В продолжение постов исследования свой страницы HR-аналитики в фейсбуке. Я скачал более 1 000 постов в фейсбуке и уже сделал несколько постов, см.
И читайте книги в тему поста
Сегодня я решил проверить гипотезу, нужно ли выдерживать временную паузу, чтобы получать больше лайков. Идея простая: если слишком частить постами, то фейсбук просто не будет показывать новые посты.
И если гипотеза верна, то должна быть связь между временем между постами и количеством лайков.
Математика простая: я получаю новую переменную - разница между временем размещения предыдущего поста и данного и смотрю корреляцию между этой разницей во времени и количеством лайков данного поста.
Поскольку данные явно не нормально распределены, я использую коэффициент корреляции Спирмена. P - value просто по краю - 0, 04, что делает результаты практически неприменимыми.
Может показаться, что здесь связь обратная - линию должна с левого верхнего края ниспадать. Я попробовал получить сглаживающую линию
Результат на картинке - нет, тренд у нас не идет сверху вниз, машина видит ситуацию так.
Мы можем преобразовать данные и получить распределение близкое к нормальному
Ситуация получше, связь есть, но практически по прежнему слабо применимо.
- В какое время лучше размещать посты на странице facebook, чтобы получать больше лайков
- HR аналитика: самые популярные и самые непопулярные темы.
И читайте книги в тему поста
Сегодня я решил проверить гипотезу, нужно ли выдерживать временную паузу, чтобы получать больше лайков. Идея простая: если слишком частить постами, то фейсбук просто не будет показывать новые посты.
И если гипотеза верна, то должна быть связь между временем между постами и количеством лайков.
Математика простая: я получаю новую переменную - разница между временем размещения предыдущего поста и данного и смотрю корреляцию между этой разницей во времени и количеством лайков данного поста.
Результаты
- Здесь ось Y - количество лайков за пост;
- X - разница между постами в часах.
Поскольку данные явно не нормально распределены, я использую коэффициент корреляции Спирмена. P - value просто по краю - 0, 04, что делает результаты практически неприменимыми.
Может показаться, что здесь связь обратная - линию должна с левого верхнего края ниспадать. Я попробовал получить сглаживающую линию
Результат на картинке - нет, тренд у нас не идет сверху вниз, машина видит ситуацию так.
Мы можем преобразовать данные и получить распределение близкое к нормальному
Ситуация получше, связь есть, но практически по прежнему слабо применимо.
__________________________________________________________
На этом все, читайте нас в телеграмме и вконтакте
На этом все, читайте нас в телеграмме и вконтакте
Комментариев нет:
Отправить комментарий