每個作者都擔心自己出版物的壽命；出版後，他會查看統計數據，等待並擔心評論，並希望出版物至少獲得平均瀏覽量。 對於 Habr，這些工具是累積的，因此很難想像作者的出版物如何在其他出版物的背景下開始其生命。
如您所知，大部分出版物在前三天都會獲得瀏覽量。 為了了解該出版物的表現，我追蹤了統計數據並提出了一個監控和比較機制。 這個機制將被應用到這個出版物中，每個人都可以看到它是如何運作的。
第一步是收集貼文發布前三天的出版物動態統計資料。 為此，我根據 28 月 28 日的出版物分析了 1 年 2019 月 XNUMX 日至 XNUMX 月 XNUMX 日期間讀者的流量，記錄了該期間不同時間間隔的瀏覽量。 第一個圖如下圖所示；它是根據隨時間變化的視圖動態進行匹配而獲得的。
從圖中可以計算出，根據冪律近似函數，出版物72小時後的平均瀏覽量約為8380次。
米。 1. 所有出版品隨時間的瀏覽量分佈。
由於“星星”清晰可見，我們將在沒有它們的情況下呈現這些數據以進行標準發布。 我們將根據三天內瀏覽量超過平均瀏覽量（3 篇）的出版物進行剪裁，如圖 10225 所示。
米。 2. 隨時間推移的觀點分佈，對於沒有「明星」的普通出版物。
從圖中可以計算出，透過冪逼近函數預測平均需求出版物72小時後的平均瀏覽量約為5670次。
這些數字很有趣，但有一個工具具有更大的實用價值。 這是每個時間段的平均份額。 讓我們定義它們並在圖 3 中展示它們。
米。 3.三天總瀏覽量的瀏覽量份額的實際時間分佈和理論近似線，細Excel多項式和粗自己的解決方案。
我認為對「星」簇和常規出版物進行單獨分析沒有多大意義，因為在這個解決方案中，所有內容都是在標準化座標系中按份額計算的。
因此，您可以建立一個包含時間份額的值表，並相應地預測三天的總瀏覽量。
讓我們建立指定的表並預測此發布的流量
由於我會在0月3日XNUMX點左右發布帖子，大家可以比較一下流量和預測值。 如果少了，表示我運氣不好；如果多了，表示讀者有興趣。
我將嘗試想像下圖中我所觀察到的真實流程。
米。 4.本刊實際讀者流量與理論預測的比較。
總之，我可以說每個作者都可以使用上面提供的計算表作為指導。 將某一時刻的實際出版流量除以該時刻的分享欄中的數值，您可以預測第 3 天結束時的讀者數量。 在此期間，作者有機會以某種方式影響其材料的可讀性，例如，在評論中更積極、更詳細地做出回應。 您也可以將您的出版物與其他出版物進行比較，並了解外部出版物如何影響讀者的優先事項。 唯一的提示，請理解，這些數字是根據28年2019月XNUMX日這一天的出版物讀者流量分析得出的。
來源： www.habr.com