数据说的话：分析1000个Medium的作品集，会发现什么？_最新动态_新闻资讯_程序员俱乐部

　　数据是会说话的。

　　大多数人不知道这一点，知道这一点的人里也有很多听不明白数据说的话。正是因为这样，能和数据进行“沟通”的人，往往知道得更多，更能做出准确的判断和有效的决定。

　　其实和数据沟通没这么难，很多时候，一些很基本最简单的对话，就能让你获得启发。

　　我们来看目前国外“最潮”的写作平台 Medium 的一个例子，如何通过分析平台的数据，找到最能让你引起关注的作品集。

　　分析过程并不难，我保证，人人都能看懂。

　　在 13 年底，Medium 发布 1.0 版本时，带出了一个重要的变化——所有的写作者在写完文章之后，必须将文章投稿给某个作品集（collection）。由于人人都可以创建作品集，很快 Medium 上就出现了成千上万的作品集，于是，一个问题被抛给了所有的写作者：

　　“投给什么样的作品集更好？”

　　要回答这个问题，你可以向 Medium 公司的人寻求建议——如果你的确认识他们的话。不过不认识他们也不要紧，一点儿简单的数据分析的技术就能给你指明方向。

　　从数据的角度看作品集，有几个专门的指标是可以反应其状况的：1）该作品集的订阅人数；2）文章数；3）最后更新日期。这些指标会影响文章作者向其投稿的意愿。

　　有人就写代码分析了 Medium 上超过 1000 个作品集，并通过分析结果带出他自己的看法。

　　分析背景

　　所有的数据分析都有预设的一些条件。这可能是分析时候的一些背景信息，也可能是分析方法的局限性介绍，或者分析所基于的一些假设。了解这些信息，将有助于你判断分析结果的应用场景和局限性。

　　1）作品集的选择

　　该次分析的作品集，是由大约 100 个非随机关键词的搜索得到的。分析者用代码模拟了文章作者，通过关键词搜索作品集的方式。

　　所以你知道了，这 100 个关键词并非随机得到。而是由分析者根据经验选择的。

　　2）语言

　　被分析的是英文文章。所以分析得到的结论并不能简单迁移到别的语言上。

　　3）最后更新日期

　　Medium 对于这个日期的定义是：最后一篇文章被放入作品集的日期。也就是说，它不能反应作品集的文章修改情况。

　　分析过程

　　1）订阅者与文章数

　　在分析的这 1000 个作品集中，35% 没有或者只有 1 个订阅者。90% 的作品集的订约人数不到 55 个。

　　也就是说，Medium 作品集的订阅遵循着幂次定律：一小部分的作品集拥有大规模的订阅者，而大部分的作品集几乎没有订阅者。

　　作品集所收录的文章数量也是这样。

　　另外一个现象是：那些最热门的作品集，也拥有最多的文章数量。

　　所以，往热门作品集投稿，意味着要面临这极大的竞争——你的文章可能很快会被后续文章所淹没，究竟有多少订阅者真正读到了你的文章就成了一个未知数。

　　很显然，最明智的投稿策略，是选择那些订阅者人数众多，但是文章数量却不太多的作品集。也就是下面的分布图上绿色区域里的那些。

图1

　　这幅图中，

　　1）中间的散点图表示了作品集，在订阅人数和包含的文章数上的分布情况，

　　2）上方柱状图说明了有多少作品集拥有一定数量的订阅者，

　　3）右侧柱状图则说明有多少作品集包含一定数量的文章。

　　柱状图显示了近 90% 的作品集只有微量的订阅者和文章数（0～50 之间），而那些有众多拥趸的作品集不到2%。

　　散点图中红色区域里的作品集，既有高订阅量，也有高文章数，是“竞争激烈的热门区”。而那些有高订阅量，低文章数的作品集，则分布在图中的绿色区域。这才是你文章的“梦想之地”。

Tips：你会发现纵坐标和横坐标都取了对数。

这是因为有那么极个别的作品集有巨大的数字，而别的绝大多数的作品集的数字相较起来变得微乎其微，很难从图表中展现出来。

为了如实反应分布，同时还能够在图表中看到那些小众的作品集的情况，分析者对数字做了取对数（Log）的处理。

这种数据处理方法对于按照幂次定律分布的数据有较好的呈现效果。

　　2）更新

　　假设你已经找到了一些和你的文章内容相关，有足够的订阅者的作品集，现在你准备向其投稿了。

　　不过一旦你点击了“提交”，你的等待就开始了。在作品集的所有者批准或者拒绝你的提交之前，你没有任何办法追踪进展。

　　一个不好的消息是，你可能永远都得到不到回应！因为数据显示，这 1000 个作品集的平均最后更新时间，是 85 天之前！大约有 30% 的作品集一个月内没有任何更新，20% 在一年内没有任何更新。

图2

　　上面的图中，显示了作品集的有多久没更新了，以及订阅数。而图中的圆的大小，则反映了该作品集包含的文章数量多少。大多数作品集的订阅量很少，更新也很少（图中左上角区域），少量的作品集订阅数很大更新也很频繁（图中右下角区域）。

　　你肯定已经发现了，你想投稿的作品集除了需要有高订阅量/低文章数量，还应该更新频繁。所以你的目光应该投向图中下放尽量靠左的位置。

　　学到了什么？

　　1）数据会说话。简单的加工分析，你就能收获启示。

　　2）任何数据的收集和分析有其背景和局限性，得到结论前，一定先了解背景。

　　3）掌握一些数据处理小技巧很有帮助，比如对幂次分布的数据取对数。