Varje författare oroar sig för livet för sin publikation, efter publiceringen tittar han på statistiken, väntar och oroar sig för kommentarer och vill att publikationen ska få åtminstone ett genomsnittligt antal visningar. Med Habr är dessa verktyg kumulativa och därför är det ganska svårt att föreställa sig hur författarens publikation börjar sitt liv mot bakgrund av andra publikationer.
Som ni vet får de flesta publikationer visningar under de första tre dagarna. För att få en uppfattning om hur det går för publikationen spårade jag statistiken och presenterade en övervaknings- och jämförelsemekanism. Denna mekanism kommer att tillämpas på den här publikationen och alla kommer att kunna se hur det fungerar.
Det första steget var att samla in statistik om dynamiken i publikationer under de tre första dagarna av inläggets liv. För att göra detta analyserade jag läsarflöden baserat på publikationer för 28 september under perioden av deras liv från 28 september till 1 oktober 2019 genom att registrera antalet visningar med olika intervall under denna period. Det första diagrammet presenteras i figuren nedan; det erhölls som ett resultat av matchning av dynamiken i åsikter över tid.
Som kan beräknas från diagrammet kommer det genomsnittliga antalet visningar av en publikation efter 72 timmar med en kraftlagsapproximationsfunktion att vara cirka 8380 visningar.
Ris. 1. Fördelning av åsikter över tid för alla publikationer.
Eftersom "stjärnorna" är tydligt synliga kommer vi att presentera dessa data utan dem för standardpublicering. Vi kommer att skära av baserat på de publikationer som fick fler än det genomsnittliga antalet visningar på 3 dagar – 10225 2 stycken, figur XNUMX.
Ris. 2. Fördelning av visningar över tid, för genomsnittliga publikationer, utan "stjärnor".
Som kan beräknas från diagrammet förutsägs det genomsnittliga antalet visningar av en publikation av genomsnittlig efterfrågan efter 72 timmar av en effektapproximationsfunktion att vara cirka 5670 visningar.
Siffrorna är intressanta, men det finns ett verktyg med större praktiskt värde. Detta är den genomsnittliga andelen för varje tidsperiod. Låt oss definiera dem och presentera dem i figur 3.
Ris. 3. Faktisk tidsfördelning av andelen visningar från det totala antalet visningar under tre dagar och teoretiska approximationslinjer, tunt Excel-polynom och tjock egen lösning.
Jag ser inte mycket mening med att göra en separat analys för "stjärnkluster" och vanliga publikationer, eftersom allt i denna lösning beräknades i ett standardiserat koordinatsystem, med aktier.
Således kan du bygga en värdetabell med andelar av tid och följaktligen förutsäga den totala volymen av visningar i tre dagar.
Låt oss bygga den angivna tabellen och förutsäga flödet för denna publikation
Eftersom jag kommer att publicera inlägget cirka klockan 0 den 3 oktober kan alla jämföra flödet med det förutsagda värdet. Om det är mindre betyder det att jag har otur; om det är mer betyder det att läsarna är intresserade.
Jag ska försöka föreställa mig det verkliga flödet i grafen nedan när jag observerar.
Ris. 4. Det faktiska flödet av läsare av denna publikation i jämförelse med den teoretiska prognosen.
Sammanfattningsvis kan jag säga att varje författare kan använda den ovan presenterade beräkningstabellen som vägledning. Och genom att dividera det verkliga flödet av din publikation vid ett visst tillfälle med värdet i aktiekolumnen för detta ögonblick, kan du förutsäga antalet läsare i slutet av den 3:e dagen. Och under denna period har författare möjlighet att påverka läsbarheten av sitt material på ett eller annat sätt, till exempel för att svara mer aktivt och mer detaljerat i kommentarerna. Du kan också jämföra din publikation med andra och förstå hur externa publikationer påverkar läsarnas prioriteringar. Det enda rådet, vänligen förstå att dessa siffror erhölls från en analys av flödet av läsare av publikationer på bara en dag, 28 september 2019.
Källa: will.com