Как просмотры 46 тысяч статей на Хабре связаны с выходными, автором и длинными словами

Прокомментировать Просмотры: 0

Белый Кролик смотрит на часы. Иллюстрация создана с помощью ИИ по мотивам рисунков Джона Тенниела к книге Льюиса Кэрролла «Приключения Алисы в Стране чудес» (1865)

Пока редактор работал над моей первой статьёй для SE7ENа, я задумался: в какой момент её лучше выпустить? Изучил доступные материалы, но однозначного ответа не нашёл. Пришлось разобраться самому. В результате появилась вторая статья, которая, по иронии, публикуется раньше первой. Для исследования времени публикации начало вполне подходящее.

Лорду Морли приписывают высказывание: «В речи имеют значение три вещи: кто говорит, как говорит и что говорит. Из этих вещей наименьшее значение имеет третья». Я добавил к этому списку четвёртый вопрос — когда — и решил выяснить, что об этом могут рассказать данные SE7ENа.

Для исследования я собрал сведения о 46845 статьях, проанализировал язык 1516 текстов и построил модели прогнозирования популярности. Некоторые выводы пришлось отбросить из-за обнаруженных ошибок. Самые показательные из них я разобрал в разделе 9.

Содержание статей — их темы, полезность, аргументацию и качество — я не оценивал. Речь пойдёт о времени публикации, авторах и формальных характеристиках текстов.

TL;DR: в собранных данных статьи, опубликованные по выходным, получали больше просмотров. Медиана среднего числа просмотров в день за весь срок жизни статьи (VPD) выше в 1.4–1.5 раза, а оценки отношения просмотров в основных регрессиях с поправками составляют около 1.2–1.3. Разница сохраняется при сравнении публикаций одного автора, хотя примерно 39% статей выходного дня по VPD не превосходят типичную статью, вышедшую в будни. С праздниками связана похожая закономерность. Результаты разных авторов отличаются в разы; связь между простотой текста и просмотрами слабая и зависит от метода сравнения. Найти «идеальный час» с помощью прогнозных моделей не удалось.

Перед нами наблюдение, а не эксперимент. То, что субботние статьи набирали больше просмотров, ещё не означает, что перенос вашей публикации со среды на субботу улучшит её результат. Полная методология, результаты и код доступны в репозитории исследования. Здесь я остановлюсь на главном.

1. Сверим часы

Говорят, месяц в лаборатории способен сэкономить час в библиотеке. Я предпочёл начать с библиотеки — точнее, с чужих исследований.

В анализе десятилетней давности (@jehy, 2016) лидером по среднему рейтингу оказался час, в который вышли всего две статьи, одна из них — хит. Е. Татарников (@TatarnikovEgor, 2026) также заметил, что публикации в нерабочие часы получают больший охват, и предположил, что причина в меньшей конкуренции за внимание. А Д. Шубин (@ShyDamn, 2026) на выборке из 1233 статей показал, насколько мало формальные свойства текста объясняют его рейтинг.

На небольшой выборке нетрудно обнаружить идеальный час, особенно если выбирать из 168 комбинаций дня недели и часа. В дополнение к существующим работам я сравнил публикации одних и тех же авторов, рассмотрел праздники и сопоставил групповые корреляции с индивидуальными.

Отправной точкой стали два хаба, наиболее близких моим профессиональным интересам: «Искусственный интеллект» и «Машинное обучение» — далее ИИ/МЛ. Чтобы выяснить, не ограничиваются ли найденные закономерности этой тематикой, я добавил ещё пять крупных хабов.

9–10 ноября 2026 года я собрал метаданные SE7ENа для типа публикации «статья», существовавшего до реформы (см. раздел 11). Получились два пересекающихся корпуса русскоязычных материалов: 21389 статей в ИИ/МЛ и 29399 в хабах «Информационная безопасность», «Программирование», «Научно-популярное», «Веб-разработка» и «Python» — далее «пять хабов». Из них 3943 статьи входят в оба корпуса, а всего уникальных публикаций — 46845. Таким образом, корпуса дают два среза данных, но не два независимых подтверждения.

Для сравнения выходных с буднями я использовал публикации за последний год, начиная с 9 ноября 2025 года. Общее временное окно позволяет сопоставить корпуса, не смешивая нынешнюю активность с гораздо более ранними периодами жизни SE7ENа. В выборку вошли статьи возрастом не менее 30 дней — далее «зрелые»: 6775 публикаций ИИ/МЛ и 16577 из пяти хабов. Для разных задач применялись разные подвыборки; анализ праздников в ИИ/МЛ охватывал историю начиная с 2016 года.

