Популярность интернет-контента можно спрогнозировать

На модерации Отложенный Сотрудники научно-исследовательского подразделения HP Labs компании Hewlett-Paccard создали инструмент, позволяющий прогнозировать популярность выложенных в Интернете материалов. Бернардо Хуберман и Габор Сабо предлагают предсказывать популярность постингов в блогах и роликов в видеохостингах, анализируя интересы пользователей. Причем для анализа используются данные не о количестве хитов, а о том, скольких посетителей привлекает сообщение или клип в первые часы после появления их в Сети. 

Новая методика позволила Хуберману и Сабо спрогнозировать популярность на месяц вперед 90% контента в видеосервисе YouTube и на сайте новостного агрегатора Digg.Com. В случае с Digg измерение доступа к определенному сообщению в первые два часа позволило предсказать его популярность на тридцать дней вперед с чрезвычайной конкретностью, в то время как клип на YouTube потребовал десяти дней анализа, чтобы достичь такой же точности. Такая разница в сроках объясняется различием контента на этих ресурсах: записи в Digg быстро устаревают, а ролики на YouTube привлекают внимание еще долгое время после появления. 

По мнению разработчиков, их инструмент может привлечь рекламодателей. С помощью нового ПО они смогут выявлять наиболее просматриваемые участки сайта и размещать там свои объявления. 

Напомним, что в прошлом году директор интернет-агентства PRIOR.Ru Сергей Спивак создал новый метод анализа эффективности страниц сайта, который получил название «диаграмма Спивака». Он представляет собой графическую демонстрацию перемещений пользователей по всему сайту. С помощью него можно отобразить движение потоков пользователей по всем страницам сайта, проанализировать влияние каждой страницы на совершение различных действий и выявить на них проблемные места. 

А в мае текущего года сайт YouTube начал использовать систему Buzz Targeting. Задача системы заключается в том, чтобы на раннем этапе выявлять видеоматериалы, которые потенциально могут стать хитами просмотра. Для этого применяются специальные алгоритмы, оценивающие темпы роста числа просмотров файлов, то, как часто они попадают в «избранное», рейтинги и прочие показатели.