如果你一入職，就有產品大神帶你，那么恭喜你，你很幸福。因為有個產品大神帶領著你一路過關斬將，所向披靡。但是如果你是剛入職的小公司產品，那么你很可能只是CEO下面的一個畫圖經理，有想法，卻無法說服老板。經常聽被人說拿出數據來，可是找了一堆數據卻不知道如何用。只能陷入尷尬的“佛系”畫圖經理了。

按照慣例，事先聲明，本文依然是教產品新人如何進行數據分析。如果你是數據分析大牛，那么希望你能出一篇更好的教程。我會為你打Call哦。

由于沒有拿得出手的數據，用其他數據讓人覺得夸夸其談，無法落地。

為了更好地幫助你理解和運用，直接用我上一篇寫的文章做基礎數據分析，即分析我的文章在哪個平臺輸出價值最高，以幫助我在以后輸出文章時選擇首發平臺。

一、確定分析方法和獲取基礎數據和

獲取數據的方法有很多，各種網站都有，這個應該不需要我來給大家指路。

本文為了落地分析，直接使用我上一篇文章《思路｜產品新人應如何撰寫測試用例（功能性測試）》在幾個主要平臺的文章數據，分析各個平臺的輸出價值。

想要知道各個平臺的輸出價值，首先得知道文章輸出價值與那些數據相關。由于這是我自己定義的一個名詞，所以我從閱讀者和作者兩個方面闡述下文章輸出價值是什么東西。

• 對于閱讀者來說獲取知識即體現了這篇文章的價值，具體體現在閱讀，訂閱、點贊、收藏、評論等數據；
• 對于作者來說有更多的人閱讀，讓作者寫的東西沒有白費，獲得一定價值。具體體現在閱讀、粉絲、點贊、收藏等數據；
• 對于作者來說，獲得額外的收益，這是最實在的價值，具體體現在贊賞，粉絲等數據。

基于以上三點。我們需要閱讀、訂閱、收藏等等這些文章的基本數據來進行下一步分析。

*注：或者更多，由于這是一篇給初學者的文章，所以就沒有具體展開。

以下是收集各個平臺的基本數據。

我的文章在各大平臺的閱讀量、收藏量等等數據有點慘，你們就將就將就吧，反正我是沒臉看。

二、分析數據

既然已經獲取到了數據，那么就要開始對數據進行分析了。不過一般如果從正常業務中獲取的數據，都需要先進行數據清洗，才能分析。不過這里我們就省略了，畢竟都是用excel分析的，就不玩那么高大上了。

1、數據標準化處理

所謂標準化即將大額數據歸結到一個很小的數據中，這個過程也被稱為“歸一化”。通俗地說，就是把所有數據都歸結到[0,1]之間。

數據標準化通常有兩種方式。分別為min-max、z-score。這里我主要用min-max標準化。

min-max公式為：

x* = (x-min)/(max-min)?

我這里將標準化后的數據都×10，生成以下數據：

注：數據×10主要是為了好看。你要是喜歡也可以不×10。

以上是我們通過基本數據進行分析的第一步，將數據標準化處理。

2、根據維度進行加權評分

所謂加權評分，就是將第一步得出的數據進行加權處理，即：

加權評分值 = 標準化數據 × 權重

在進行加權評分前，我們先得進行權重處理，權重處理可以使用矩形分析法獲得。

如下圖：

了解每個維度的含義，然后通過以下步驟進行權重分析：

• 設置基本原則。 我個人認為重要性應按打賞 > 訂閱 > 評論 > 收藏 > 點贊 >閱讀進行排序，由于閱讀者愿意打賞，那么文章肯定幫助到了他，以此類推分析；
• 根據設置的原則，進行處理。即行列對比，如果行比列重要的設為1，行沒有列重要的設為0。
• 對每一行數據進行合計；
• 對合計進行權重計算，即：維度權重=維度合計/總維度合計，由于某些維度合計為零，因此需要對所有維度合計進行**+1**處理。

根據以上步驟得出數據，閱讀量權重=1/（1+4+2+5+6+5)*100%=4.35%，其他數據以此類推。得出上圖中的各個維度權重的數據。

將權重與評分結合，即得出上圖的維度權重評分數據

四、對平臺進行加權評分

同理，我們需要先確定各個平臺的權重比，因為我們要分析這篇文章在哪個平臺發布的價值更高，那么應該從平臺的影響用戶數去比較。那么，我們可以根據PV/UV去判斷平臺的用戶數來設置權重。

上圖為各個平臺的權重，這里需要說明一下，由于人人都是產品經理和人人都是產品經理討論的平臺，在此不做優劣評比，因此權重占比設為一樣。

根據平臺權重，那么可以輕易得出我的文章在各個平臺的文章輸出價值。

三、數據總結

通過上面的方法，可以輕易得出想要的分析結果。根據這份結果，我如果還想發文章，肯定會考慮這個來選擇首發平臺。而不是通過拍腦門決定首發。

以上為入門數據分析方法，如果你學會了，那么就用起來，開始懟你的BOSS！ 嗯，就是這樣。

相關閱讀

思路｜產品新人應如何撰寫測試用例（功能性測試）

作者：光點神奇，微信公眾號：產品研究所

本文由 @光點神奇? ?原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 unsplash，基于 CC0 協議