本篇是《數(shù)據(jù)分析實(shí)戰(zhàn)｜人人都是產(chǎn)品經(jīng)理網(wǎng)站》系列的最后一個(gè)問題，將從作者關(guān)心的角度出發(fā)，通過詳細(xì)的數(shù)據(jù)比對(duì)，分析一篇文章發(fā)表后是否能夠變成爆款。

一、最后一個(gè)問題

本篇將解決《數(shù)據(jù)分析實(shí)戰(zhàn)｜人人都是產(chǎn)品經(jīng)理網(wǎng)站》系列的最后一個(gè)問題，將從作者關(guān)心的角度來(lái)分析，一篇文章發(fā)表后是否能夠變成爆款。

這是由之前的讀者變成作者后獲得的一些新體會(huì)。以前是讀者的時(shí)候只有看客心態(tài)，網(wǎng)絡(luò)上的文章繁多，隨便看看就好。只有那些特別好的可能會(huì)轉(zhuǎn)發(fā)，可能會(huì)收藏，但看完后網(wǎng)頁(yè)一關(guān)就還是與我無(wú)關(guān)了。

現(xiàn)在作為一名業(yè)余的內(nèi)容創(chuàng)作者，每篇文章從構(gòu)思準(zhǔn)備到下筆完成可能要花半個(gè)月以上時(shí)間，期間會(huì)想象準(zhǔn)備什么樣的內(nèi)容能夠得到用戶喜歡，反復(fù)的思考和推敲總結(jié)，醞釀寫下來(lái)的文字否能將思想得到準(zhǔn)確傳遞。

最后當(dāng)稿子提交審核的時(shí)候，將會(huì)有更多的牽掛。每天都會(huì)上客戶端看一看，今天新增了多少閱讀和收藏，是不是有讀者給我留言了，有沒有上熱門文章等等。

雖然會(huì)有一些困擾，但這種樂趣是和平時(shí)做產(chǎn)品、發(fā)布產(chǎn)品的心情是一樣的。如何讓自己的心血能夠得到多一點(diǎn)點(diǎn)的回報(bào)將是每個(gè)作者的心愿，而其中最直接和最具體的表現(xiàn)則是文章的閱讀量。

本篇為了能夠更快的得出結(jié)論，這里再把本篇的問題和目標(biāo)確定一下：

作為一名作者，投稿的文章是否會(huì)在人人都是產(chǎn)品經(jīng)理網(wǎng)站（以下簡(jiǎn)稱人人網(wǎng)）上成為爆款？

二、觀察和分析

1. 從閱讀量到爆款

其實(shí)作者關(guān)心的問題最初是有如下幾個(gè)選擇的：

1. 如何提高文章的閱讀量？
2. 投稿文章的閱讀量是多少？
3. 文章是否會(huì)成為爆款？

第一種，討論提高文章的閱讀量。你需要將一篇文章用兩種不同的寫法、在同一個(gè)平臺(tái)、同一個(gè)時(shí)間分別投稿，也就是AB Test才能得到的結(jié)果。做產(chǎn)品可以這樣測(cè)試，但寫文章度不現(xiàn)實(shí)。而且討論起來(lái)將會(huì)是個(gè)相當(dāng)復(fù)雜的過程，甚至可以開一個(gè)輔導(dǎo)班。

第二種，討論文章的閱讀是多少是一個(gè)回歸問題，但對(duì)比于第三種來(lái)說意義略小，比如預(yù)測(cè)了一篇文章的閱讀量為10000，請(qǐng)問它在人人網(wǎng)上是多還是少？看過上篇的同學(xué)可以回答，10000閱讀量的文章在人人網(wǎng)上連文章的均值都不到。

第三種，有了以上簡(jiǎn)單分析，根據(jù)前篇的數(shù)據(jù)分析，將閱讀量最多的10%文章定義為爆款即可。這也建立了從閱讀量到爆款之間的聯(lián)系，即設(shè)定閱讀量在足夠多的情況下會(huì)成為爆款。

