TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

出版方的新闻分析:比页面浏览量更重要的六个指标

这里的新闻分析,指衡量读者,而不是衡量新闻文本。六个指标、一个可以复算的滚动漏斗、按来源拆分的读完率,以及怎么区分 AI 引荐和 AI 爬虫读取。

苏禾 发布于 2026 年 11 月 19 日 11 分钟阅读 数据分析
示例数据:读完率是 1,800 ÷ 10,000 = 18%。流失最大的是页面前 25%,指向开头,而不是正文。示例数据

出版方的新闻分析,指衡量读者,而不是衡量新闻文本:他们有没有读完文章、从哪里来、会不会回来。页面浏览量数的是加载而不是阅读,所以要改看读完率、互动率、来源构成、回访占比、后续页面和搜索点击。

读完你会知道

  • 新闻分析在金融领域指测量文本;本文讲的是衡量读者
  • 示例里,页面浏览量是 4.2 倍的文章,读完人数只有 1.22 倍(50,000 × 12% 对 12,000 × 41%)
  • 按来源拆开读完率:新闻邮件读者 35.0%,社交 9.0%;各个来源要按它自己的任务来评价

这里说的新闻分析指什么

「新闻分析」有两种含义,搜索结果里两种混在一起。在金融领域,它指对新闻报道的文本做测量,比如情绪、相关性和新颖度,用来给交易和风险模型提供输入。本文讲的是另一种:衡量读者如何使用新闻站或内容站,这是编辑、出版方和站点所有者在做的事,内容包括谁在读、读到哪里、从哪里来、是否回来。它不涉及广告收入,广告收入来自你的广告系统,而不是站点分析。

新闻编辑部已经做了很多年。路透新闻研究所(Reuters Institute)关于编辑分析的报告,基于对新闻机构里搭建分析体系的人所做的 30 多次访谈,研究一套成熟的分析策略包含什么,以及为什么许多机构仍停留在基础做法上。基础做法通常就是数页面浏览量。本文其余部分解释为什么这不够,以及应该改看什么。

新闻站或内容站的六个指标

六个数字就能覆盖大多数编辑问题。每个回答的问题不同,也都不需要复杂的设置。文章里的表列出了每个指标的计算方式,以及在 TapCub 里的位置。

  1. 读完率。 有多大比例的读者读到文章末尾?通常用滚动到达深度来近似。
  2. 互动率。 有多大比例的会话不止是扫了一眼?Google Analytics 把互动会话定义为:持续超过 10 秒、包含一次关键事件,或有两次及以上页面浏览;TapCub 采用同样的阈值。
  3. 来源构成。 读者从哪里来:搜索、社交、新闻邮件、直接访问、AI 助手?
  4. 回访占比。 有多少读者又回来了?
  5. 后续页面。 读完这篇之后,读者会去站内的其他页面吗?
  6. 搜索表现。 对排得上名的文章,有多少曝光变成了点击?

还有第七个候选指标,页面停留时间,很容易被过度相信。把标签页开着的读者会把它拉高,而快速扫完一篇短文、拿到所需信息的读者,看起来像是失败。把它当作读完率旁边的辅助证据,不要当作主指标。更详细的时长口径对比,见平均会话时长。

指标回答的问题怎么计算TapCub 里在哪
读完率读者读到末尾了吗?到达页面末尾的访问占比(滚动到达)全端分析 › 行为分析 › 热力图(滚动到达)
互动率是不是不止扫了一眼?持续 10 秒以上、有 2 次以上页面浏览或有关键事件的会话网站统计 › 数据报表
来源构成读者从哪里来?会话的首次来源:搜索、社交、新闻邮件、直接、AI网站统计 › 来源
回访占比他们会回来吗?回访访客 ÷ 访客网站统计 › 受众
后续页面他们会去别的页面吗?同一会话里的下游页面浏览量网站统计 › 页面
搜索表现排名能变成点击吗?曝光、点击、点击率、排名监测 › 搜索表现

页面浏览量和停留时间是辅助数字;广告收入来自你的广告平台,而不是站点分析。

为什么页面浏览量不应该是目标

一次页面浏览,记录的是页面加载了,不是有人读了。两篇文章可以有相同的页面浏览量,却价值悬殊。

示例数据:同一周里的两篇文章。

文章页面浏览量平均读完率读完人数
A:猎奇标题50,00012%6,000
B:详细的解释文12,00041%4,920

文章 A 的页面浏览量是 B 的四倍多(50,000 ÷ 12,000 = 4.2),但读完人数只多 22%:6,000 ÷ 4,920 = 1.22。按每次浏览算,B 留住读者的能力是 A 的三倍以上:41% ÷ 12% = 3.4。

这些数字怎么用,取决于文章是干什么的:

  • 如果目标是触达,A 完成了任务,值得研究它的标题。
  • 如果目标是信任和回访,B 的 41% 是更好的信号,问题是怎么让更多读者看到 B。
  • 如果 A 被大力推广过,下结论之前先看来源构成。社交来的读者往往读得少,这是预期之中的事,不是缺陷。

