组是“10万+”封顶的。如果直接把100001当成真实平均数，全年平均阅读会被严重拉低。

第二，时间快照意识。阅读数、点赞数、分享数这些是会随着时间变化的字段。同一篇文章，你在发布当天看到的数字和三个月后再看，完全可能是两个数。所以我在表格里专门加了一列“数据快照日期”，做同比、环比时，尽量只用同一批快照日期下的数据对比，不然等于拿不同时间点的尺子量同一批东西。

第三，链接失效和临时性。微信文章链接大部分比较稳定，但也有部分在特殊情况下无法直接访问。做长期留存时，我建议不要只在Excel里存链接，最好把文章标题和发布时间都留着，必要时可以直接用标题去公众号内搜索，保证即使链接失效也能回到原文。

5.2 下一步：把观察固化成定时快照，而不是一次性报表

做完罗辑思维这一份874篇的表格后，我最大的体会是：一次性导出能回答“这个号去年怎么样”，但回答不了“这个号这个月的变化趋势是什么”。所以我现在把这个系列改成了月度快照模式。每个月底，我会把观察列表里的账号再跑一轮数据，把当月已发布文章的阅读、点赞、推荐、分享、留言留个底，对比前几个月的透视表。

这么做的好处非常实际。比如有连续三个月，我发现某个账号的阅读中位数在慢慢下降，但10万+的数量没变，那说明是腰部内容的打开率在降；如果10万+数量突然变多，那可能是内容方向做了调整，正好可以回溯去找那个月的内容变化点。相比之下，只做一次年终总结，这些中间态的变化全都会被吞掉。

如果你也想做类似的事情，我建议不要一上来就盯874篇这种大样本。先拿一个更新量适中的账号跑通全流程，从采集、清洗、导出到透视表，跑通之后再加量。工具和代码只是手段，真正值钱的是你对手上数据的理解——知道每个字段从哪里来、有什么局限、能回答什么问题，这套观察方法才算真正立住了。