【原创】使用R和Google优化优化您的博客

2017 年 7 月 12 日 炼数成金订阅号

作为一个博客作者,迟早你都会对自己的作品进行衡量并试着从某些指标或角度上加以改晒。


拿我自己做例子:我已经用Google Analytics对用户的行为(访问者,回头率,页面查看等等)进行了超过一年的跟踪统计。尽管某些帖子比其他帖子看上去更”成功“,我的本意也不是通过修改标题和引言以吸引更多的点击。相反的,我比较关注的一个指标是,用户发现帖子很有用并开始阅读往期的帖子。为了测试一下我是否能对这个指标加以影响,在过去的两个月间,我做了一个小小的A-B测试。


50%的访问者将看到一个新的首页,这个首页上帖子标题后面的摘要是隐藏的。下图显示了两者的区别。


你怎么看这个问题呢?测试版本是不是能够从Pageview角度超过默认设置呢?

由于我用的是很常见的jekyll博客主题,我可以假设主题作者在关于可用性以及读者”粘度“问题上比我懂得更多。


所以,我们直接用数据说话。googleAnalyticsR-package 这个包能让我们很方便的把分析数据加载到R系统里面来。


library(googleAnalyticsR) googleAnalyticsR::ga_auth() account_list <- google_analytics_account_list() ga_id <- 119848123 dff <- google_analytics_4(ga_id, date_range = c("2017-02-19","2017-04-14"), metrics = c("users","sessions","bounceRate", "avgSessionDuration", "pageviews", "pageviewsPerSession"), dimensions = c("date","experimentVariant"), anti_sample = TRUE)


使用这些下载下来的数据,我使用较新的 weighted.summarySE 函数来比较两种页面布局下的这两个关键指标: 回头率和单一会话中的页面浏览数。

dff$Test <- ifelse(dff$experimentVariant == 0, "Baseline", "Experiment \n Setting") mm <- melt(dff[, c("Test", "sessions", "bounceRate", "pageviewsPerSession")], id.vars = c("Test", "sessions")) dfc <- weighted.summarySE(mm, measurevar="value", groupvars=c("Test", "variable"), weights = "sessions",na.rm=T) p1<-ggplot(dfc, aes(Test, value))   geom_point()   geom_errorbar(aes(ymin=value-se, ymax=value se), width=.1) p1   theme_economist(base_size = 16)   xlab("")   ylab("")   facet_wrap(~variable, scales="free_y", ncol = 1)

哇,好大的区别,两个指标都改善了大概25%的样子,我被这种小改动导致的巨大效果吓到了。尽管之前我也测试过用户界面的改动对用户行为的改变的效果(我的论文中的其他部分),这些改动的效果仍然是令人惊讶的。

昨天,我不再做试验了,而是直接把这些博客布局的改变设为了永久性的,比原来更紧凑,但却比原来更”成功“了25%。


原文链接:https://www.r-bloggers.com/optimising-your-blog-with-r-and-google-optimize/

《计算机视觉算法详解与实战开发》包含图像处理的基础知识以及案例应用,结构布局紧凑,内容深入浅出,实验简捷高效,能方便学员快速掌握Matlab编程技能并达到一定的图像处理开发技术积累。点击下方二维码报名课程

登录查看更多
0

相关内容

一家美国的跨国科技企业,致力于互联网搜索、云计算、广告技术等领域,由当时在斯坦福大学攻读理学博士的拉里·佩奇和谢尔盖·布林共同创建。创始之初,Google 官方的公司使命为「整合全球范围的信息,使人人皆可访问并从中受益」。 Google 开发并提供了大量基于互联网的产品与服务,其主要利润来自于 AdWords 等广告服务。

2004 年 8 月 19 日, 公司以「GOOG」为代码正式登陆纳斯达克交易所。
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
专知会员服务
146+阅读 · 2020年6月15日
【Amazon】使用预先训练的Transformer模型进行数据增强
专知会员服务
56+阅读 · 2020年3月6日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
硬核实践经验 - 企鹅辅导 RN 迁移及优化总结
IMWeb前端社区
5+阅读 · 2019年5月6日
PHP使用Redis实现订阅发布与批量发送短信
安全优佳
7+阅读 · 2019年5月5日
GitHub 热门:别再用 print 输出来调试代码了
Python开发者
27+阅读 · 2019年4月24日
谷歌放大招!数据增强实现自动化
新智元
8+阅读 · 2018年6月4日
为什么你应该学 Python ?
计算机与网络安全
4+阅读 · 2018年3月24日
优化哈希策略
ImportNew
5+阅读 · 2018年1月17日
tensorflow项目学习路径
北京思腾合力科技有限公司
10+阅读 · 2017年11月23日
10 小时到 10 分钟,一步步优化巨量关键词的匹配
Linux爱好者
3+阅读 · 2017年7月29日
如何七周成为数据分析师
R语言中文社区
4+阅读 · 2017年7月19日
Arxiv
35+阅读 · 2020年1月2日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
Arxiv
23+阅读 · 2017年3月9日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
专知会员服务
146+阅读 · 2020年6月15日
【Amazon】使用预先训练的Transformer模型进行数据增强
专知会员服务
56+阅读 · 2020年3月6日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
相关资讯
硬核实践经验 - 企鹅辅导 RN 迁移及优化总结
IMWeb前端社区
5+阅读 · 2019年5月6日
PHP使用Redis实现订阅发布与批量发送短信
安全优佳
7+阅读 · 2019年5月5日
GitHub 热门:别再用 print 输出来调试代码了
Python开发者
27+阅读 · 2019年4月24日
谷歌放大招!数据增强实现自动化
新智元
8+阅读 · 2018年6月4日
为什么你应该学 Python ?
计算机与网络安全
4+阅读 · 2018年3月24日
优化哈希策略
ImportNew
5+阅读 · 2018年1月17日
tensorflow项目学习路径
北京思腾合力科技有限公司
10+阅读 · 2017年11月23日
10 小时到 10 分钟,一步步优化巨量关键词的匹配
Linux爱好者
3+阅读 · 2017年7月29日
如何七周成为数据分析师
R语言中文社区
4+阅读 · 2017年7月19日
Top
微信扫码咨询专知VIP会员