Hver forfatter bekymrer seg for livet til publikasjonen sin; etter publisering ser han på statistikken, venter og bekymrer seg for kommentarer, og vil at publikasjonen skal få minst et gjennomsnittlig antall visninger. Med Habr er disse verktøyene kumulative, og derfor er det ganske vanskelig å forestille seg hvordan forfatterens utgivelse begynner sitt liv på bakgrunn av andre publikasjoner.
Som du vet får hoveddelen av publikasjonene visninger i løpet av de tre første dagene. For å få en ide om hvordan det går med publikasjonen, sporet jeg statistikken og presenterte en overvåkings- og sammenligningsmekanisme. Denne mekanismen vil bli brukt på denne publikasjonen, og alle vil kunne se hvordan den fungerer.
Det første trinnet var å samle inn statistikk om dynamikken i publikasjoner for de tre første dagene av innleggets liv. For å gjøre dette analyserte jeg leserstrømmer basert på publikasjoner for 28. september i løpet av deres liv fra 28. september til 1. oktober 2019 ved å registrere antall visninger med ulike intervaller i denne perioden. Det første diagrammet er presentert i figuren nedenfor; det ble oppnådd som et resultat av å matche dynamikken i utsikten over tid.
Som det kan beregnes fra diagrammet, vil gjennomsnittlig antall visninger av en publikasjon etter 72 timer med en kraftlovtilnærmingsfunksjon være omtrent 8380 visninger.
Ris. 1. Fordeling av synspunkter over tid for alle publikasjoner.
Siden "stjernene" er godt synlige, vil vi presentere disse dataene uten dem for standardpublisering. Vi vil kutte ut basert på de publikasjonene som fikk mer enn gjennomsnittlig antall visninger på 3 dager – 10225 2 stykker, figur XNUMX.
Ris. 2. Fordeling av visninger over tid, for gjennomsnittlige publikasjoner, uten "stjerner".
Som det kan beregnes fra diagrammet, er gjennomsnittlig antall visninger av en publikasjon av gjennomsnittlig etterspørsel etter 72 timer spådd av en effekttilnærmingsfunksjon til å være omtrent 5670 visninger.
Tallene er interessante, men det finnes et verktøy med større praktisk verdi. Dette er gjennomsnittlig andel for hver tidsperiode. La oss definere dem og presentere dem i figur 3.
Ris. 3. Faktisk tidsfordeling av andel visninger fra totalt antall visninger i tre dager og teoretiske tilnærmingslinjer, tynt Excel-polynom og tykk egenløsning.
Jeg ser ikke mye poeng i å gjennomføre en egen analyse for "stjerneklynger" og vanlige publikasjoner, siden i denne løsningen ble alt beregnet i et standardisert koordinatsystem, etter aksjer.
Dermed kan du bygge en verditabell med andeler av tid og følgelig forutsi det totale volumet av visninger i tre dager.
La oss bygge den angitte tabellen og forutsi flyten for denne publikasjonen
Siden jeg publiserer innlegget rundt klokken 0 den 3. oktober, kan alle sammenligne flyten med den predikerte verdien. Hvis det er mindre, betyr det at jeg er uheldig; hvis det er mer, betyr det at leserne er interessert.
Jeg vil prøve å forestille meg den virkelige flyten i grafen nedenfor mens jeg observerer.
Ris. 4. Den faktiske flyten av lesere av denne publikasjonen sammenlignet med den teoretiske prognosen.
Avslutningsvis kan jeg si at hver forfatter kan bruke beregningstabellen presentert ovenfor som en veiledning. Og ved å dele den reelle flyten av publikasjonen din på et bestemt tidspunkt med verdien i andelskolonnen for dette øyeblikket, kan du forutsi antall lesere på slutten av den tredje dagen. Og i denne perioden har forfattere mulighet til å påvirke lesbarheten til stoffet sitt på en eller annen måte, for eksempel for å svare mer aktivt og mer detaljert i kommentarene. Du kan også sammenligne publikasjonen din med andre og forstå hvordan eksterne publikasjoner påvirker lesernes prioriteringer. Det eneste rådet, vær så snill å forstå at disse tallene ble hentet fra en analyse av strømmen av lesere av publikasjoner på bare én dag, 3. september 28.
Kilde: www.habr.com