
تعداد کل بازدیدها یک عدد ظاهری است. در این مقاله میآموزید چطور با ثبت نمونههای متوالی از ویدیوها، سرعت جمعآوری بازدید یا همان شتاب رشد (Velocity) را برای شناسایی ویدیوهای برتر و زمانبندی تبلیغات ارزیابی کنید.
تعداد کل بازدیدهای یک ویدیو تنها یک عدد سطحی و ظاهری است. یک ویدیوی با ۱۰۰ هزار بازدید که طی شش ماه به این عدد رسیده، رفتار کاملاً متفاوتی با ویدیویی دارد که همین تعداد بازدید را در ۴۸ ساعت نخست کسب کرده است؛ اما اگر تنها به آمار نهایی نگاه کنید، هر دو یکسان به نظر میرسند. آنچه برای تشخیص برندگان واقعی، زمانبندی تبلیغات پولی و درک ارزیابی اولیه الگوریتم اهمیت دارد، در واقع «شتاب رشد» یا همان سرعت انباشت بازدیدها و زمان توقف آنها است.
شما نمیتوانید این آمار را با یک درخواست ساده و منفرد به دست آورید و هیچ نقطه پایانی (Endpoint) وجود ندارد که مستقیماً «بازدید بر ساعت» را به شما نشان دهد. شما باید با نمونهبرداری مکرر از ویدیوهای یکسان در طول زمان و محاسبه تغییرات (Deltas) این دادهها را بسازید.
دو دلیل اصلی وجود دارد که شتاب رشد را به متریک مفیدتری تبدیل میکند:
نکته مهم این است که دادههای عمومی معمولاً یک تصویر لحظهای از تعداد بازدیدها در «همین الان» را به شما میدهند. شتاب رشد در واقع مشتق این روند است، بنابراین باید با نمونهبرداری مکرر، سری زمانی خود را بسازید.
الگوی کار مشابه هر سیستم پایش دیگری است: تعداد بازدیدهای فعلی را در یک بازه زمانی مشخص دریافت کنید، هر خوانش را به همراه یک برچسب زمانی ذخیره کنید و تغییرات ایجاد شده بین خوانشهای مختلف را محاسبه کنید.
برای پلتفرمهایی مانند تیکتاک، ویدیوهای یک سازنده بازگردانده میشوند که شامل شمارش تعداد پخش و زمان ایجاد (بر حسب ثانیه یونیکس) هستند.
هنگامی که دو یا چند نمونه از هر ویدیو در اختیار داشته باشید، شتاب رشد بهسادگی برابر است با تغییرات تعداد بازدیدها تقسیم بر تغییرات زمان:
def velocity(snap_a, snap_b):
"""بازدید بر ساعت بین دو نمونه از یک ویدیوی یکسان"""
dv = (snap_b["plays"] or 0) - (snap_a["plays"] or 0)
dt_hours = (snap_b["captured_at"] - snap_a["captured_at"]) / 3600
return dv / dt_hours if dt_hours > 0 else 0
اکنون میتوانید کارهای مفیدی انجام دهید: ویدیوهای تازه را بر اساس شتاب رشد در ۲۴ ساعت نخست رتبهبندی کنید تا برندگان زودهنگام را پیدا کنید، زمان افت شتاب رشد به سمت صفر (نقطه اوج ویدیو و توقف تبلیغات) را تشخیص دهید، و منحنی اولیه یک پست جدید را با برندگان تاریخی خود مقایسه کنید تا جایگاه نهایی آن را پیشبینی کنید.
یک روال کاربردی به این شکل است: در ۷۲ ساعت نخست انتشار ویدیوهای جدید (که سیگنال اصلی در آن قرار دارد) بهطور مکرر نمونهبرداری کنید، سپس این روند را به صورت روزانه ادامه دهید و پس از هموار شدن منحنی شتاب، متوقف شوید. همهچیز را ذخیره کنید و سپس نمودار روند بازدید در برابر زمان را برای هر ویدیو ترسیم کنید. برای مجموعهای از پستهای اخیر، این کار هزینه اعتباری روزانه متوسطی دارد و از زیرساختی مشابه یک داشبورد پایش عمومی بهره میبرد. عادات صرفهجویی در اعتبار را به خاطر بسپارید زیرا ردیابی شتاب رشد مستعد پرسوجوی بیش از حد (Over-polling) است.
این متریک نشان میدهد که یک ویدیو با چه سرعتی در طول زمان بازدید جمعآوری میکند (بازدید بر ساعت یا روز) و با تعداد کل بازدیدها متفاوت است. شتاب رشد نشان میدهد که آیا یک ویدیو در حال جهش، رشد تدریجی یا رسیدن به اوج است، چیزی که تعداد کل بازدیدها به تنهایی آن را پنهان میکند.
خیر. نقاط پایانی عمومی تعداد بازدید فعلی را به عنوان یک تصویر لحظهای برمیگردانند. برای اندازهگیری شتاب رشد، باید به طور مکرر از یک ویدیوی یکسان در طول زمان نمونهبرداری کنید و تغییرات بین خوانشها را محاسبه کنید.
در ۷۲ ساعت اول انتشار ویدیو (که بیشتر سیگنالها در آنجا قرار دارند) با فاصله کم (مثلاً هر چند ساعت یکبار) نمونهبرداری کنید، سپس به حالت روزانه تغییر دهید و پس از صاف شدن شتاب، متوقف شوید.
زیرا این یک سیگنال زودهنگام است و شکل روند را آشکار میکند. شتاب روز اول، برندگان را پیش از آنکه مجموع بازدیدها چشمگیر به نظر برسد پیشبینی میکند.
فقط رو به جلو. شتاب رشد به نمونههای سری زمانی نیاز دارد، بنابراین نمیتوانید آن را برای دورهای پیش از شروع نمونهبرداری بازسازی کنید.
دلیل اینکه چرا یک ویدیو بازدید گرفته است را مشخص نمیکند. شما تعداد پخشهای عمومی را دریافت میکنید، نه مواردی مانند نرخ ماندگاری یا منابع ترافیک که جزو آمارهای مختص صاحب حساب هستند.
منبع: sociavault
نظرات
ورود به حساب