大数据实战：知乎百万用户分析

本文来源：http://wuzuozhi.com/

背景

这几天，同事都去出差，稍有感冒的我提前在办公室感受到了“孤独终老”的恐惧。

前言

我个人是15年注册知乎，三年过去了，我个人主页数据是：

数据

直接爬取知乎的用户数据，包括ID、粉丝数量、工作信息、回答数量、文章数量等等。

这些用户的分布区域是什么样的

拿到这些数据，我一开始不关注用户的性别，我知道，这个参考价值并不高，因为，我在一些社区都会在性别那一栏填上“女”。

用户分布区域决定这个区域的回答数量吗

其实在做下面这张图之前，我的猜想的答案是肯定的，很明显嘛，哪里人多，自然而然的就会回答多一些，但是我注册知乎后的个人数据又说明存在特例：有的用户都不喜欢回答。带着疑问我做了下面这个分析，看看这些区域的同学是不是平常贡献答案最勤快的。

用户都来自哪些大学

哪个大学的用户贡献的答案最多

我们都知道，知乎是一个问答社区，贡献自己的回答，来帮助他人，从知识的领域，将雷锋精神发扬光大。那么哪个学校的用户总体回答数最高呢？

用户粉丝的多少与哪些因素有关

有意思的专业

谈到写文章，我就想看看这些平常喜欢写作的同学都是学的什么专业

那些经常提问的同学都来自哪个行业领域

还记得开篇的时候让大家思考的那个问题吗，如果你还没来得及思考，你现在可以再回头看一下~

开始我本来想直接查看个用户的职位性质来直接说明这个，但是我觉得单纯以一个在“注册”和“完善资料”步骤中填写的一个职位来说明这个有点牵强和草率，所以后面我换了一种思维，我想从用户关注的点，以及知乎上面的问题和回答所呈现的数据反推“所在的地域决定了大的环境，环境影响人关注的行业和领域”这一点，这样也显得更加严谨和科学。

下面是用户职位的分析（去除空值null后的）

首次发言的潜在寓意是什么

仔细看上面数据 excel 截图的同学应该发现了，其中有个字段是”first_answer”，这个字段很有用

• 从10年到11年，几乎垂直上升，说明在这个时间段，有大量的用户注册。事实是，知乎是10年末期开放邀请注册的，那么此期间用户剧增，理所当然

• 从11年到12年，有下降，说明在产品形成初期，有一定的用户基数后，注册遇到了瓶颈，在知乎社区活跃的几乎都是老用户，所以没有新用户，不存在首次回答，于是，出现了下降

• 从12年到14年，再次出现峰值，说明又有大批用户注册，去翻知乎的发展史可以看到，这个时间段，知乎取消以往的邀请注册，开放公众注册，那自然而然会出现用户暴增了

• 之后的几年都是下降，如果读者是互联网从业或者关注这块的信息，你应该已经想到这是产品的用户瓶颈到了，一个平台的用户天花板只有这么高，当没有新用户注册并且参与活跃，first_answer 这个字段就没有意义了，所以到了16年，首次回答的用户非常低，说明，这个平台的新用户增长低，甚至没有

• 这是从 first_answer 得出的分析，那么你能根据 last_answer 得出什么结论呢？

总结

有时候从数据分析去反推事实很有意思，这大概也是数据产品最迷人的地方吧。以后的一段时间，我将爬拉钩、爬新浪、爬大众点评、爬物流等一系列平台的数据，来和大家一起分享数据产品经理的乐趣和日常，感兴趣的朋友，欢迎来我博客做客。