ALEXA排名的奥秘（续）
我挑选了几个自己比较熟悉的网站，将它们的Rank，Reach per Million和Page Views per User列了一个表，这样可以相互比较，获得渗透率和消费指数的平均水平。
|
|
Rank |
ReachPerM |
PageViewPerU |
|
BrandManager |
67086 |
12 |
10.9 |
|
51testing |
30082 |
34.5 |
6.7 |
|
ef |
|
65 |
5.6 |
|
EnglishTown |
3518 |
315 |
4 |
|
AMT |
3039 |
227 |
9.4 |
|
139 |
531 |
2510 |
1.9 |
|
jrj |
432 |
2320 |
8.4 |
|
sohu |
10 |
|
10.2 |
从表中看到，Reach每增加一倍，Rank就会提高一半。在Reach相同的情况下，再看Page View，Page View每加倍，Rank大概变化1/10。这与ALEXA所宣称的规律有所不同，似乎Reach和PageView不平等，Reach占的比重更大一些。当然也许是因为我样本太小，或者ALEXA使用的Page View Per Million，它与Page View Per User有很大悬殊。
将Reach作为X轴，Rank作为Y轴作图，得到一个双曲线。对X轴和Y轴取对数刻度，得到一条直线。
以log(Reach)为X轴，log(Rank)为Y轴，作图。对各点作线性拟和，得出趋势线方程 log(Rank) = -1.0533*log(Reach) + 6.0911（R2=0.9873）。
使用EXCEL模拟运算表，对Reach的不同取值计算相应Rank，计算结果可以作为日后快速查询之用。
|
Reach |
Rank |
|
10 |
10 |
|
30 |
3 |
|
60 |
16526.21 |
|
100 |
9649.393 |
|
300 |
3033.529 |
|
600 |
1461.751 |
|
1000 |
853.4931 |
|
3000 |
268.317 |
|
6000 |
129.2925 |
|
10000 |
75.49184 |
|
30000 |
23.73276 |
|
60000 |
11. |
|
100000 |
6.677286 |
现在对于我们的客户，我可以推断，其Page View值还算不错，保持现在的内容增加速度即可，无须再加大投入；但是渗透率的提高，是努力的重点所在。那么，怎样增加渗透率呢？有兴趣的朋友可以与我交流。
推荐到鲜果：
评论