В собранных данных есть накопленное число просмотров, но нет сведений о просмотрах за первую неделю. Поэтому я использовал VPD (views per day): общее число просмотров, делённое на возраст статьи в днях. У этой метрики есть особенность. Допустим, обе статьи собрали по 10000 просмотров, но одной из них 100 дней, а другой — 1000. Их VPD составит 100 и 10, хотя просмотров поровну. При этом основная активность обычно приходится на первые дни, чего деление на возраст не учитывает.

Здесь VPD служит только описательной метрикой. Поэтому я проверял выводы и другими способами: сравнивал статьи близкого возраста, их позиции по просмотрам среди материалов того же месяца и строил регрессии. Однако ни один из этих методов не заменяет данные о просмотрах за одинаковый промежуток времени.

Выходными я считал субботы и воскресенья, кроме рабочих суббот по производственному календарю. В выбранном годовом периоде рабочих суббот не было. Праздничные дни, выпавшие на будни, в основном сравнении отнесены к будням; отдельно я рассмотрю их в разделе 6. Время публикации взято из метаданных SE7ENа, а для календарных группировок используется московский часовой пояс — прошу прощения у читателей из Владивостока. Заголовки, хабы и счётчики отражают состояние на момент сбора. Удалённые и снятые с публикации статьи в выборку не вошли, что могло внести смещение, известное как ошибка выжившего.

2. Суббота наносит ответный удар

Исходная гипотеза была простой: статьи, вышедшие в выходные, получают больше просмотров.

Рисунок 1. Медианный VPD по дням недели в ИИ/МЛ. Над столбцами — число статей. Сравнение без поправки на возраст; дополнительные проверки приведены в разделе 4.
Рисунок 1. Медианный VPD по дням недели для ИИ/МЛ. Числа над столбцами показывают количество статей. Возраст в этом сравнении не учитывается; дополнительные проверки представлены в разделе 4.

На рисунке 1 заметно, что будние дни почти не различаются: с понедельника по пятницу медианный VPD находится в узком диапазоне 14.3–16.2. Субботний показатель существенно выше, а воскресенье тоже опережает будни.

Для ИИ/МЛ медианный VPD равен 21.3 в выходные и 15.1 в будни, отношение — 1.41. В пяти хабах показатели составляют 21.7 и 14.8, отношение — 1.47. Соответствующие 95%-ные доверительные интервалы (далее — ДИ), рассчитанные методом бутстрепа по авторам, равны [1.24; 1.55] и [1.28; 1.64]. Интервалы, полученные бутстрепом по целым неделям, также лежат выше единицы.

При этом 39.1% статей выходного дня в ИИ/МЛ и 38.5% в пяти хабах не достигают медианного VPD будничных публикаций своего корпуса.

Стоит заметить, что в субботу и воскресенье появляется примерно вдвое меньше статей, чем в любой из будних дней: это видно по числам над столбцами. Напрашивается объяснение: конкурентов меньше, поэтому материал дольше остаётся на виду. Однако количество статей в корпусе ещё не отражает конкуренцию за внимание читателей напрямую. К этой гипотезе я вернусь в разделе 5, а сейчас посмотрим на дни и часы.

Рисунок 2. Медианный VPD по часам в ИИ/МЛ. Маленькие группы сильно шумят.
Рисунок 2. Медианный VPD по часам публикации в ИИ/МЛ. В небольших группах значения сильно колеблются.

Днём, с 9 до 15 часов, медианный VPD по отдельным часам обычно составляет около 13–16, а вечером, с 16 до 22 часов, — 17–20. Проверим, остаётся ли разница при раздельном рассмотрении будней и выходных.

Время публикации

ИИ/МЛ (медианный VPD)

Пять хабов (медианный VPD)

Будни, день

13.9

13.1

Будни, вечер

17.4

17.5

Выходные, день

17.5

20.6

Выходные, вечер

23.0

21.9

Вечерние публикации выглядят предпочтительнее дневных, хотя в выходные разница для пяти хабов невелика. Примечательно, что в ИИ/МЛ медианы для дневных статей выходного дня и вечерних будничных почти совпадают, а в пяти хабах первые даже опережают вторые.

