在我的以前的博客文章 ，我討論了WordPress和Google Analytics視圖計數之間的差異。今天，我想更仔細地看一下數據可能告訴我們的內容。
如果我考慮對在博客條目中顯示的WordPress視圖的數量進行建模，我認為使用Google視圖即使作為預測器也是足夠的。回顧上一篇文章中的散點圖，看起來仍然有些不對（對於那些感興趣的人，r平方值為0.44）：
我確實有其他信息供我使用，所以我認為看看是否還有其他任何東西可以驅動WordPress視圖會很有趣。作為第一次嘗試，我想保持簡單，但這裡有我可以使用的變量：
Google觀看次數： 應該是一個很好的預測器，但根據我所看到的情況，我並不那麼信服。在線天數： 我希望如果我沒有谷歌的觀點，博客文章的時間越長，獲得的觀點就越多 - 但如果我在模型中也有谷歌觀點怎麼樣？評論數： 顯示在博客條目底部的註釋數。推文： 您會認為這是不言自明的，但數字並不總是與Twitter中顯示的數字相符。理論上的推文和轉推，但一些人（重新）推特不止一次調整 - 我很想听聽你自己的經歷。 Facebook“喜歡”： 不一定是它的樣子。此計數與博客帖子共享的次數，收到的“喜歡”次數以及評論博客帖子的人數有關。並非我從經驗中知道（哈哈），但這意味著您可以討論Facebook上出現的博客文章與博客文章本身的視圖無關。 LinkedIn分享： 這個數字似乎更可靠。此數字與某人通過LinkedIn點擊鏈接以將其帶入博客條目的次數有關。但是，如果有人在LinkedIn上發布了所述博客條目，這才真正有用。有什麼看似有用嗎？
我對建模的不同嘗試最好留給另一天/博客文章，但這裡是使用Fit Model with Stepwise的結果，使用上述因素主效應和上述因素的雙因素交互：
實際按預測圖
雖然谷歌的觀點在模型中並不奇怪，但讓我感到驚訝的是，有多少評論推動了WordPress的數量。此外，我可能認為谷歌的觀點已經考慮了網上的日子，但它沒有（以及非零攔截）這一事實表明，隨著時間的推移，WordPress計數最終會累積更多。
LinkedIn計數也顯示為重要，但與我試過的其他一些建模中的日期和評論不完全相同。根據這些數據，我們無法確定有多少人真正看到了這個鏈接，並鼓勵他們點擊它。同樣，由於推文甚至沒有出現在模型中，我也沒有關於推文人數有多少粉絲的信息。所以使用LinkedIn和Twitter計數並不能真正幫助我們理解視圖計數的流行度。
我還尋找了一個甚至沒有使用谷歌視圖的模型，雖然它有一些額外的條款，但它看起來仍然很好：
我應該提一下，為Google視圖擬合模型效果不是很好（即使是天數等，這也有點令人驚訝）。雖然在不使用Google的情況下有更多條款來安裝WordPress視圖，但最大的驅動因素是在線和評論日。
最後的想法
試圖使用此模型前幾年表現不佳。有些帖子似乎會獲得大量流量，無論是由於關鍵字還是其他一些機制。至於WordPress和谷歌之間的巨大差異，我認為真實的觀點數量（無論實際意味著什麼）介於兩者之間。一些谷歌的觀點是如此之低，很難想像很少有人看到過一些條目。但是，很難通過JMP博客的索引頁面來判斷有多少人“查看”了條目（ http://blogs.sas.com/content/jmp/） 而不是點擊單個帖子來閱讀它。
自我注意（和我的博客同行） ：試圖進入2015年的前10名，提前發布並獲得大量評論......雖然我懷疑自己留下了許多評論會產生預期的效果。一個匿名同事開玩笑地提出了另一個想法：故意添加錯別字，希望善良的靈魂留下評論來糾正它。
