温馨提示
详情描述
本文为读者详尽阐述了如何进行全面的数据分析，包括数据分析的目的设定、数据收集与清洗、可视化展示以及数据分析与结论提出等多个步骤，并通过实际案例进行了深入解析。同时，作者还提出了自己在数据分析过程中遇到的挑战及改进建议，强调了在工作以外的生活场景中有意识地培养各项能力的重要性。
数据分析，是产品经理必备的基础能力之一，C端产品经常用到，B端次之，G端基本不会用到，而且市面上大部分产品经理其实都是功能型产品经理，在日常工作中主要是画原型为主，很难接触到一些业务、用户数据，所以更不要提数据分析，用数据来支撑自己的产品规划和迭代了。
其实本人也是，因为长期做G端，用户量相对比较固定，很少用到数据分析，但是我想利用日常生活中的一些数据，来有意识的锻炼自己的数据分析能力，今天，我就拿我自己的公众号“晨阳产品笔记”来带大家走一遍数据分析全流程。
一、数据分析流程
数据分析简单可分为以下6个流程：
明确分析的目标
收集数据
数据清洗和预处理
可视化图表绘制数据
数据分析
总结给出建议
二、开始分析
1.明确分析目的
①旨在分析公众号用户的阅读喜好，分析文章内容，优化内容策略。
②分析传播途径，优化传播方式。
2.收集数据要广泛
收集数据，不管最终对分析有没有用，只要是有关的，都收集过来。
因为微信公众平台后台没有一键导出所以文章数据的功能，我只能手动将公众号发表的所有文章，用excel进行数据汇总，费时费力，无力吐槽，主要字段有标题、类型、阅读量、点赞量、转发量、阅读后关注，总计140篇文章。
微信公众平台，后台提供了内容分析、用户分析、菜单分析，所以这些数据我就不用再收集整理了，直接拿来分析即可。
3.数据清洗和预处理
首先将公众号里面之前接的广告文章、直播预告等文章给剔除掉，以免影响我们数据分析结果。
然后将自己制作的文章excel表格，不同类型的文章分为产品经理、软件体验、个人随笔、书籍电影四个不同的sheet，方便我进行对比分析。
产品经理这个sheet其实是一个大类，继续将其细分品类，比如面试经验、产品认知、日常工作、职场认知、其他分享五个类别。
4.5.可视化图表绘制数据+数据分析
为了使得大家观看文章时方便，就将可视化图表绘制和数据分析放在一起。
所有文章数据：
两个时间节点我在表格中重点标出了，一个是我2022年5月21日创建了晨阳产品交流1群，一个是我2023年5月8日创建了G端晨阳产品交流2群，在我创建相关产品社群之后，阅读量有了明显的提升。
（1）文章类型分析
文章总数据：
刚开始数据中只有总的阅读量、点赞量、分享量，但是如果直接拿这个数据进行分析，因为文章数量相差较大的原因，会导致数据分析的结果不准确，因此采用平均数的方式更加合理准确。
因为平均点赞量、分享量相差不大，主要对平均阅读量进行绘图分析。
通过饼状图可以得出，发布的文章类型里面，产品经理最多，占比43%，软件体验和个人随笔次之，两个相差不大，各占比22%和28%，电影书籍最少。
这个文章类型的占比分布其实也是我公众号的定位，主要输出产品经理相关知识，但是也不限于此，日常也会给大家分享一下体验的新奇的软件和日常生活感受。
通过柱状图可以看出，最高的是软件体验，其次是个人随笔和产品经理，确实如此，因为我的产品文章也会同步到《人人都是产品经理》网站，我也查了相关数据，软件体验的文章普遍阅读量较高。
这说明了大家对于一些新奇的软件还是比较感兴趣的，这个其实和干产品经理岗位性格有关，大部分干产品经理的，都有一个很强的好奇心，喜欢尝试和体验。
（2）文章内容分析
最大值：
产品经理类别，这几篇文章都是属于纯干货分享，里面的理论知识可以直接指导我们日常的产品工作，因此大受欢迎。
软件体验类别，大家都喜欢含国风、文化传承，画面制作精良，可玩性强的软件。另外一个就是满足用户日常工作生活需求的软件，就比如这个现在微信视频号的软件，全网找了很多工具，都是收费的，最终才github找到一个免费的工具。
个人随笔类别，一个就是大家最关注的就业面试问题，大家有了共鸣，击中了找工作的小伙伴的痛点。一个就是我我分享了我当爸爸的喜悦，阅读量高可能也包含着大家对我的祝福，很多人也好奇这一路的感受。
书籍电影因为数据量不大，就不做分析了。
阅读量前10名的文章：
阅读量前十名我将表格罗列出来后，我发现通过这个数据的分析和我上面分析文章类型分析的总数据，分析的纬度和得出结论是一致的，因此对于文章类型分析中，分析总数据和分析前10名数据的意义是一样的，总数据因为数据量较大，分析的结果准确度肯定要优于前10名的准确度，因此文章类型的分析数据源最终采用总数据。