Ночью же показатели скачут: максимум приходится на 4 часа — возможно, на 4:20, хотя минуты я не проверял. Но в этой группе всего 26 статей, поэтому даже медиана может быть нестабильной. Мы знаем время публикации, а не время чтения, и проверить предположение о свободных часах аудитории не можем.

А что насчёт 8 утра, когда VPD достигает 22.1 на 200 статьях ИИ/МЛ? Проверка показала, что в пяти хабах среди трёх соседних часов лидирует уже 7 утра, в том числе после исключения общих статей. Исключение корпоративных блогов не меняет картину ни в одном из корпусов. Даже в ИИ/МЛ сравнение 8 часов с объединённой группой 7 и 9 часов не даёт надёжного ответа: 95% ДИ отношения медиан равен [0.97; 1.93]. Ещё один кандидат на звание идеального часа выбыл.

Рисунок 3. Тепловая карта «день недели × час». Серым — сочетания, где меньше 20 статей.
Рисунок 3. Тепловая карта по сочетаниям дня недели и часа. Серым выделены ячейки, содержащие менее 20 статей.

На тепловой карте (рисунок 3) видны ещё несколько привлекательных пиков: понедельник в 7 утра и среда в 8 вечера входят в число самых тёмных ячеек. Но в них всего 30 и 29 статей соответственно. Они похожи на окна возможностей, однако, как говорил товарищ Саахов, торопиться не надо. Чем подробнее разбивка по времени, тем выше вероятность принять случайный шум за пик.

Куда интереснее две нижние строки — суббота и воскресенье. В 22 из 26 выходных ячеек с достаточным числом статей значение выше медианы будничных ячеек. Следовательно, преимущество выходных не объясняется одним случайно удачным часом. А вот рекомендацию вроде «среда, 20 часов» из этой карты вывести нельзя.

3. Кто здесь главный — автор или календарь?

У корпоративного блога обычно есть редакционный календарь, сроки и медиаплан. Автор личного блога чаще располагает свободными вечерами, выходными, отпуском или внезапным вдохновением. Если разные авторы предпочитают разные дни, преимущество выходных может быть связано не столько с календарём, сколько с самими авторами.

Поэтому я выбрал тех, у кого за год было не менее двух зрелых статей и в будни, и в выходные. Для каждого автора вычислил отношение медианных VPD, а затем взял медиану полученных отношений. Один автор — один голос.

Таких авторов нашлось 111 в ИИ/МЛ и 220 в пяти хабах. Для типичного автора отношение выходного показателя к будничному составило соответственно 1.39 и 1.30, с ДИ [1.24; 1.74] и [1.17; 1.54]. Преимущество сохраняется и при сравнении статей одних и тех же людей, поэтому объяснить его только составом авторов нельзя. Но это ещё не доказывает влияние дня публикации: во вторник автор может выпускать короткие заметки по горячим новостям, а в воскресенье — подробные руководства. Кроме того, в анализ вошли лишь активные авторы.

Чтобы сопоставить календарные различия с различиями между авторами, я рассчитал медианный VPD для каждого, кто опубликовал за год не менее трёх зрелых статей. У половины таких авторов показатель находится в пределах 9.5–28.5 в ИИ/МЛ и 8.1–28.8 в пяти хабах. Типичные результаты авторов отличаются на сотни процентов, тогда как преимущество выходных составляет десятки процентов.

Итак, фактор «кто» заметно связан с результатом, но отделить его от «что» невозможно: темы, качество материалов и продвижение в исследовании не учитывались. Поэтому самый спорный тезис Морли — о том, что содержание имеет наименьшее значение, — остаётся за рамками анализа.

4. Поправка на возраст и состав

Рассмотрим другие возможные объяснения: возраст публикаций, переводы и влияние крупных блогов.

В обоих корпусах выходные лидируют во всех трёх крупных возрастных группах и почти во всех 15-дневных интервалах: в 21 из 22 для ИИ/МЛ и в 22 из 22 для пяти хабов по точечным оценкам. Более того, медианный возраст выходных статей даже немного выше, чем будничных, хотя у старых материалов VPD обычно ниже. Одной разницей в возрасте результат объяснить сложно.

Общая картина сохраняется при сравнении внутри месяца, а также после исключения переводов в ИИ/МЛ, наиболее активных авторов и крупнейших корпоративных блогов.

