noteのビュー数をあげるタイトルキーワードを探す

「もっと自分のnoteを読んでもらいたい！」ってなもんで、自分の過去noteの「ビュー数」と「タイトル」と「タグ」について分析しました↓

で、結論は以下３点でした。

このnoteは、その↑のnoteの解説です。

①タイトルの文字数は31文字以下に抑える
②タグは、５個以下にした方が良さげ
③タイトルには「 Python」「マーケティング」を入れた方が良さげ

※③は、私のケースです。皆様におかれましては、それぞれ「ビュー数」を伸ばせるキーワードがあるかと。

途中までは無料で読めます。楽しんでもらえると幸いです。

このnoteでやること

以下の２つができるようになります。

①ワードクラウドを作る （Pythonを使います）
②決定木分析（ディシジョン・ツリー）をする（Rを使います）

以下のような視点で活かせることができます。

①テキストデータの内容や頻出語句などを直感的に捉えやすくなる。なんか格好いい。
②求めたり高めたい事象に対して、どんな条件が必要そうかわかる。ディシジョンしやすくなる。

※詳しくは後述にて

実務でも、自分のブログやnoteの分析に応用できるかと思います。

それでは、よろしくどうぞ。

環境

①ワードクラウドについては、「Jupyter Notebook」を使います。
②決定木分析については、「R studio」を使います。

どちらもAnacondaという、色々セットになった無料のディストリビューションをダウンロードすれば中に入ってます。

まだダウンロードしてない方は、早くしやがれください。

Anaconda Python/R Distribution - Free Download

---✂︎---

◆windowsの方向け

【Windows編】0から始める!AnacondaでPython環境を一括インストール【Windows編】0から始める!AnacondaでPython環境を一括インストール | 侍エンジニア塾ブログ（Samurai Blog） - プログラミング入門者向けサイト

◆macの方向け

Anacondaを使って爆速でMacにPython分析環境を構築する - Np-Urのデータ分析教室

---✂︎---

分析用データの準備

まず、このnoteでは、↓のようなデータセットを用意しました。

（左から）
①title：タイトル
②Contributed Date：投稿日
③Number of days elapsed：経過日数
④Cumulative PV：累積のビュー数
⑤Daily_per_PV：日次のビュー数（★）
⑥The_length_of_the_title：タイトルの文字数（★）
⑦number_of_tags：タグの数（★）
⑧tag_〇〇：〇〇はタグ名で、1/0に変換（★）

※（★）をこの後、使用します

①〜④について

・スプレッドシートでもエクセルでもなんでもいいので用意
・自分のnoteのダッシュボードから「タイトル」「累計ビュー数」をコピペ
・「投稿日」は↓の部分をコピペ（ココは地道に）

・「基準日」と「投稿日」を差し引きして、各noteを公開してからの「経過日数」を出します

⑤について

・④累積のビュー数を③経過日数われば、⑤日次の平均ビュー数が出ます（青字）。

⑥について

・①タイトルを関数「len()」で括れば、文字数が得られます

LEN関数／LENB関数で文字列の文字数またはバイト数を求める

⑦について

・ココは地道に整理する必要があります。
・まず、↓から自分の各noteの下部にある、↓を地道にコピペします。

↓地道にコピペ

・あとは、「counta()」とかでタグの数を数える列を↑に追加

Excel 関数 基本のキ（COUNT関数・COUNTA関数編）【Excel・エクセル】

⑧について
※ココは、今回の分析ではそこまで良い示唆が得られなかったので、飛ばしても良いです

・ココ、少しコツが入ります。
・⑦で整理した各noteのタグを一列に並べます

・重複している項目を削除します

エクセル（Excel）は重複チェックに最適！重複データの抽出・削除で間違いない商品リスト作りを！ | マネたま

・重複を消したタグたちを、縦を横にして、元のリストに貼り付けます
・「=countif($B3:$D3,"*"&F$2&"*")」のように、ワイルドカードを使って、表頭のタグが含まれてたらカウント１する

Excelで表の縦横（行と列）を入れ替える方法

COUNTIFを含む条件でカウントする方法／ワイルドカード(アスタリスク)を使って含む条件を行おう

出来上がりました

・最後に、表頭を日本語から英語（例：「マーケティング」→「marketing」）にして貼り付け直しておくと、分析時に便利です。
※日本語のままだとエラーが出ることがあります。

翻訳を関数で！ GOOGLETRANSLATE関数を使って日本語のテキストをまとめて英語にする方法

ワードクラウド

まず、ワードクラウド を作ってみます。

ってことで、Jupyter Notebookの出番です。

よくわからない方は、↓を。

【Python】Jupyter notebookの基本的な使い方を分かりやすく説明する

大きな流れは、

①自分の過去noteの「タイトル文字列」を読み込む
②「タイトル文字列」を形態素解析のうえで、品詞分解して"名詞"だけ抽出する
③取り出した"名詞"をワードクラウドに表す

①自分の過去noteの「タイトル文字列」を読み込む

・品詞分解をするようの「mecab」というライブラリをインストールして、importします。

---✂︎---詰まったときのご参考---✂︎---

anacondaのjupyter notebookからmecabを使うまでの手順 - Qiita

もしくは、

Python（Jupyter）でmecabを動かすまで - Qiita

---✂︎---

importする

import MeCab

試しに一つ

tagger = MeCab.Tagger("-Ochasen")
print(tagger.parse("""すもももももももものうち"""))

もう一個

tagger = MeCab.Tagger("-Ochasen")
print(tagger.parse("""スマートロックを１ヶ月試して、楽しかったけど、継続はしなかった話🏡"""))

