xiaoshuai1024 wechat-analytics 公众号数据分析
把公众号发出去的文章数据收回来，变成可执行的优化建议。是公众号管线的反馈环： 写作（blog-writing / wechat-retention 规范）→ 同步（wechat-publishing）→ 表现回流（本 skill） → 反哺下一篇的标题/首屏/节奏与选题方向。
核心目标 = 转化与留存：完读率第一考核指标（<30% 终止 / ≥50% 进池 / >65% 加推）， 关注转化（阅读后关注）与收藏是质量信号，消息打开率对标大盘（1.9% 均值 / 4% 优秀）。
快速用法
make wechat-analytics # mp 后台只读采集（日频手动跑一次）
make wechat-analytics-report # 身份映射 → 标准化 → 诊断 → 报告
make wechat-analytics-probe # 端点健康检查（改版/登录态失效时定位哪条通道断了）
make wechat-analytics-test # fixtures 单测（不依赖登录态）
登录态失效（probe 报 token/ticket 拿不到）→ make wechat-auth 扫码恢复后重跑。
48h 回看纪律（openspec wechat-retention）：文章发布满 48h → 跑上面前两条命令 →
看该篇诊断卡核对结论 → 结论一句话写 content/link-map.json 该 slug 的 weixin 备注。
数据通道（2026-08-29 spike 实证）
| 端点 | 拿到什么 | 备注 |
|---|---|---|
appmsganalysis?action=get_article_list |
单篇 msg_id/标题/群发日/阅读/30 天趋势 | 直连 GET，无需 fingerprint |
cgi-bin/appmsgpublish?sub=list |
群发时间 + 送达数 + appmsg_info（appmsgid 与统计 msg_id 同域） | 每页固定 20 条，需翻页 |
appmsganalysis?action=detailpage |
HTML 内嵌 cgiData JSON：完读率/新增关注/在看/收藏/留言/平均阅读时长/跳转/逐日×场景/用户画像 | 服务端渲染，免轮询；仅发表后 30 天内 |
appmsganalysis?action=get_article_stat_tendency_and_source |
账号级日趋势×场景（scene 6=推荐）+ 收藏 | 直连 GET |
datacubequery tmpl=28 |
5% 节点留存曲线等深度数据 | 服务端异步，delay:true 当日缺失，日频重试自然收敛 |
风控承诺：全部只读；请求间随机 sleep 3-8s；同日详情去重；单接口失败降级不阻塞； 不触碰任何写端点（与 publish_mp 的写通道物理分离）。
数据与产物
数据落 data/wechat-analytics/（进 git，时间序列历史不可再生）：
snapshots/articles.jsonl（list/detail 增量快照）+ snapshots/account.jsonl（账号级+发表记录+用户增长）
identity.json（msg_id↔slug 映射）+metrics.json+diagnosis.json+errors.json。
用户增长通道（openspec wechat-fans-growth-channel，2026-08-30 实况接通）：wa/collect.py::fetch_user_growth（采集步骤 5）打 misc/useranalysis（旧 misc/userpage 已 404 下线；source=99999999 全场景，fingerprint 传 32 个 0 直连 ret=0），快照 kind=user_growth 日粒度 new/cancel/netgain/cumulate_user 序列；va.monetize 读它出公众号流量主 500 粉门槛行（make wechat-analytics → make analytics-revenue）。菜单路径「数据分析→用户分析」是折叠组，无头会话点不开——端点已固化，直连采集不受影响。
报告落 .wechat-analytics/reports/（生成物，git 忽略）：
| 文件 | 内容 |
|---|---|
YYYY-MM-DD-per-article/<slug>.md |
单篇诊断卡：五级漏斗评级 + 留存曲线流失节点 + 证据→诊断→动作 |
overview-YYYY-MM-DD.md |
账号总览：近 7 天来源结构 / 单篇排行 / 因子分桶（样本 <3 禁结论） |
feedback-topics.md |
选题反哺：样本 <5 篇降级观察清单，≥5 篇出加权 diff（人工确认后才写回） |
report.json |
机器可读全量诊断（link-map 48h 备注可直接引用） |
身份映射（msg_id ↔ slug）
三层匹配，静默猜测禁止：① data/wechat-analytics/identity-overrides.json 人工指定
（{"msgid": "slug"}，48h 回看时顺手登记）；② 标题精确匹配（归一化）；③ 最长公共子串
≥12 字且唯一。剩余列 identity.json 的 unresolved 供人工确认。
平台标题是手写变体（与源稿 wechat_title 常完全不同），精确匹配命中率天然偏低，
overrides 是常态通道。
已知口径与坑
- 平台标题≠源稿标题：手写变体，别指望标题全对上。
- 人日近似口径：detailpage 只给日粒度 read_user，来源构成与消息打开率是逐日累加 近似，跨日重复阅读会偏高（>100% 即此情况），看趋势不看绝对值。
- mp 侧数据延迟：新发文章的统计行可能整体延迟数天才进
get_article_list（tmpl=28 同理）；collect 会打印「N 篇统计行缺失」，日频重采自然收敛，不要重试轰炸。 - read_uv_ratio ≠ 打开率：它是「阅读人数占比」（分母=期间总阅读人数）；真打开率 = 阅读/送达（含推荐口径，可 >100%）+ 消息列表打开（对标基准的可比口径）。
- detailpage 只统计发表后 30 天内数据，老文章详情拿不到（诚实缺失）。
- scene→来源标签映射经 UI 图例校准（2026-08-29：推荐 85.6% = scene 6 主导），
若微信调整再校准
common.SCENE_LABELS。