2. 影響閱讀量的主要因素

這里根據(jù)我多年的互聯(lián)網(wǎng)經(jīng)驗(yàn)，在各種內(nèi)容平臺(tái)上，有以下幾個(gè)因素會(huì)直接影響到一篇文章（內(nèi)容）的閱讀量，當(dāng)前排名不分先后：

1. 文章出現(xiàn)的頻率（位置）。出現(xiàn)的位置越多則頻率越高，舉個(gè)極端點(diǎn)的例子：如果大家進(jìn)入到人人網(wǎng)站的時(shí)候，有個(gè)彈窗要求大家必須訪問某篇文章后，才能繼續(xù)瀏覽網(wǎng)站內(nèi)容，請(qǐng)問這篇文章的閱讀量是否會(huì)爆增？雖然現(xiàn)實(shí)情況下一般不會(huì)發(fā)生，但文章出現(xiàn)頻率是可以受平臺(tái)控制的。無(wú)論是運(yùn)營(yíng)的置頂、新文章的首頁(yè)推薦、搜索結(jié)果的返回順序等等，都會(huì)直接影響到文章的閱讀量。
2. 文章的質(zhì)量。優(yōu)質(zhì)的文章本身并不能直接吸用戶來(lái)提高閱讀量，但質(zhì)量將直接影響文章的二次傳播。比如微信中的爆款文章并不是因?yàn)榇蠹叶缄P(guān)注了發(fā)布者的公眾號(hào)，而是因?yàn)楸钗恼滤膬?nèi)容受到讀者的認(rèn)可，被傳播得到處都是，讓吃瓜群眾不得不看。
3. 文章對(duì)用戶的匹配程度。僅從點(diǎn)擊量來(lái)說，文章的介紹信息將直接影響用戶是否點(diǎn)擊查看，介紹信息包括但不限于標(biāo)題，圖片，描述，文章來(lái)源等等。更進(jìn)一步的說，隨著用戶數(shù)量的增加，每種類型的文章都有固定的觀看比例，比如求聘文章的標(biāo)題10個(gè)人中就有8個(gè)人會(huì)點(diǎn)擊查看，而數(shù)據(jù)分析的文章可能10個(gè)人就只有4個(gè)，這就是匹配度的不同導(dǎo)致的點(diǎn)擊量不同。
4. 文章的發(fā)布時(shí)長(zhǎng)?；ヂ?lián)網(wǎng)的長(zhǎng)尾訪問特性，內(nèi)容發(fā)布得越早則次數(shù)越多，畢竟這是一個(gè)累加不可逆的過程。

3. 在人人網(wǎng)上的實(shí)際情況

剛剛討論的是普遍情況，這里我們需要結(jié)合目標(biāo)網(wǎng)站自身的實(shí)際情況做進(jìn)一步分析。在人人上投稿幾次之后，綜合長(zhǎng)時(shí)間在人人網(wǎng)的學(xué)習(xí)和觀察，大約一篇文章的閱讀量走勢(shì)會(huì)如下圖所示（其中色塊的劃分代表各因素在不同階段的影響力大小）：

4. 心智模型的建立

現(xiàn)實(shí)世界非常復(fù)雜，影響一篇的文章閱讀量的因素，我們還可以有很多的猜想。但我們不是全知全能的神，對(duì)任何事物的認(rèn)知總是有限的。

心智模型則是將這些認(rèn)知串聯(lián)起來(lái)，以便我們?cè)谧雠袛嗟臅r(shí)候可以的時(shí)候得出結(jié)論。越是經(jīng)驗(yàn)、學(xué)識(shí)豐富，就會(huì)離真相越近，相對(duì)的，則會(huì)顯得愚昧無(wú)知。而鬼這樣一個(gè)憑空出現(xiàn)的事物，則是幾千年以來(lái)，人類對(duì)未知事物感到恐懼所產(chǎn)生的一個(gè)集合。