イイ感じです。

タイトルを全部コピペして、変数に格納します。

title = """【前半無料】"Python"でマーケティング〜位置情報を地図上にわかりやすく表す〜
データ分析で、M-1グランプリの"高得点パターン"を探してみた
Pythonで一味違うハイセンスなグラフ作成（matplotlibのグラフのスタイル一覧）
"Python"を使った「漫才の盛り上がりグラフ」の作り方ですわ👏
【Pythonでスクレイピング】デートに使える「ええ店」探し_東京編🍷
【前半無料】"Python"で、おしゃれで可愛い画像を作って遊ぶ🐱
【前半無料】Pythonを使った「儲かりそうなアメリカ株」の見つけ方
Pythonでデータ分析してロジカルに「ええ店」を探すやり方🍴
【Pythonでデータ分析】安倍首相のツイートを分析してみましてん🗼
「生命保険」でミスらないために、カモられないために
【Pythonでスクレイピング】デートに使える「ええ店」探し_大阪編🦀
【Python】NYSEから、儲かりそうな米国株を探した🗽
【Python】アマゾンの山火事の多さがエゲツない
【Python】ツイートの感情分析🐥
【図書館活用2.0】使いたおして、コスパ良く知的生活をおくる
無料で使える「海外お洒落イラスト」のリンクを溜めてく
【前半無料】Pythonでマーケティング〜地図に色を塗り分ける
【Pythonでスクレイピング】デートに使える「ええ店」探し_福岡編🍜
配当金と生活費を対比して「不労所得」感、感じてみようじゃないか💰
スマートロックを１ヶ月試して、楽しかったけど、継続はしなかった話🏡"""

ココから本番です

②「タイトル文字列」を形態素解析のうえで、品詞分解して"名詞"だけ抽出する

import pandas as pd

class CustomMeCabTagger(MeCab.Tagger):

   COLUMNS = ['表層形', '品詞', '品詞細分類1', '品詞細分類2', '品詞細分類3', '活用型', '活用形', '原形', '読み', '発音']

   def parseToDataFrame(self, text: str) -> pd.DataFrame:
       """テキストを parse した結果を Pandas DataFrame として返す"""
       results = []
       for line in self.parse(text).split('\n'):
           if line == 'EOS':
               break
           surface, feature = line.split('\t')
           feature = [None if f == '*' else f for f in feature.split(',')]
           results.append([surface, *feature])
       return pd.DataFrame(results, columns=type(self).COLUMNS)​

コチラを参考にさせていただきました。ありがとうございます。

品詞分解して、データフレーム化

tagger = CustomMeCabTagger()
test = tagger.parseToDataFrame(title)

test.head(10)

品詞が"名詞"だけ取り出す

#名詞だけにする
test2 = test[test["品詞"].isin(["名詞"])]

#数と接尾後が邪魔なので、"一般","サ変接続","固有名詞"だけにする
test3 = test2[test2["品詞細分類1"].isin(["一般","サ変接続","固有名詞"])]

#リスト方にした上で、string型に変行して格納
title_words = str(list(test3["表層形"]))

#確認
title_words​

↓のような名詞が取得できました。これは後の決定木分析でも使います。

前半, 無料, Python, マーケティング, 位置, 情報, 地図, データ, 分析, グランプリ, 得点, パターン, ハイ, センス, グラフ, 作成, スタイル, 一覧, 漫才, 盛り上がり, 作り方, スクレイピング, 店, 画像, 株, やり方, 首相, ツイート, 生命保険, ミス, カモ, アマゾン, 山火事, エゲツ, 感情, 図書館, 活用, 使い, コスパ, 知的, 生活, 海外, お洒落, イラスト, リンク, 色, 配当, 対比, 不労所得, ロック, 継続, 話

あと少しです。

③取り出した"名詞"をワードクラウドに表す

#日本語が表示されるように、フォントのパスを指定
fpath_ja = "/Library/Fonts/Songti.ttc"

描画

#ワードクラウドを作る
wordcloud = WordCloud(
   background_color="white", #背景色
   #colormap='winter',
   font_path=fpath_ja, #Macの場合、フォントまでのパスをしているする必要がある
   stopwords = STOPWORDS, #ワードクラウドに含まない用語リストを用意する。STOPWORDSがあらかじめ使える
   width=900, #横幅
   height=500, #縦幅
   #mask=abesan_image
).generate(title_words) #ここに、テキストデータを入れます

#作ったワードクラウドを表示する
plt.figure(figsize=(12,10)) #表示サイズを指定する
plt.imshow(wordcloud) #表示させるワードクラウドの変数を入れる
plt.axis("off") #グリッド線のon/off
plt.show()

季節に合わせて色をお楽しみください。

#引数 colormap=""をいじるとできます。
colormap='spring'
colormap='summer'
colormap='autumn'
colormap='winter'

もっと楽しみたい方はコチラを。
↓のドナ○ド・ダック的なオシャレが画像を作れます。

決定木分析（ディシジョンツリー）

決定木分析とは何かというと、こんなのです。

「予測」や「判別」、「分類」を目的として使われるデータマイニング手法です。顧客情報やアンケート結果などについて、“従属変数”に影響する“説明変数”を見つけ、樹木状のモデルを作成する分析方法となります。
※下記URLより引用

決定木分析（ディシジョン・ツリー） | Macromill

以下３つの決定木を作ってみます

①「日時平均ビュー数」が多くなる「タイトル文字数」と「タグ数」はいかほどか
②「日時平均ビュー数」が多くなる「タグ」はどんなタグか
③「日時平均ビュー数」が多くなる「タイトルに入れるべきキーワード」は何か

ココからは「R studio」にお世話になります。