Enhver forfatter bekymrer sig om livet for sin udgivelse; efter udgivelsen kigger han på statistikken, venter og bekymrer sig om kommentarer og ønsker, at udgivelsen mindst får et gennemsnitligt antal visninger. Med Habr er disse værktøjer kumulative, og derfor er det ret svært at forestille sig, hvordan forfatterens udgivelse begynder sit liv på baggrund af andre publikationer.
Som du ved, får hovedparten af publikationer visninger i løbet af de første tre dage. For at få en idé om, hvordan publikationen klarer sig, sporede jeg statistikken og præsenterede en overvågnings- og sammenligningsmekanisme. Denne mekanisme vil blive anvendt på denne publikation, og alle vil kunne se, hvordan den fungerer.
Det første skridt var at indsamle statistik om dynamikken i publikationer for de første tre dage af postens liv. For at gøre dette analyserede jeg læserstrømme baseret på publikationer for den 28. september i løbet af deres liv fra den 28. september til den 1. oktober 2019 ved at registrere antallet af visninger med forskellige intervaller i denne periode. Det første diagram er præsenteret i figuren nedenfor; det blev opnået som et resultat af at matche dynamikken i synspunkter over tid.
Som det kan beregnes ud fra diagrammet, vil det gennemsnitlige antal visninger af en publikation efter 72 timer med en magtlovstilnærmelsesfunktion være cirka 8380 visninger.
Ris. 1. Fordeling af synspunkter over tid for alle publikationer.
Da "stjernerne" er tydeligt synlige, vil vi præsentere disse data uden dem til standardudgivelse. Vi vil afskære baseret på de publikationer, der modtog mere end det gennemsnitlige antal visninger på 3 dage – 10225 stykker, figur 2.
Ris. 2. Fordeling af visninger over tid, for gennemsnitlige publikationer, uden "stjerner".
Som det kan beregnes ud fra diagrammet, forudsiges det gennemsnitlige antal visninger af en publikation af gennemsnitlig efterspørgsel efter 72 timer af en effekttilnærmelsesfunktion til at være cirka 5670 visninger.
Tallene er interessante, men der er et værktøj med større praktisk værdi. Dette er den gennemsnitlige andel for hver tidsperiode. Lad os definere dem og præsentere dem i figur 3.
Ris. 3. Faktisk tidsfordeling af andelen af visninger fra det samlede antal visninger i tre dage og teoretiske tilnærmelseslinjer, tyndt Excel-polynomium og tyk egen løsning.
Jeg ser ikke meget mening i at udføre en separat analyse for "stjerne"-klynger og almindelige publikationer, da alt i denne løsning blev beregnet i et standardiseret koordinatsystem, ved aktier.
Således kan du opbygge en værditabel med andele af tid og følgelig forudsige det samlede antal visninger i tre dage.
Lad os bygge den angivne tabel og forudsige flowet for denne publikation
Da jeg udgiver indlægget omkring klokken 0 den 3. oktober, kan alle sammenligne flowet med den forudsagte værdi. Hvis det er mindre, betyder det, at jeg er uheldig; hvis det er mere, betyder det, at læserne er interesserede.
Jeg vil prøve at forestille mig det virkelige flow i grafen nedenfor, mens jeg observerer.
Ris. 4. Den faktiske strøm af læsere af denne publikation i sammenligning med den teoretiske prognose.
Afslutningsvis kan jeg sige, at hver forfatter kan bruge den ovenfor præsenterede beregningstabel som en vejledning. Og ved at dividere det reelle flow af din publikation på et bestemt tidspunkt med værdien i aktiekolonnen for dette øjeblik, kan du forudsige antallet af læsere ved slutningen af den 3. dag. Og i denne periode har forfattere mulighed for på den ene eller anden måde at påvirke læsbarheden af deres materiale, for eksempel for at reagere mere aktivt og mere detaljeret i kommentarerne. Du kan også sammenligne din publikation med andre og forstå, hvordan eksterne publikationer påvirker læsernes prioriteringer. Det eneste råd, vær venlig at forstå, at disse tal blev opnået fra en analyse af strømmen af læsere af publikationer på kun én dag, den 28. september 2019.
Kilde: www.habr.com