Todo autor preocúpase pola vida da súa publicación; despois da publicación, mira as estatísticas, espera e preocúpase polos comentarios e quere que a publicación obteña polo menos un número medio de visitas. Con Habr, estas ferramentas son acumulativas e, polo tanto, é bastante difícil imaxinar como comeza a súa vida a publicación do autor no contexto doutras publicacións.
Como sabedes, o groso das publicacións gañan visualizacións nos tres primeiros días. Para facerme unha idea de como vai a publicación, fixen un seguimento das estatísticas e presentei un mecanismo de seguimento e comparación. Este mecanismo aplicarase a esta publicación e todos poderán ver como funciona.
O primeiro paso foi recoller estatísticas sobre a dinámica das publicacións durante os tres primeiros días de vida da publicación. Para iso, analizei os fluxos de lectores en función das publicacións do 28 de setembro durante o período da súa vida do 28 de setembro ao 1 de outubro de 2019 rexistrando o número de visualizacións en varios intervalos durante este período. O primeiro diagrama preséntase na seguinte figura, obtido como resultado da coincidencia da dinámica das vistas ao longo do tempo.
Como se pode calcular a partir do diagrama, o número medio de visualizacións dunha publicación despois de 72 horas cunha función de aproximación da lei de potencia será de aproximadamente 8380 visualizacións.
Arroz. 1. Distribución de vistas no tempo para todas as publicacións.
Dado que as "estrelas" son claramente visibles, presentaremos estes datos sen eles para a súa publicación estándar. Recortaremos en función daquelas publicacións que recibiron máis que a media de visualizacións en 3 días: 10225 pezas, Figura 2.
Arroz. 2. Distribución de vistas no tempo, para publicacións medias, sen “estrelas”.
Como se pode calcular a partir do diagrama, unha función de aproximación de potencia prevé que o número medio de visualizacións dunha publicación de demanda media despois de 72 horas sexa de aproximadamente 5670 visualizacións.
Os números son interesantes, pero hai unha ferramenta con maior valor práctico. Esta é a cota media para cada período de tempo. Definímolos e presentámolos na Figura 3.
Arroz. 3. Distribución horaria real da cota de vistas do total de vistas durante tres días e liñas de aproximación teórica, polinomio fino de Excel e solución propia grosa.
Non vexo moito sentido facer unha análise separada para os cúmulos "estrela" e as publicacións habituais, xa que nesta solución todo se calculou nun sistema de coordenadas estandarizado, por accións.
Así, pode construír unha táboa de valores con partes de tempo e, en consecuencia, prever o volume total de visualizacións durante tres días.
Imos construír a táboa especificada e prever o fluxo desta publicación
Xa que publicarei a publicación sobre as 0 horas do 3 de outubro, todos poden comparar o fluxo co valor previsto. Se é menos, significa que non teño sorte; se é máis, significa que os lectores están interesados.
Tentarei imaxinar o fluxo real no gráfico de abaixo mentres observo.
Arroz. 4. O fluxo real de lectores desta publicación en comparación coa previsión teórica.
En conclusión, podo dicir que cada autor pode utilizar a táboa de cálculo presentada anteriormente como guía. E dividindo o fluxo real da túa publicación nun momento determinado polo valor da columna de accións para este momento, podes predecir o número de lectores ao final do terceiro día. E durante este período, os autores teñen a oportunidade de influír na lexibilidade do seu material dun xeito ou doutro, por exemplo, para responder máis activamente e con máis detalle nos comentarios. Tamén podes comparar a túa publicación con outras e comprender como as publicacións externas afectan ás prioridades dos lectores. O único consello, entenda que estas cifras obtivéronse dunha análise do fluxo de lectores de publicacións dun só día, o 3 de setembro de 28.
Fonte: www.habr.com