本章節(jié)花大篇幅描寫的就是這樣一個(gè)心智模型的構(gòu)建過程。

回到本文梳理之前的經(jīng)驗(yàn)與思路，可以建立一篇文章到是否能夠爆款的脈絡(luò)：

1. 爆款≈閱讀量>90%文章爆款≈閱讀量>90%文章
2. 閱讀量≈匹配度+頻率+內(nèi)容質(zhì)量+發(fā)布時(shí)長(zhǎng)+……

這是我目前能夠想到的有關(guān)因素。也許還不是很精準(zhǔn)，甚至有可能錯(cuò)誤，但數(shù)據(jù)分析就是一個(gè)不斷的假設(shè)、驗(yàn)證、得出結(jié)論，再修正、再重復(fù)的過程。

這樣，我們的心智模型和對(duì)這個(gè)世界的認(rèn)知才會(huì)越來(lái)越完善，得出結(jié)論和應(yīng)對(duì)新事物時(shí)會(huì)更得心應(yīng)手。

但如果大家要是覺得還有什么關(guān)鍵影響因素的也可以在評(píng)論中留下自己的看法。

三、機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是一種數(shù)據(jù)分析技術(shù)，讓計(jì)算機(jī)執(zhí)行人和動(dòng)物與生俱來(lái)的活動(dòng)：從經(jīng)驗(yàn)中學(xué)習(xí)。

機(jī)器學(xué)習(xí)算法使用計(jì)算方法直接從數(shù)據(jù)中“學(xué)習(xí)”信息，而不依賴于預(yù)定方程模型。當(dāng)可用于學(xué)習(xí)的樣本數(shù)量增加時(shí)，這些算法可自適應(yīng)提高性能。

當(dāng)你遇到涉及大量數(shù)據(jù)和許多變量的復(fù)雜任務(wù)或問題，但沒有現(xiàn)成的處理公式或方程式時(shí)，可以考慮使用機(jī)器學(xué)習(xí)。

回到本文的討論，文章是否會(huì)成為爆款，這是一個(gè)比較典型的，分類監(jiān)督學(xué)習(xí)，而最近正好也在研究XGBoost算法，可以拿來(lái)練手。所以本章節(jié)將會(huì)按照應(yīng)用機(jī)器學(xué)習(xí)的開發(fā)步驟展開：

第1步，數(shù)據(jù)收集。獲取對(duì)建立算法和數(shù)據(jù)模型有關(guān)的數(shù)據(jù)；

第2步，特征選擇。一般原始數(shù)據(jù)都會(huì)有大量的無(wú)關(guān)項(xiàng)，而篩選的標(biāo)準(zhǔn)則是有助于構(gòu)建之前建立的心智模型；

第3步，特征工程。指的是將原始數(shù)據(jù)轉(zhuǎn)換為特征矢量，比如字符串轉(zhuǎn)成數(shù)值、殘缺數(shù)據(jù)的補(bǔ)全等；

第4步，訓(xùn)練算法。選擇一部分?jǐn)?shù)據(jù)，使用合適的機(jī)器學(xué)習(xí)算法推導(dǎo)出特征之間的權(quán)重；

第5步，測(cè)試算法。之前沒有用于訓(xùn)練的數(shù)據(jù)當(dāng)做測(cè)試數(shù)據(jù)，代入到推導(dǎo)出來(lái)的算法中，計(jì)算也推導(dǎo)結(jié)果，由推導(dǎo)結(jié)果和實(shí)際結(jié)果進(jìn)行對(duì)比，可以得到我們關(guān)系式預(yù)測(cè)的正確率。當(dāng)正確率滿足要求可以進(jìn)入到第6步，如果不滿足要求則需要進(jìn)入到第7步；

第6步，修正算法。一般初次結(jié)果的正確率都不會(huì)太好，可以經(jīng)過各種優(yōu)化，包括我們對(duì)前面心智模型的都可能會(huì)要做修改，修正后需要重新從第1步開始；

第7步，使用算法。如果驗(yàn)證的結(jié)果可以滿足要求，則可以對(duì)新發(fā)表的文章進(jìn)行預(yù)測(cè)。

1. 數(shù)據(jù)收集

雖然我們有4萬(wàn)多條原始數(shù)據(jù)，但不是所有的數(shù)據(jù)都有效的。而且為了能夠促進(jìn)我們得到最后的算法模型，也要做一些適當(dāng)?shù)娜∩?。這里我做了兩個(gè)處理：

