精品案例 | 在线网络课程收入影响因素分析

大规模开放在线课程，即MOOC（开放），是近年来迅速升温的领域。许多以在线课程为核心的互联网公司已经涌现或取得了蓬勃发展。其中，、和edX成为该领域的三大巨头。

尽管MOOC平台潜力巨大，但其商业模式仍处于探索阶段。主流平台（例如，edX）上的所有课程都是免费的，但也有其他平台提供完全付费的课程。

2010年11月，国内某网站率先推出“全球名校视频公开课”项目，成为国内第一个大规模收集、整合相关信息的门户网站。随后于2011年11月启动了“中国大学视频公开课”项目。课”，至此，国内网络在线课堂教育已经开始如火如荼的发展。

那么主要影响在线网课收入的因素有哪些呢？是课程内容、学生人数还是课程安排？为了探讨这个问题，我们选取了2016年8月16日国内某在线课程平台上全部10222门课程的数据进行分析。原始数据包括以下字段：

要研究的因变量是对数课程收入。从收入统计来看，只有60%的课程产生收入。其中，秋野的ppt课程成为销售冠军，可以卖到接近500万。

接下来我们想看看哪些因素（自变量）对收入有显着影响。除了原始数据集中可用的一些变量，例如单价、人数、评分等，我们还希望挖掘一些文本信息有价值的解释变量。

例如，我们对课程名称变量进行分段，选择高频词根，生成一个派生变量，名为“课程名称中出现了多少个高频词”。其背后的逻辑是，我们猜测高频词是否使用得越多，课程就越好。收入越高？

此外，我们还可以对课表、教师等变量进行文本分析，提取相应的派生变量（具体参见完整案例报告）。

对课程标题进行分割后，我们对出现频率最高的100个词根进行词云可视化分析，如下图所示（可视化工具为）。

从结果来看，人们在命名课程时普遍使用教程、基础知识、简介等通俗词汇。此外，视频、英语、管理等课程在市场上也比较受欢迎。另外，还可以对受众、课程内容等进行相应的词频分析（详情参见案例完整版）。

回归分析最终使用的原始变量和导出变量总结如下：

由于人数*价格=收入，为了避免完全共线性，只能将人数和价格其中之一输入模型。这里我们选择价格变量。对连续变量进行对数处理后，得到如下回归结果：

可见，在控制其他因素不变的情况下：

最后，我们更好奇，如果有一天苟雄辉能够在这个在线网络平台上开设一门课程，预计会有多少收入？如果苟雄在这个网络平台上推出一门名为《R语言入门》的课程，价格为300元，假设平台给该课程评分为5分，那么该课程总共有16节课，每节课30分钟，总共480分钟。

根据模型变量，该课程的超类别为计算机语言，课程名称中包含高频词“导论”，授课机构为非高频授课机构。因此，根据模型预测的收入为：5861.2元。看来，想要实现高收入，小熊俱乐部还有很长的路要走！

本案例深入分析了影响在线课程收入的因素，包括文本挖掘、衍生变量生成等一些常见的数据分析技术。