Затем я проверил, останется ли преимущество выходных после учёта других различий между публикациями. Для этого была построена регрессия с поправками на возраст, месяц публикации, хаб, тип блога и плотность публикаций — число статей исследуемого корпуса, вышедших за предыдущие сутки. Целевой переменной стал логарифм просмотров: log10(просмотры + 1).

После поправок оценка отношения просмотров выходных статей к будничным составляет 1.23 для ИИ/МЛ и 1.27 для пяти хабов. Строго говоря, речь об отношении геометрических средних величины «просмотры + 1». Поскольку плотность публикаций может быть частью механизма наблюдаемой связи, я сравнил модели с этой поправкой и без неё. Во втором случае оценки оказались выше.

Ещё одна проверка — регрессия с фиксированными эффектами авторов, учитывающая постоянные различия между ними. Для неё использовались 2586 статей 360 авторов ИИ/МЛ и 8963 статьи 657 авторов пяти хабов, публиковавшихся как в будни, так и в выходные. Остальные поправки остались прежними. Оценки отношения просмотров составили 1.23 и 1.19, а соответствующие ДИ — [1.09; 1.39] и [1.09; 1.29].

Результаты разных проверок представлены на рисунке 4. Все точечные оценки превышают единицу. Интересно, что в ИИ/МЛ на одной и той же подвыборке учёт фиксированных эффектов авторов повышает оценку с 1.14, где ДИ включает единицу, до 1.23. Иными словами, постоянные различия между авторами не обязательно завышают оценку связи с календарём. Подробности доступны в полной версии исследования.

Рисунок 4. Проверки устойчивости преимущества выходных. Верхняя и нижняя панели показывают разные статистические показатели; напрямую сопоставлять величины оценок между панелями нельзя. Усы — 95% ДИ с учётом группировки по авторам. В нижних двух строках для каждого корпуса использована одна подвыборка авторов. «Личные блоги» — только некорпоративные публикации. Сплайн — гибкая поправка на возраст.
Рисунок 4. Проверки устойчивости преимущества выходных. На верхней и нижней панелях показаны разные статистические показатели, поэтому напрямую сравнивать их оценки нельзя. Усы обозначают 95% ДИ с группировкой по авторам. В двух нижних строках каждого корпуса использована одна и та же подвыборка авторов. «Личные блоги» включают только некорпоративные публикации. Сплайн — гибкая поправка на возраст статьи.

Различие между личными и корпоративными блогами тоже заслуживает внимания. В пяти хабах после поправок отношение выходных к будням оценивается в 1.69 для корпоративных публикаций (ДИ [1.32; 2.15]) и в 1.17 для личных; разница статистически значима. При этом в расчёте на один день по выходным корпоративных статей выходит примерно вчетверо меньше. В ИИ/МЛ убедительной разницы между типами блогов не обнаружено. Не исключено, что корпоративные статьи выходного дня отличаются по содержанию.

5. Чеширская корреляция

Вернёмся к предположению Татарникова о конкуренции. В выходные публикаций меньше, а свободного времени у читателей, возможно, больше. Если соседних материалов в ленте немного, каждая статья может дольше оставаться заметной.

Для проверки я использовал показатель плотности публикаций: число статей исследуемого корпуса, вышедших за предшествующие 24 часа. Это лишь приблизительная мера конкуренции за внимание. Лента конкретного читателя зависит от его подписок и фильтров, а сопоставимых данных о показах и переходах у меня нет.

На агрегированных данных связь выглядит впечатляюще. Если взять семь точек — по одной на каждый день недели, — ранговая корреляция Спирмена (ρ, показатель согласованности порядка значений) между числом статей и медианным VPD составит −0.93 в ИИ/МЛ и −0.86 в пяти хабах. Казалось бы, доказательство найдено: чем реже обновляется лента, тем больше просмотров.

Однако на уровне отдельных статей связь почти исчезает. В годовом окне корреляция плотности публикаций с VPD равна 0.05 для ИИ/МЛ и −0.05 для пяти хабов. При сравнении внутри отдельных месяцев она также близка к нулю. Если рассчитывать плотность по объединённым корпусам без дубликатов, значения составят −0.003 и −0.009. При этом даже объединённый корпус не охватывает всю ленту SE7ENа. Замена предыдущих суток на следующие не меняет вывода. Сильной отрицательной связи нет и при отдельном анализе будней и выходных, в том числе после поправок на возраст и состав статей.