• 文章需要發(fā)表30天以上；
• 僅選擇閱讀量最高的10%和最低的10%；

文章發(fā)表30天以上，是為了保證數(shù)據(jù)選擇的公平性。我們的目標(biāo)是將人人網(wǎng)上所有文章的閱讀量前10%設(shè)定為爆款，那么對(duì)發(fā)表時(shí)間較短的文章肯定是不公平的，而且新發(fā)表的文章閱讀量會(huì)在短時(shí)間之內(nèi)急劇增長(zhǎng)。這一點(diǎn)我們之前也討論過了，具體的變化就如下圖所示：

不難發(fā)現(xiàn)文章的平均閱讀量大約在發(fā)布20天之后的才開始趨于平穩(wěn)，隨后還會(huì)有小幅度的上升。我們這里錄入的數(shù)據(jù)都是所有的時(shí)間段的文章，所以為了公平和保險(xiǎn)起見，只選擇文章發(fā)表30天以上的文章。

而下圖標(biāo)識(shí)出了按以千為單位的閱讀量分布，為了展示方便已將大于3萬(wàn)閱讀量的做了歸并處理。可以發(fā)現(xiàn)從最低的幾千閱讀量到最高的幾萬(wàn)閱讀量之間并沒有一條比較明顯界限。特別是從10千開始到30千這一段。

而我們將要處理的問題則是一個(gè)分類問題，需要分類的結(jié)果有比較明顯的特征，或者說要區(qū)分的對(duì)象差別越大越好。比如做圖像識(shí)別時(shí)，識(shí)別照片是貓是狗的難度，就要比區(qū)分是飛機(jī)是狗的難度大很多。所以我們這里為了減輕訓(xùn)練難度，只取閱讀最高的10%和最低的10%，即保留了文章數(shù)量，也保證了兩者之間有足夠的區(qū)分度。

2. 特征選擇

再把前文中的原始數(shù)據(jù)屬性搬出來(lái)，用于與前文分析的影響點(diǎn)擊的認(rèn)知模型關(guān)聯(lián)起來(lái)，如下表所示：

需要注意原始數(shù)據(jù)中是有圖片鏈接的，出于兩個(gè)理由沒有入選分析：

1. 人人都是產(chǎn)品經(jīng)理上的讀者和運(yùn)營(yíng)對(duì)比于其它網(wǎng)站，在圖片選擇上會(huì)比較理性與克制，并沒有采用擦邊球的圖片來(lái)吸引讀者，而我也只會(huì)根據(jù)標(biāo)題和內(nèi)容來(lái)進(jìn)行選擇閱讀；
2. 圖片內(nèi)容的識(shí)別成本還是比較高的，自己分析則需要前期做大量的圖片訓(xùn)練，第三方服務(wù)則會(huì)有相當(dāng)多的限制且貴；

所以原始數(shù)據(jù)中，可以使用的有以下幾個(gè)屬性：

• 發(fā)布日期（date）
• 文章類型（category）
• 作者身份（authorRole）
• 標(biāo)題（title）
• 閱讀量（view）

3. 特征工程

有這么一句話在業(yè)界廣泛流傳：數(shù)據(jù)和特征決定了機(jī)器學(xué)習(xí)的上限，而模型和算法只是逼近這個(gè)上限而已。

那特征工程到底是什么呢？顧名思義，其本質(zhì)是一項(xiàng)工程活動(dòng)，目的是最大限度地從原始數(shù)據(jù)中提取特征以供算法和模型使用。

即使我們上面經(jīng)過篩選，我們發(fā)現(xiàn)無(wú)論是日期，類型，身份，還是標(biāo)題都是字符串?dāng)?shù)據(jù)，而閱讀量量本身還需要轉(zhuǎn)化成是否是爆款。所以本文做了如下處理：

