Jokainen kirjoittaja on huolissaan julkaisunsa elämästä, julkaisun jälkeen hän katselee tilastoja, odottaa ja murehtii kommentteja ja haluaa julkaisun saavan vähintään keskimääräisen katselukerran. Habrilla nämä työkalut ovat kumulatiivisia, ja siksi on melko vaikea kuvitella, kuinka kirjoittajan julkaisu aloittaa elämänsä muiden julkaisujen taustalla.
Kuten tiedät, suurin osa julkaisuista saa katselukertoja kolmen ensimmäisen päivän aikana. Saadakseni käsityksen julkaisun toiminnasta seurasin tilastoja ja esitin seuranta- ja vertailumekanismin. Tätä mekanismia sovelletaan tähän julkaisuun, ja kaikki voivat nähdä, miten se toimii.
Ensimmäinen askel oli kerätä tilastoja julkaisujen dynamiikasta julkaisun kolmen ensimmäisen elinpäivän ajalta. Tätä varten analysoin lukijavirtoja 28. julkaisujen perusteella heidän elinkautensa 28.-1 välisenä aikana kirjaamalla näyttökerrat eri aikavälein tänä aikana. Ensimmäinen kaavio on esitetty alla olevassa kuvassa, se on saatu näkemysten dynamiikan sovittamisesta ajan mittaan.
Kuten kaaviosta voidaan laskea, julkaisun keskimääräinen näyttökertamäärä 72 tunnin jälkeen potenssilain approksimaatiofunktiolla on noin 8380 näyttökertaa.
Riisi. 1. Kaikkien julkaisujen näkemysten jakautuminen ajan kuluessa.
Koska "tähdet" ovat selvästi näkyvissä, esitämme nämä tiedot ilman niitä vakiojulkaisua varten. Katkaisemme niiden julkaisujen perusteella, jotka saivat kolmen päivän aikana keskimäärin enemmän katselukertoja – 3 10225 kpl, kuva 2.
Riisi. 2. Katselukertojen jakautuminen ajan kuluessa, keskimääräisille julkaisuille, ilman "tähtiä".
Kuten kaaviosta voidaan laskea, keskimääräisen kysynnän julkaisun keskimääräiseksi katselukerraksi 72 tunnin jälkeen ennustetaan tehon approksimaatiofunktiolla noin 5670 näyttökertaa.
Luvut ovat mielenkiintoisia, mutta on olemassa työkalu, jolla on suurempi käytännön arvo. Tämä on kunkin ajanjakson keskimääräinen osuus. Määrittelemme ne ja esittelemme ne kuvassa 3.
Riisi. 3. Katseluosuuden todellinen aikajakauma kolmen päivän katselujen kokonaismäärästä ja teoreettiset approksimaatioviivat, ohut Excel-polynomi ja paksu oma ratkaisu.
En näe mitään järkeä erillisen analyysin tekemisessä "tähti"-klustereille ja säännöllisille julkaisuille, koska tässä ratkaisussa kaikki laskettiin standardoidussa koordinaattijärjestelmässä, osuuksilla.
Siten voit rakentaa arvotaulukon aikaosuuksilla ja vastaavasti ennustaa katselukertojen kokonaismäärää kolmen päivän ajalta.
Rakennetaan määritetty taulukko ja ennakoidaan tämän julkaisun kulku
Koska julkaisen postauksen noin kello 0 3. lokakuuta, jokainen voi verrata virtausta ennustettuun arvoon. Jos se on vähemmän, se tarkoittaa, että olen epäonninen; jos se on enemmän, se tarkoittaa, että lukijat ovat kiinnostuneita.
Yritän kuvitella todellisen virtauksen alla olevassa kaaviossa, kun haen.
Riisi. 4. Tämän julkaisun todellinen lukijavirta verrattuna teoreettiseen ennusteeseen.
Yhteenvetona voin sanoa, että jokainen kirjoittaja voi käyttää edellä esitettyä laskentataulukkoa ohjeena. Ja jakamalla julkaisusi todellisen virtauksen tietyllä hetkellä osakesarakkeen arvolla voit ennustaa lukijamäärän 3. päivän lopussa. Ja tänä aikana kirjoittajilla on mahdollisuus vaikuttaa materiaalinsa luettavuuteen tavalla tai toisella, esimerkiksi vastata kommenteissa aktiivisemmin ja yksityiskohtaisemmin. Voit myös verrata julkaisuasi muihin ja ymmärtää, kuinka ulkoiset julkaisut vaikuttavat lukijoiden prioriteetteihin. Ainoa neuvo, ymmärrä, että nämä luvut on saatu analysoimalla vain yhden päivän, 28, julkaisujen lukijavirtaa.
Lähde: will.com