读完人数是可以跨文章比较的计数;读完率是比率。触达型和深度型的内容需要不同的目标,按文章类型各设一个。

示例:读者在哪里流失

示例数据:一篇 1,200 词的文章共 10,000 次页面浏览,在四个位置测了滚动到达情况。

到达位置读者数占页面浏览量相对上一个位置保留
页面加载10,000全部—
页面 25%7,10071%71.0%
50%4,60046%64.8%
75%2,90029%63.0%
文章末尾1,80018%62.1%

读完率是 1,800 ÷ 10,000 = 18%。从页面加载到 25% 这一步,按人数算流失的读者最多(2,900 人),指向的是开头:标题承诺了首段没有兑现的东西、页面太慢,或者一张大图把正文挤了下去。后面各步保留率都略高于 60%,是平稳的流失,说明这篇文章对它能提供的内容来说偏长,而不是在某个点上出了问题。

读滚动图的几条规则:

  • 如果流失最大的是前 25%,先修标题和开头的匹配度以及页面速度,再去动正文。
  • 如果在某个点上有断崖,看看那里有什么:嵌入的视频、注册框、广告位、小节分隔。
  • 如果流失是平稳的,试一个更短的版本,或者把关键信息往前移。
  • 比较篇幅相近的文章。 400 词的快讯和 3,000 词的深度报道,读完率不会一样,这不是问题。

滚动到底的读者不一定读了每个字,滚动深度也不衡量理解程度,它只是一个近似指标。用它来给文章互相排名,不要当作确定无疑的结论。术语表里滚动深度一页讲了定义,互动会话解释了互动率的阈值。

app.tapcub.com

页面加载 → 文章末尾

一篇 1,200 词的文章

页面加载

10,000

页面 25%

7,100

50%

4,600

75%

2,900

文章末尾

1,800

页面前四分之一就流失了 2,900 位读者,比后面任何一步都多:先查标题和开头的匹配度以及页面速度。
示例数据
示例数据:读完率是 1,800 ÷ 10,000 = 18%。流失最大的是页面前 25%,指向开头,而不是正文。

按来源看读完率:谁在读,而不只是多少人

同一篇文章,对不同的读者表现不同。按来源拆开读完率,能看出你的内容实际在服务哪些受众。

示例数据:同样的 10,000 次页面浏览,按首次来源拆分。

来源页面浏览量读到末尾读完率
搜索4,00080020.0%
社交2,5002259.0%
新闻邮件1,50052535.0%
直接访问1,70017010.0%
AI 助手3008026.7%
合计10,0001,80018.0%

各部分加起来对得上:800 + 225 + 525 + 170 + 80 = 1,800。新闻邮件读者的读完率是社交读者的近四倍(35.0% ÷ 9.0% = 3.9)。

怎么用:

  • 如果某个来源带来很多早早离开的读者,不要只用读完率评价它。社交往往是发现渠道,要看它带来的回访读者或邮件订阅数。
  • 如果读完率较高的来源体量很小,比如这里的新闻邮件,先做大这个来源,再去优化较弱的来源。
  • 如果 AI 助手带来的访问很少,但读得很深,像示例里那样,这是关于意图的信号,不是关于规模的信号。别拿 300 次页面浏览下结论。

读者会回来吗

对新闻站或内容站来说,回访读者是你能在其上积累的受众。新访客增加、回访读者流失的站点,是在租用自己的受众。

示例数据:某个月有 12,000 位读者和 36,000 次页面浏览。

群体读者数页面浏览量每位读者的页面浏览量
回访3,00014,4004.8
新访9,00021,6002.4
合计12,00036,0003.0

回访读者占读者的 3,000 ÷ 12,000 = 25%,占页面浏览量的 14,400 ÷ 36,000 = 40%。他们每人读的页数是新读者的两倍(4.8 ÷ 2.4)。按月跟踪回访占比:从 25% 升到 30%,比某篇爆款文章带来的新访客峰值更重要。

回访读者的数字依赖于能跨天认出同一位读者。如果你的分析工具为了隐私每天更换访客标识,这个数字就无法获得,或者会被低估。比较月份之前,先弄清你的工具是怎么识别访客的。

怎么看 AI 带来的流量

「AI 流量」指的是两件不同的事,混在一起会得出错误的结论。

  • 由 AI 助手送来的真人。 读者提了个问题,助手引用了你的文章,读者点了进来。这是带有 AI 来源的真人访问。
  • 读取你页面的爬虫。 AI 训练爬虫和答案引擎不经过真人就请求页面。它们出现在服务端和机器人报表里,不在你的读者计数里。

路透新闻研究所的《2025 年数字新闻报告》显示,7% 的受访者每周用 AI 聊天机器人获取新闻,25 岁以下的人群为 15%。总体数字不大,但它说明了出版方为什么想同时看这两条线。

示例数据:某个月 AI 爬虫对你的文章发出了 42,000 次请求,AI 助手带来了 280 次真人访问。比值是 42,000 ÷ 280 = 150 次读取对 1 次访问。这样的比值是关于你的内容如何被使用的事实,不是该允许还是屏蔽爬虫的判决;这个决定取决于你的授权政策和流量目标。账本的读法见 AI 爬虫账本。