Y值（預(yù)測(cè)結(jié)果）：

• 爆款文章的閱讀量設(shè)置為1，非爆款設(shè)置為0。

X值（預(yù)測(cè)變量）：

• 發(fā)布日期：轉(zhuǎn)為文章發(fā)布的年份數(shù)量，比如2018年發(fā)表記為0年，2014年發(fā)表記為4年；
• 文章類型、作者身份都是幾類固定的字符串，可以將各種分類轉(zhuǎn)化為相應(yīng)的特征屬性來(lái)使用；
• 標(biāo)題的處理則相對(duì)復(fù)雜得多，這里借助第三方的開放接口做了如下分析處理：
  • 情感分析，使用騰訊文智判斷標(biāo)題是正面、負(fù)面還是中性情感，(0,0.3]=負(fù)面，(0.3,0.7]=中性，(0.7,1]=正面。
  • 詞性特征，使用騰訊AI開放平臺(tái)的基礎(chǔ)文本分析的詞性接口，現(xiàn)代漢語(yǔ)的詞可以分為兩類14種詞性（詞類），但在網(wǎng)絡(luò)內(nèi)容發(fā)展如此復(fù)雜的今天，相應(yīng)的分類已經(jīng)遠(yuǎn)超過這些，所以特別選擇第三方服務(wù)來(lái)解決。
  • 語(yǔ)義依存分析。語(yǔ)義依存分析目標(biāo)是跨越句子表層句法結(jié)構(gòu)的束縛，直接獲取深層的語(yǔ)義信息。語(yǔ)義依存分析不受句法結(jié)構(gòu)的影響，將具有直接語(yǔ)義關(guān)聯(lián)的語(yǔ)言單元直接連接依存弧并標(biāo)記上相應(yīng)的語(yǔ)義關(guān)系。本篇使用的是哈工大LTP云API解析出特征。

經(jīng)過幾天的數(shù)據(jù)調(diào)整和解析，終于將所有的特征數(shù)據(jù)化了。接下來(lái)則是準(zhǔn)備開始訓(xùn)練啦~

4. 訓(xùn)練算法&測(cè)試算法

XGBoost訓(xùn)練算法

XGBoost的全稱是eXtreme Gradient Boosting。作為一個(gè)非常有效的機(jī)器學(xué)習(xí)方法，Boosting Tree是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中最常用的算法之一。

因?yàn)樗Ч?，?duì)于輸入要求不敏感，自動(dòng)進(jìn)行特征選擇，模型可解釋性較好。往往是從統(tǒng)計(jì)學(xué)家到數(shù)據(jù)科學(xué)家必備的工具之一，它同時(shí)也是kaggle比賽冠軍選手最常用的工具。

在我們前面做了大量的準(zhǔn)備工作后，真正調(diào)用算法來(lái)訓(xùn)練的代碼其實(shí)是很少的。作為產(chǎn)品經(jīng)理，我覺得大家還是應(yīng)該都懂一些技術(shù)或者會(huì)一門編程語(yǔ)言，很多問題在網(wǎng)上搜索一下相關(guān)的教程都可以自己解決，而不用在遇到問題的時(shí)候等開發(fā)來(lái)解決。這里推薦學(xué)習(xí)Python3，上手難度低，適用于任何平臺(tái)，編譯速度也足夠快等優(yōu)點(diǎn)。

所以在文章本身這一塊兒就不詳細(xì)展開寫了，如果需要查看本次整個(gè)數(shù)據(jù)分析的代碼，點(diǎn)擊查看，部分內(nèi)容已經(jīng)添加注釋。

測(cè)試算法

訓(xùn)練好的模型在使用之前需要測(cè)試，來(lái)決定接下來(lái)的步驟是修正算法還是使用算法。根據(jù)配置xgboost參數(shù)，對(duì)一篇文章進(jìn)行分析時(shí)會(huì)返回兩個(gè)概率，爆款的概率P1，不會(huì)成為爆款的概率P2。

