每个作者都担心自己的出版物的寿命，因为在他查看出版物的统计数据后，等待并担心发表评论，希望该出版物至少获得平均观看次数。 在哈勃（Habr），这些工具是累积性的，因此很难想象作者的出版物在其他出版物的背景下是如何开始的。
如您所知，大多数出版物在前三天内获得了关注。 为了想象出版物的生存方式，我跟踪了统计数据并介绍了一种监视和比较机制。 此机制将应用于此出版物，每个人都可以看到它的工作原理。
第一步是收集发布后三天的出版物动态统计信息。 为此，我通过记录在此期间不同时间间隔的观看次数，分析了读者在9月28日至2019年9月28日至10月1日期间的出版物流量。 下图显示了第一个图，它是通过匹配视图随时间的动态变化而获得的。
从图中可以计算出，具有幂律近似功能的出版物在72小时后的平均观看次数将约为8380次。
图 1.对于所有出版物，按时间分配观点。由于“星星”清晰可见，我们将在没有标准出版物的情况下显示这些数据。 对于那些在3天内获得的收视率高于平均观看次数的出版物，将进行裁剪-10225个，图2。
图 2.按时间分布的观点，对于一般出版物，没有“星星”。如可以从该图表中计算出的那样，通过功率近似函数（大约5670次观看）可以估算72小时后平均需求量出版物的平均观看次数。
数字很有趣，但是有一种工具具有更大的实用价值。 这是每个时间段的平均份额。 我们定义它们并在图3中显示它们。
图 3.三天内视图总数中视图所占份额的实际时间分布以及近似理论线，精简Excel多项式和一个大胆的自己的解决方案。在对“星型”星团和通常的出版物进行单独分析时，我认为没有多大意义，因为在此解决方案中，所有内容均以标准坐标系（以股份为单位）进行了考虑。
因此，有可能用时间的一部分来构建一个值表，并据此预测三天内的总观看量。
我们构造指定的表并预测此出版物的流量。
由于我将在10月3日大约0时发布该帖子，因此每个人都可以将流量与预测值进行比较。 如果更少，那么我很不走运；如果更多，那么读者很感兴趣。
正如我观察到的那样，我将尝试在下图中呈现实际流程。
图 4.与理论预测相比，本出版物的读者实际流量。总而言之，我可以说，每个作者都可以自己掌握计算表的指南，该表已在上面介绍。 通过将某一刻的实际出版物流量除以该刻该列中的值，它可以预测第三天结束时的读者人数。 在此期间，作者有机会以一种或另一种方式来影响其材料的可读性，例如，在评论中更积极，更详细地回应。 您还可以将出版物与其他出版物进行比较，了解外部出版物如何影响读者的优先次序。 唯一的建议是，请理解，这些数字是根据对仅一天（2019年9月28日）的出版物读者群的分析得出的。