在八月的尾巴，深入分析2018年人人都是產(chǎn)品經(jīng)理網(wǎng)站上的文章數(shù)據(jù)，你的文章上榜了嗎？筆者爬取了網(wǎng)站1月到現(xiàn)在的文章數(shù)據(jù)，希望發(fā)掘數(shù)據(jù)背后潛藏的價(jià)值。

一. 匯總分析

通過(guò)閱讀量排序，得到了Top10閱讀量的熱點(diǎn)文章，總的來(lái)看大家偏向于閱讀技術(shù)類(lèi)的文章，特別是與PRD相關(guān)的文章。一方面，PRD擁有較為全面的體系，可以讓讀者系統(tǒng)深入地去了解某個(gè)APP或者事物；另一方面，PRD撰寫(xiě)是許多新人難以掌握的技能，值得反復(fù)閱讀與學(xué)習(xí)。

從收藏量榜單分析，與閱讀量相似的是，大部分人都傾向于收藏PRD分享文章，PRD被普遍認(rèn)為是產(chǎn)品經(jīng)理有用且值得持續(xù)學(xué)習(xí)的技能。除此以外，一些原理性的知識(shí)或者職場(chǎng)道路的發(fā)展也被大家認(rèn)為十分值得收藏的內(nèi)容。

基于點(diǎn)贊量榜單看，PRD幾乎消失了。大家更多偏向于對(duì)于更為細(xì)節(jié)的方法論進(jìn)行點(diǎn)贊，閱讀這些文章后筆者發(fā)現(xiàn)：相比起收藏量榜單，點(diǎn)贊量榜單上的文章閱讀時(shí)間更短、閱讀難度更低、趣味性更高……

總的來(lái)說(shuō)，用戶點(diǎn)贊的驅(qū)動(dòng)力來(lái)自于閱讀文章帶來(lái)的愉悅感；而收藏的話，用戶則基于文章的可學(xué)習(xí)性進(jìn)行收藏——值得反復(fù)閱讀。

二.“標(biāo)題文”分析

筆者設(shè)置了這樣的指標(biāo)來(lái)識(shí)別標(biāo)題文：

標(biāo)題黨可能性數(shù)值 = 閱讀量 /（點(diǎn)贊量+收藏量）

如果這個(gè)數(shù)值越大表明了更多的人只是閱讀而無(wú)收藏/點(diǎn)贊，這說(shuō)明了文章的趣味性或者價(jià)值并沒(méi)有達(dá)到讀者的預(yù)期，也就是說(shuō)文章為標(biāo)題黨的可能性越大。

這十篇文章在所有的文章里擁有最大的標(biāo)題黨可能性數(shù)值，較大一部分屬于活動(dòng)策劃類(lèi)或者深度技術(shù)類(lèi)文章。

這一類(lèi)文章較難借鑒導(dǎo)致了收藏量的低迷，同時(shí)由于文章閱讀體驗(yàn)一般也沒(méi)有引發(fā)較高的點(diǎn)贊量，最終出現(xiàn)高閱讀量下少人點(diǎn)贊或者收藏的情況。還有一種可能是這些文章不適合人人都是產(chǎn)品經(jīng)理的受眾。

那么哪些文章是干貨呢？

這一類(lèi)的文章可操作性強(qiáng)、閱讀起來(lái)簡(jiǎn)單易懂成為了大多數(shù)人點(diǎn)贊或者收藏的對(duì)象。大家可以通過(guò)搜索閱讀這些文章，應(yīng)該會(huì)有所得。

我們來(lái)從運(yùn)營(yíng)的角度分析一下網(wǎng)站的標(biāo)題文情況：

可以看到數(shù)值集中分布于0-2000（占比87%），我們可以認(rèn)為2000以下的是正常的文章，500以下是較為優(yōu)秀的文章（收藏率以及點(diǎn)贊率較高）。這樣的分布表明大部分文章?lián)碛辛己玫馁|(zhì)量，數(shù)值較大的（5000以上較大可能為標(biāo)題文）文章只有63篇（占比1%）。

那么我們放大0-2000的分布情況來(lái)看：

發(fā)現(xiàn)文章數(shù)值以數(shù)值500為中間向兩邊遞減，進(jìn)一步說(shuō)明了文章質(zhì)量普遍較高，大部分文章都會(huì)獲得較高的點(diǎn)贊率與收藏率。

總的來(lái)說(shuō)，網(wǎng)站中的標(biāo)題文數(shù)量不多，絕大多數(shù)文章都對(duì)用戶產(chǎn)生了十分有用的影響，文章運(yùn)營(yíng)情況良好，編輯可以通過(guò)監(jiān)控干貨文來(lái)更好地設(shè)置推薦位。

三. 類(lèi)別分析

人人都是產(chǎn)品經(jīng)理網(wǎng)站上的文章被分為了許多的不同的類(lèi)別，筆者收集到的有以下十七種：

1. AI人工智能
2. 業(yè)界動(dòng)態(tài)
3. 交互體驗(yàn)
4. 產(chǎn)品經(jīng)理
5. 產(chǎn)品設(shè)計(jì)
6. 產(chǎn)品運(yùn)營(yíng)
7. 分析評(píng)測(cè)
8. 創(chuàng)業(yè)學(xué)院
9. 區(qū)塊鏈
10. 原型設(shè)計(jì)
11. 大咖分享
12. 數(shù)據(jù)分析
13. 文案策劃
14. 新零售
15. 用戶研究
16. 職場(chǎng)攻略
17. 營(yíng)銷(xiāo)推廣