所以在驗(yàn)證的時(shí)候分別做了兩種驗(yàn)證：

第一種， 當(dāng)P1（爆款）& P2（非爆款）的概率時(shí)，預(yù)測(cè)這篇文章為爆款。但這里會(huì)有個(gè)問題是當(dāng)P（會(huì)火)=0.51,P(不火）=0.49時(shí)，是一個(gè)很模糊的結(jié)果；

第二種， 當(dāng)P1（爆款) & 0.8時(shí)，預(yù)測(cè)這篇文章為爆款。

以上兩種同樣對(duì)1771條測(cè)試數(shù)據(jù)進(jìn)行測(cè)試時(shí)，分別有97.91%和94.64%的正確率，對(duì)于我來(lái)說，這個(gè)結(jié)果已經(jīng)足夠滿足本文的分析目的。所以就不再進(jìn)一步的優(yōu)化了。

本文如此之高的預(yù)測(cè)正確率也是經(jīng)過多次的模型修正和數(shù)據(jù)修整之后所得，記得第一次訓(xùn)練的結(jié)果正確率為5%，第二次修正后結(jié)果為1%。這個(gè)過程也不算是本文的重點(diǎn)就不再贅述。

5. 使用算法

如果是繼續(xù)使用算法，我們可以拿新寫的文章標(biāo)題來(lái)做預(yù)測(cè)。而如果是寫文章做分析，我們則可以分析相應(yīng)的特征重要性，給出的投稿建議。

返回的數(shù)據(jù)模型中，有128個(gè)有效特征，不好做可視化展示，所以當(dāng)前分析只截取前20的重要特征，如下圖所示：

排名前20中，大量的特征都是跟標(biāo)題直接相關(guān)的詞性特征和語(yǔ)義依存特征。

詞性特征好好查看，我們根據(jù)之前的的分類結(jié)果，把爆款文章的標(biāo)題按詞頻統(tǒng)計(jì)，這樣在未來(lái)取標(biāo)題的時(shí)候可以做個(gè)參考，適當(dāng)?shù)奶砑右恍c(diǎn)綴，比如：需求、報(bào)告、總結(jié)、管理等。

本次分析結(jié)果中的語(yǔ)義依存特征相當(dāng)?shù)臉銓?shí)，排名靠前的都是用來(lái)豐富標(biāo)題內(nèi)容，增加標(biāo)題閱讀性的特征。

對(duì)比于常見的營(yíng)銷號(hào)標(biāo)題黨則是兩個(gè)方向，標(biāo)題黨會(huì)有更豐富的主觀情感特征，比如：果然，果真，橫豎，究竟，勢(shì)必，早晚，終歸，終究，終于；有表示反常的：反，偏，倒，豈，竟，不料，倒是，反倒，反而，竟然，居然，難道等。

不難發(fā)現(xiàn)，前二十中，僅有r_平臺(tái)運(yùn)營(yíng)和c_業(yè)界動(dòng)態(tài)與標(biāo)題沒有直接關(guān)系，那是不是只有標(biāo)題最重要呢？上圖只是為了大家觀看方便做的節(jié)選，從下圖就可以看到各組的特征前三：

從上圖中可以做出如下分析：

• 4年前發(fā)布的文章能夠以微弱的優(yōu)勢(shì)跑過5年前發(fā)布的文章，說明也不是發(fā)布的越久越有優(yōu)勢(shì)，而是文章有可能隨著時(shí)間被埋沒，另一個(gè)解釋是4年前是網(wǎng)站流量的頂峰導(dǎo)致；
• 業(yè)界動(dòng)態(tài)對(duì)比其它的文章更容易爆款，這倒也不難理解，畢竟從受眾角度來(lái)說是最廣的，而且容易追熱點(diǎn)；
• 平臺(tái)運(yùn)營(yíng)對(duì)比于其它角色的用戶更容易出現(xiàn)爆款，除了一定的“特權(quán)”，更主要的是他們的文章是以轉(zhuǎn)載為主，轉(zhuǎn)載的內(nèi)容是其它平臺(tái)上的優(yōu)質(zhì)內(nèi)容，自然更有吸引力。但比較意外的是專欄作家的身份對(duì)于文章爆款的加成作用并不如普通用戶；
• 最后則是標(biāo)題的情感平淡最好，典型的負(fù)面語(yǔ)氣則就是疑問、質(zhì)問、消極觀點(diǎn)，還有不文明用語(yǔ)。

