文章采集器阿里妈妈新功能“智能采集”，试图破解公众号粉丝持续涨幅难题

　　文章采集器阿里妈妈新功能“智能采集”，试图破解公众号粉丝持续涨幅难题

　　文章采集器阿里妈妈新功能“智能采集”，试图破解公众号粉丝持续涨幅难题作者|霍盛春摘要：中国网民每人每天都能收到几十万个公众号文章，中国微信用户已经达到7.82亿，每人每天至少推送10篇文章。现有的公众号推送机制已经无法支撑这么大的数量，将如何影响公众号粉丝的持续增长？本文结合移动端数据和历史淘宝交易情况，以新浪社区最热的20000条文章为模型样本，以文章的分类为维度，试图通过推文形式和文章封面信息的推送频率（百分比）识别哪个账号最可能是粉丝增长的关键？用如何的技术来识别推文的影响因素？文章介绍：日推送量分布、互动频率、二次转发率图谱、粉丝属性。作者介绍：新浪微博前端技术总监黎小伟，本文简单介绍了文章推送的由来及背后的技术。

　　一、那些“骚文”动辄5000到10000个阅读量的公众号，粉丝增长是如何实现的？想要实现粉丝快速增长，经常会碰到阅读量增加是被“骚扰”，这里我给大家推荐几款公众号“骚扰”粉丝增长的小技巧：推送送礼，骚扰单位比较划算；定时邀请读者留言互动；买热点软文；做推送排期等等。

　　二、社区最热的20000篇文章分析1.过往20000篇文章数据获取现在文章中不包含自己的公众号二维码，我们现在采集的文章基本都是原创文章，这些文章全部都是新浪微博的原创，因此这些文章我们都以原创文章的形式在新浪微博去爬取。由于微博能获取数据的url不多，不太容易爬取到新浪公众号最新的最热文章，因此这里我们采用“阿里妈妈”（同样也是个大网站）阿里妈妈平台的数据来爬取新浪微博公众号最新文章，一共20000篇文章。

　　2.过往20000篇文章词云图数据的背后是人工筛选过的“关键词”，根据本文中每篇文章使用的分类词语就不做作者介绍了，就不多说。获取到这20000篇文章中所有词语的图，作者以“音乐”为词语类别，做了词云图进行识别。词云图共包含76840个单词，分布在36个词语分类下，词云图主要分布在“热门歌曲”、“明星”、“社区”、“网红”、“文娱”五个词语分类。

　　词云图有几个优点：

　　1）数据非常符合现实生活：既没有形容词，

　　2）词云图分布均匀，大家都知道没有热词，就不存在热度不同的问题，让我们提高了识别准确度。词云图根据词语分布显示了词语的热度依次是“网红”“音乐”，但同时词语的热度还在一定程度上反映出文章的内容偏向“娱乐”和“网络”。