Chaque auteur s'inquiète de la vie de sa publication ; après la publication, il regarde les statistiques, attend et s'inquiète des commentaires, et souhaite que la publication obtienne au moins un nombre moyen de vues. Avec Habr, ces outils sont cumulatifs et il est donc assez difficile d'imaginer comment la publication de l'auteur commence sa vie par rapport aux autres publications.
Comme vous le savez, la plupart des publications gagnent des vues au cours des trois premiers jours. Pour avoir une idée de l'évolution de la publication, j'ai suivi les statistiques et présenté un mécanisme de suivi et de comparaison. Ce mécanisme sera appliqué à cette publication et chacun pourra voir comment il fonctionne.
La première étape a été de collecter des statistiques sur la dynamique des publications sur les trois premiers jours de vie du poste. Pour ce faire, j'ai analysé les flux de lecteurs basés sur les publications du 28 septembre pendant la période de leur vie du 28 septembre au 1er octobre 2019 en enregistrant le nombre de vues à différents intervalles au cours de cette période. Le premier diagramme est présenté dans la figure ci-dessous ; il a été obtenu en faisant correspondre la dynamique des vues dans le temps.
Comme le montre le diagramme, le nombre moyen de vues d'une publication après 72 heures avec une fonction d'approximation de loi de puissance sera d'environ 8380 XNUMX vues.
Riz. 1. Répartition des vues dans le temps pour toutes les publications.
Puisque les « étoiles » sont clairement visibles, nous présenterons ces données sans elles pour une publication standard. Nous couperons en fonction des publications qui ont reçu plus que le nombre moyen de vues en 3 jours – 10225 2 articles, figure XNUMX.
Riz. 2. Répartition des vues dans le temps, pour des publications moyennes, sans « stars ».
Comme le montre le diagramme, le nombre moyen de vues d'une publication de demande moyenne après 72 heures est prédit par une fonction d'approximation de puissance à environ 5670 XNUMX vues.
Les chiffres sont intéressants, mais il existe un outil ayant une plus grande valeur pratique. Il s’agit de la part moyenne pour chaque période. Définissons-les et présentons-les dans la figure 3.
Riz. 3. Répartition temporelle réelle de la part de vues par rapport au nombre total de vues sur trois jours et lignes d'approximation théorique, polynôme Excel fin et solution propre épaisse.
Je ne vois pas beaucoup d'intérêt à mener une analyse séparée pour les amas « étoiles » et les publications régulières, puisque dans cette solution, tout était calculé dans un système de coordonnées standardisé, par actions.
Ainsi, vous pouvez construire un tableau de valeurs avec des parts de temps et, en conséquence, prédire le volume total de vues sur trois jours.
Construisons la table spécifiée et prévoyons le flux de cette publication
Puisque je publierai l’article vers 0 heures le 3 octobre, chacun pourra comparer le débit avec la valeur prédite. Si c’est moins, c’est que je n’ai pas de chance ; si c’est plus, c’est que les lecteurs sont intéressés.
Je vais essayer d'imaginer le flux réel dans le graphique ci-dessous pendant que j'observe.
Riz. 4. Le flux réel de lecteurs de cette publication par rapport aux prévisions théoriques.
En conclusion, je peux dire que chaque auteur peut s'inspirer du tableau de calcul présenté ci-dessus. Et en divisant le flux réel de votre publication à un certain instant par la valeur dans la colonne partage pour cet instant, vous pouvez prédire le nombre de lecteurs à la fin du 3ème jour. Et pendant cette période, les auteurs ont la possibilité d'influencer la lisibilité de leur matériel d'une manière ou d'une autre, par exemple en répondant plus activement et plus en détail dans les commentaires. Vous pouvez également comparer votre publication avec d’autres et comprendre comment les publications externes affectent les priorités des lecteurs. Seul conseil, sachez que ces chiffres ont été obtenus à partir d'une analyse du flux de lecteurs des publications d'une seule journée, le 28 septembre 2019.
Source: habr.com