四、投稿建議

作為產(chǎn)品經(jīng)理，每個(gè)同學(xué)都可以嘗試著寫篇文章投稿，這也算是你的一個(gè)個(gè)人獨(dú)立的小產(chǎn)品了。

1. 認(rèn)真考慮文章內(nèi)容類型，從最高的業(yè)界動(dòng)態(tài)(448)、產(chǎn)品經(jīng)理(233)、產(chǎn)品運(yùn)營(yíng)(223)，到最低的區(qū)塊鏈(24)、營(yíng)銷推廣(18)、新零售(6)，雖然對(duì)比其它因素影響不算大，但組內(nèi)得分的差距更印證了前中篇讀者關(guān)注點(diǎn)的數(shù)據(jù)分析；
2. 無(wú)論文章的內(nèi)容如何，取一個(gè)好的標(biāo)題是相當(dāng)重要的事情?？梢钥吹饺绻凰阄恼路诸愂莾?nèi)容的話，當(dāng)前的這些因素就能夠占到一篇文章是否爆款的九成因素以上（94%的預(yù)測(cè)正確率）；
3. 文章標(biāo)題必須有明確的主題和關(guān)鍵字，關(guān)鍵字最好是名詞；其次標(biāo)題的內(nèi)容盡量豐富，能夠體現(xiàn)文章內(nèi)容，提高標(biāo)題的閱讀性；
4. 標(biāo)題黨在人人網(wǎng)的優(yōu)勢(shì)不明顯；
5. 專欄作家的身份對(duì)于投稿沒有加成作用，還是靠自己。

雖然本篇最后應(yīng)該沒有給出一個(gè)讓人驚喜和意外的答案，但我想怎么通過數(shù)據(jù)分析來(lái)尋找一個(gè)答案的過程應(yīng)該是說清楚了。

五、全篇總結(jié)

《數(shù)據(jù)分析實(shí)戰(zhàn)｜人人都是產(chǎn)品經(jīng)理網(wǎng)站》三篇就到止為止了。簡(jiǎn)單回顧一下：

• 上篇從網(wǎng)站運(yùn)營(yíng)的角度來(lái)分析，各種文章對(duì)網(wǎng)站的收益，各種作者給網(wǎng)站帶來(lái)的價(jià)值；
• 中篇討論了以讀者的視角來(lái)看人人網(wǎng)上的高價(jià)值文章和作者有哪些可以推薦，推薦的算法；
• 下篇?jiǎng)t是以投稿人的視角來(lái)挖掘如何提升一篇文章的閱讀量。

優(yōu)化

最后這里再補(bǔ)充幾個(gè)本篇中沒有處理好的點(diǎn)，避免誤人子弟。希望大家能在工作中更加嚴(yán)謹(jǐn)一些。

1. 文章的熱度可以按時(shí)期、階段、類型進(jìn)一步分組處理；
2. 部分特征的選擇和數(shù)據(jù)處理會(huì)比較主觀判斷，僅憑經(jīng)驗(yàn)和觀察得出，而不是相應(yīng)的計(jì)算；
3. 標(biāo)題內(nèi)容可以處理得更細(xì)致，包括一些熱門詞匯專有名詞的提??；
4. 有些代碼還寫得不夠規(guī)范，而且在寫作過程中也出過多次的Bug和數(shù)據(jù)使用錯(cuò)誤，需要注意；
5. 最后的計(jì)算模型返回來(lái)實(shí)際上有128個(gè)特征，可以把一些得分過低的特征去掉后再計(jì)算。

相關(guān)閱讀

數(shù)據(jù)分析實(shí)戰(zhàn)｜人人都是產(chǎn)品經(jīng)理網(wǎng)站（上篇）：平臺(tái)視角

作者：核桃殼，微信walnutshell911

本文由 @?核桃殼 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)自網(wǎng)絡(luò)