每月把两者分开报告:来自 AI 助手的真人访问,以及按运营方分开的爬虫读取。

对很多内容站来说,搜索是最大的来源。曝光、点击、点击率和平均排名来自搜索引擎自己的后台,而不是来自访问数据。

示例数据:一篇文章有 12,000 次曝光、平均排名 6.2、点击率 1.8%:12,000 × 0.018 = 216 次点击。站内类似排名文章的点击率中位数是 3.5%,对应 420 次点击。每月相差 204 次点击,最省事的修法是改标题和描述,而不是写新内容。

规则:如果一篇文章排进了前 10,但点击率低于你的中位数,先改标题和描述。如果排名低于第 10,下一步才是改进文章本身。内容侧与搜索的关系,见内容表现指标。

新闻分析的常见错误

  • 把页面浏览量当成目标。 它数的是加载,不是阅读。
  • 用读完率评价每个来源。 不同来源承担不同的任务。
  • 比较篇幅不同的文章。 要拿同类的比。
  • 把机器人算成读者。 爬虫会抬高页面浏览量,拉低每一个比率。
  • 把页面停留时间当作注意力。 开着没关的标签页和读得很快的人,都会扭曲它。
  • 把 AI 爬虫和 AI 引荐混在一起。 一个是机器读取,另一个是真人。
  • 把受众数据和收入数据混为一谈。 站点分析告诉你谁在读;广告平台告诉你收入。两者并排使用。

在 TapCub 里看这些

拿上面那篇 10,000 次页面浏览的文章来看。

  1. 打开滚动测量。 滚动深度默认关闭。在 网站统计 › 配置 › SDK 代码 下的自动采集卡片里启用 滚动深度(自动采集需要 Pro 或更高套餐),设置方法见跟踪滚动深度。然后打开 全端分析 › 行为分析 › 热力图,选择页面查看 滚动到达:每一行是到达该深度或更深的访问占比,页面列表还显示平均最大滚动深度。行按路径模板合并,同一个 URL 规律下的文章会显示为一行。
  2. 看互动率和后续页面。 网站统计 › 数据报表 显示互动率(持续至少 10 秒或有两次页面浏览,或命中了关键事件的会话),网站统计 › 页面 有页面停留时间、跳出、入口、退出和下游页面浏览量,即同一会话中之后的页面浏览。
  3. 按来源拆开。 网站统计 › 来源 有渠道、引荐网站、搜索引擎、AI 来源 和 UTM 页签,各自带访客、会话、页面浏览、跳出和时长(来源与 UTM)。AI 来源 统计的是由 AI 产品送来的真人。
  4. 对比新读者和回访读者。 网站统计 › 受众 把新访客和回访访客并排放在一起。这需要默认的平衡隐私模式;严格模式每天换盐,会隐藏这个对比。
  5. 单独检查爬虫。 网站统计 › 机器人 把 AI 爬虫和其他爬虫排除在读者计数之外,并有一份 AI 内容账本,列出读取次数和带回的访客(读懂 AI 爬虫账本)。
  6. 连上搜索数据。 在 监测 › 搜索表现 里连接 Google Search Console 或 Bing Webmaster 后,可以按页面看点击、曝光、点击率和排名,排名前 10 但点击率低于中位数的页面会被标出来。数据会晚一到三天。

TapCub 不统计广告收入,也不运行广告系统;它告诉你谁在读。

常见问题

新闻分析是什么?

它有两种含义。在金融领域,它是对新闻报道文本的测量,比如情绪、相关性和新颖度,用于交易和风险。对出版方和站点所有者,它指衡量读者如何使用新闻站:读完率、来源构成、回访读者和搜索表现。本文讲的是后一种。

新闻网站应该看哪些指标?

六个指标能覆盖大多数问题:读完率(滚动到文章末尾)、互动率、来源构成、回访占比、后续页面和搜索表现。页面浏览量和停留时间是辅助数字。按文章类型分别跟踪,因为一篇快讯和一篇深度报道永远不会有同样的读完率。

出版方怎么衡量互动?

出版方把滚动到达、互动会话、回访读者以及订阅或注册行为结合起来看。Google Analytics 里的互动会话,指持续超过 10 秒、包含一次关键事件,或至少有两次页面浏览的会话。滚动到文章末尾,是「读了这篇文章」的常用近似指标。

页面浏览量对新闻站还有用吗?

有用,它是一个触达数字,也是各种比率的分母。但把它当目标会误导,因为它数的是加载而不是阅读。示例里,页面浏览量是四倍的文章,读完人数只多 22%。把页面浏览量和读完率、回访占比配合着看。

怎么跟踪来自 AI 助手的流量?

把人和爬虫分开。引荐来源是 AI 产品的真人访问,在来源报表里显示为 AI 来源。爬虫的读取显示在机器人报表里。每月对比两者,例如用每次访问对应多少次读取(示例里 42,000 ÷ 280 = 150),不要把它们加在一起。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

看看读者有没有读完他们点开的内容

滚动到达、互动率、来源、AI 来源和爬虫读取放在同一页,机器人不计入读者人数。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie