Յուրաքանչյուր հեղինակ անհանգստանում է իր հրապարակման կյանքի համար, հրապարակումից հետո նա նայում է վիճակագրությանը, սպասում ու անհանգստանում մեկնաբանությունների համար և ցանկանում է, որ հրապարակումը գոնե միջին թվով դիտումներ ստանա։ Habr-ի հետ այս գործիքները կուտակային են, և, հետևաբար, բավականին դժվար է պատկերացնել, թե ինչպես է հեղինակի հրատարակությունը սկսում իր կյանքը այլ հրապարակումների ֆոնի վրա:
Ինչպես գիտեք, հրապարակումների զգալի մասը դիտումներ են հավաքում առաջին երեք օրվա ընթացքում։ Որպեսզի պատկերացում կազմեմ, թե ինչպես է հրապարակումը, ես հետևեցի վիճակագրությանը և ներկայացրեցի մոնիտորինգի և համեմատության մեխանիզմ: Այս մեխանիզմը կկիրառվի այս հրապարակման վրա, և բոլորը կկարողանան տեսնել, թե ինչպես է այն աշխատում։
Առաջին քայլը գրառման կյանքի առաջին երեք օրերի հրապարակումների դինամիկայի վերաբերյալ վիճակագրություն հավաքելն էր: Դա անելու համար ես վերլուծեցի ընթերցողների հոսքերը՝ հիմնվելով սեպտեմբերի 28-ի հրապարակումների վրա՝ 28 թվականի սեպտեմբերի 1-ից հոկտեմբերի 2019-ն ընկած ժամանակահատվածում նրանց կյանքի ընթացքում՝ գրանցելով դիտումների քանակը այս ժամանակահատվածում տարբեր ընդմիջումներով: Առաջին դիագրամը ներկայացված է ստորև նկարում, այն ստացվել է ժամանակի ընթացքում դիտումների դինամիկան համապատասխանեցնելու արդյունքում։
Ինչպես կարելի է հաշվարկել դիագրամից, հրապարակման դիտումների միջին թիվը 72 ժամ հետո ուժային իրավունքի մոտարկման ֆունկցիայով կկազմի մոտավորապես 8380 դիտում:
Բրինձ. 1. Ժամանակի ընթացքում դիտումների բաշխում բոլոր հրապարակումների համար:
Քանի որ «աստղերը» հստակ տեսանելի են, մենք առանց դրանց կներկայացնենք այս տվյալները՝ ստանդարտ հրապարակման համար։ Կկտրենք այն հրապարակումների հիման վրա, որոնք 3 օրվա ընթացքում միջինից ավելի դիտումներ են հավաքել՝ 10225 հատ, Նկար 2։
Բրինձ. 2. Դիտումների բաշխում ժամանակի ընթացքում, միջին հրապարակումների համար, առանց «աստղերի»։
Ինչպես կարելի է հաշվարկել դիագրամից, միջին պահանջարկի հրապարակման դիտումների միջին թիվը 72 ժամից հետո կանխատեսվում է հզորության մոտարկման ֆունկցիայի կողմից մոտավորապես 5670 դիտում:
Թվերը հետաքրքիր են, բայց կա ավելի մեծ գործնական արժեք ունեցող գործիք։ Սա յուրաքանչյուր ժամանակաշրջանի միջին մասնաբաժինն է: Սահմանենք դրանք և ներկայացնենք նկար 3-ում:
Բրինձ. 3. Դիտումների մասնաբաժնի փաստացի ժամանակային բաշխում երեք օրվա ընդհանուր դիտումների քանակից և տեսական մոտարկման տողերով, բարակ Excel բազմանդամ և հաստ սեփական լուծում:
«Աստղային» կլաստերների և կանոնավոր հրապարակումների համար առանձին վերլուծություն անցկացնելու իմաստ չեմ տեսնում, քանի որ այս լուծման մեջ ամեն ինչ հաշվարկվել է ստանդարտացված կոորդինատային համակարգով՝ բաժնետոմսերով:
Այսպիսով, դուք կարող եք կառուցել արժեքների աղյուսակ ժամանակի բաժնետոմսերով և, համապատասխանաբար, կանխատեսել դիտումների ընդհանուր ծավալը երեք օրվա ընթացքում:
Եկեք կառուցենք նշված աղյուսակը և կանխատեսենք այս հրապարակման հոսքը
Քանի որ ես կհրապարակեմ գրառումը հոկտեմբերի 0-ին մոտ ժամը 3-ին, բոլորը կարող են հոսքը համեմատել կանխատեսված արժեքի հետ։ Եթե դա ավելի քիչ է, նշանակում է, որ ես անհաջողակ եմ, եթե ավելի շատ է, նշանակում է, որ ընթերցողները հետաքրքրված են:
Ես կփորձեմ պատկերացնել իրական հոսքը ստորև բերված գրաֆիկում, երբ դիտում եմ:
Բրինձ. 4. Սույն հրապարակման ընթերցողների իրական հոսքը տեսական կանխատեսման համեմատ։
Եզրափակելով, կարող եմ ասել, որ յուրաքանչյուր հեղինակ կարող է որպես ուղեցույց օգտագործել վերը ներկայացված հաշվարկային աղյուսակը։ Եվ որոշակի պահի ձեր հրապարակման իրական հոսքը բաժանելով այս պահի բաժնետոմսերի սյունակում առկա արժեքի վրա՝ կարող եք գուշակել ընթերցողների թիվը 3-րդ օրվա վերջում։ Եվ այս ընթացքում հեղինակները հնարավորություն ունեն այս կամ այն կերպ ազդելու իրենց նյութի ընթեռնելիության վրա, օրինակ՝ մեկնաբանություններում ավելի ակտիվ ու մանրամասն արձագանքելու։ Դուք կարող եք նաև համեմատել ձեր հրապարակումը ուրիշների հետ և հասկանալ, թե ինչպես են արտաքին հրապարակումները ազդում ընթերցողների առաջնահերթությունների վրա: Միակ խորհուրդը՝ խնդրում եմ հասկանալ, որ այս թվերը ստացվել են ընդամենը մեկ օրվա՝ 28 թվականի սեպտեմբերի 2019-ի հրապարակումների ընթերցողների հոսքի վերլուծությունից։
Source: www.habr.com