统计CSDN流量与排名关系—设计拐点

 

背景

目前有13W历史浏览量、排名13W。今年的okr怎么定呢？思路是看看csdn整体的数据情况。取了两个关键指标：排名、浏览量。

 

统计脚本与数据分析

import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
from scipy import log

#step1:统计数据
x=np.array([1, 2, 3, 1122, 10000, 30000, 50000, 210000])	#CSDN排名
y=np.array([1975, 1054, 938, 175, 13, 13, 5, 0.23])			#CSD访问流量

#step2:拟合
#多项式拟合
def fit_poly():
	f=np.polyfit(x, y, 4)
	f_poly = np.poly1d(f)
	y_fit_poly =f_poly(x)
	return y_fit_poly
#幂数拟合
def fit_power():
	def alpha(x, a, b):
		return a*np.exp(-b/x)
	popt, pcov = curve_fit(alpha, x, y)
	a=popt[0]
	b=popt[1]
	return alpha(x, a, b)
#指数拟合
def fit_exp():
	def alpha(x, a, b):
		return x**a+b
	popt, pcov = curve_fit(alpha, x, y)
	a=popt[0]
	b=popt[1]
	return alpha(x, a, b)
#对数拟合
def fit_log():
	def alpha(x, a, b):
		return a*log(x)+b
	popt, pcov = curve_fit(alpha, x, y)
	a=popt[0]
	b=popt[1]
	return alpha(x, a, b)

#step3:绘图
y_fit = fit_poly()
data_origin = plt.plot(x, y, '*', label = 'orgin')
data_fit = plt.plot(x, y_fit, 'r', label = 'ployfit')
plt.xlabel('flow')
plt.ylabel('rank')
plt.legend(loc=4) #指定legend的位置右下角
plt.title('polyfitting')
plt.show()

 

多项式拟合（poly）

 

幂数拟合（power）

拐点（1000，240W）

 

对数拟合（Log）

拐点（30000，12W)，（10000，150W)，（1000，420W）

 

博客浏览量的爆发点

从上边的数据来看，排名与流量更符合对数关系。1W排名、150W流览量是比较好的一个最近拐点。

今年可达一半、即取中点比较理想：（3W，13W) -> (2W, 80W) -> (1W, 150W)。(80-13) * 10000) / 365 = 1800，

拆解至每天的策略即：每天新增1800流览量。

 

---

=>更多文章请参考：《中国互联网业务研发体系架构指南》

=>更多行业权威架构案例及领域标准、技术趋势请关注微信公众号：

更多权威内容关注公众号：软件真理与光