那么大家發(fā)布的文章主要是哪一類(lèi)別的呢？

發(fā)布文章最多的類(lèi)別是業(yè)界動(dòng)態(tài)，是一些時(shí)效性較強(qiáng)的東西。可以發(fā)現(xiàn)技術(shù)性文章集中分布于數(shù)據(jù)圖的右邊，較少人去分享。

這也跟網(wǎng)站的定位有關(guān)，網(wǎng)站用戶更注重產(chǎn)品而非原理，偏好思想勝于技術(shù)。

結(jié)合“干貨”榜單分析，用戶對(duì)于職場(chǎng)攻略、新零售、原型設(shè)計(jì)和用戶研究等類(lèi)目都有較大的需求，作家們可以更多地收集或者撰寫(xiě)這幾類(lèi)的文章。

結(jié)合“標(biāo)題黨”榜單分析，用戶對(duì)于AI、區(qū)塊鏈與產(chǎn)品運(yùn)營(yíng)等文章的需求過(guò)剩，較多的文章并沒(méi)有對(duì)用戶產(chǎn)品實(shí)際有效的作用。

原型設(shè)計(jì)類(lèi)別擁有最多用戶收藏，相反，AI較少人收藏與點(diǎn)贊。

以上的數(shù)據(jù)圖可以簡(jiǎn)單地理解為用戶對(duì)于類(lèi)別的需求，而實(shí)際上會(huì)受到文章質(zhì)量與閱讀數(shù)量的影響帶來(lái)偏差，筆者偷懶省去了對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的過(guò)程。

比如，新零售類(lèi)目下?lián)碛辛硕嗥恼律习瘛案韶洝卑駟危鞘艿搅送?lèi)目下其他低贊低收藏文章影響導(dǎo)致了總體分?jǐn)?shù)不高。

來(lái)看點(diǎn)贊量排名，可以等同于用戶從最愿意到最不愿意看到的文章類(lèi)別排序。

像創(chuàng)業(yè)、區(qū)塊鏈和AI人工智能這些類(lèi)別的文章由于閱讀難度大導(dǎo)致了較少人點(diǎn)贊，而像業(yè)界動(dòng)態(tài)這樣的過(guò)于泛濫的文章也會(huì)導(dǎo)致讀者不愿意去閱讀。

四. 網(wǎng)站總體運(yùn)營(yíng)情況

2018年截止到8月26日平均每周有82萬(wàn)人次閱讀人人都是產(chǎn)品經(jīng)理文章，第一個(gè)低點(diǎn)是由于春節(jié)大家都傾向于過(guò)節(jié)與放松而較少閱讀。

近來(lái)的閱讀低點(diǎn)表明網(wǎng)站用戶有些許的流失，運(yùn)營(yíng)需要進(jìn)一步優(yōu)化，最重要的核心競(jìng)爭(zhēng)力就是內(nèi)容的質(zhì)量，建議編輯可以通過(guò)分析干貨指標(biāo)讓更多的干貨文有較高的曝光率來(lái)提高閱讀量，實(shí)際上筆者列出的干貨文榜單上面的文章閱讀量都不是十分的高，可以說(shuō)是在某種程度上“被埋沒(méi)了”。

由于6-7周屬于春節(jié)假期，網(wǎng)站總體的訪問(wèn)量不大，可以忽略6-7周的特殊數(shù)據(jù)情況。

最后我們來(lái)分析網(wǎng)站總體上的文章有效性情況，每周的文章數(shù)總體來(lái)說(shuō)還是處在平穩(wěn)波動(dòng)中，而總體上看收藏?cái)?shù)在以非常小的幅度減少。

以文章數(shù)與收藏?cái)?shù)的比值設(shè)置了收藏比這一曲線，總體上看這一曲線在緩慢地走低，在上兩周達(dá)到了全年的低點(diǎn)，反映出每篇收藏量的減少。

兩個(gè)維度分析：

1. 是不是每周推送的文章數(shù)過(guò)多了導(dǎo)致用戶沒(méi)有時(shí)間去好好閱讀每一篇文章？
2. 是不是文章的質(zhì)量下降導(dǎo)致用戶更少地去收藏文章？

五. 總結(jié)

本文從淺度的匯總分析到標(biāo)題黨識(shí)別分析到類(lèi)別分析，最后回到了分析網(wǎng)站文章的總體情況。一步步拆解網(wǎng)站數(shù)據(jù)的價(jià)值，利用數(shù)據(jù)來(lái)推動(dòng)網(wǎng)站更好地設(shè)計(jì)與推送文章，一些拙見(jiàn)希望能夠給大家?guī)?lái)一些借鑒意義。

爬取了不少人人都是產(chǎn)品經(jīng)理網(wǎng)站的數(shù)據(jù)，還望諒解，本意希望能夠推動(dòng)網(wǎng)站更好地建設(shè)與發(fā)展！

如果有需要數(shù)據(jù)集或者爬蟲(chóng)教程的小伙伴可以留言，如果人多的話筆者會(huì)另外寫(xiě)一篇Python爬蟲(chóng)入門(mén)教程，讓大家能夠在簡(jiǎn)歷上增添爬蟲(chóng)與數(shù)據(jù)分析技能。

本文由 @弓心?原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Pexels，基于 CC0 協(xié)議