При группировке по дням недели низкая плотность и высокий VPD совпадают главным образом в выходные. Поэтому сильная корреляция на семи точках может отражать уже найденное различие между буднями и выходными, а не влияние конкуренции. Переносить закономерности с групп на отдельные объекты без дополнительной проверки — значит рисковать совершить экологическую ошибку (ecological fallacy). Для отдельных публикаций столь сильная связь в наших данных не наблюдается.

Я провёл ещё одну проверку: разделил статьи на пять примерно равных групп по плотности публикаций и внутри каждой сравнил медианные VPD выходных и будничных материалов (рисунок 5).

Рисунок 5. Отношение медиан VPD выходных и будней внутри групп плотности публикаций для обоих корпусов. Усы — 95% доверительные интервалы по авторам.
Рисунок 5. Отношение медианных VPD выходных и будничных статей в группах с разной плотностью публикаций для обоих корпусов. Усы показывают 95%-ные доверительные интервалы по авторам.

В трёх группах с относительно низкой плотностью выходные сохраняют преимущество. Но с ростом плотности число выходных статей сокращается: в ИИ/МЛ от первой группы к пятой оно падает с 755 до 18. В двух последних группах ДИ широкие и включают единицу, то есть статистически значимого различия не обнаружено. Данных для уверенного вывода недостаточно.

Поправка на плотность в регрессиях уменьшает оценку преимущества выходных, но не сводит её к нулю. Объяснить разницу только загруженностью ленты не получается. Впрочем, это не опровергает гипотезу конкуренции: данные о показах недоступны, а узкий диапазон плотности внутри групп может ослаблять наблюдаемую связь.

В аналогичных регрессиях, где целевыми переменными выступают комментарии и закладки, оценки для выходных также выше примерно на 20–30%. Но в пересчёте на 1000 просмотров выходные статьи получают больше комментариев: медианное число примерно на треть выше в обоих корпусах. Закладок же в ИИ/МЛ приходится меньше, а в пяти хабах разница статистически неразличима. Связь с рейтингом слабее и неоднородна: в пяти хабах доля статей с рейтингом не ниже 10 выше среди выходных публикаций, а в ИИ/МЛ примерно одинакова.

Выходит, в выходные меняется не только количество просмотров, но и характер взаимодействия с материалами. Возможно, в будни мы читаем SE7EN преимущественно для работы и сохраняем полезное, а в выходные — для удовольствия и охотнее участвуем в обсуждениях?

В некоторые рабочие часы доля корпоративных публикаций в ИИ/МЛ достигает 60%. Значит, сравнивая часы, мы одновременно сравниваем и состав материалов. Может различаться и их характер: например, в выходные чаще выходят подробные руководства с длительным поисковым хвостом, а в будни — статьи по актуальным инфоповодам с коротким всплеском интереса. Отделить эти объяснения от различий в читательских привычках по динамике просмотров и источникам трафика невозможно: соответствующих открытых данных нет.

6. Праздник, который всегда с тобой

Обычно в году около 118 нерабочих дней — почти треть. Помимо суббот и воскресений, к ним относятся праздничные и перенесённые нерабочие дни, выпадающие на будни. Такой день напоминает внеплановый выходной: многие не работают, статей выходит меньше, а свободного времени у аудитории может быть больше. Если праздники связаны с похожим результатом, это косвенно указывает на роль нерабочего дня, а не субботы или воскресенья как таковых.

Календарь оказался сложнее простого перечня праздничных дат: нужно учитывать переносы и рабочие субботы. Я использовал производственный календарь за 2016–2026 годы, исключив обычные выходные и особые нерабочие дни 2020–2021 годов. Чтобы уменьшить влияние дня недели и сезонности, каждому празднику были подобраны контрольные даты: рабочие дни того же дня недели за одну, две и три недели до или после него.

Популярность я сравнивал по перцентилю просмотров — относительному месту статьи среди публикаций близких дат. Сначала сравнение проводилось внутри месяца, но праздники часто приходятся на его начало, и у таких статей может быть больше времени накопить просмотры.

Поэтому основная оценка основана на перцентилях среди статей, опубликованных в пределах семи дней до и после каждой публикации, при тех же контрольных датах. Медианный перцентиль праздничных статей выше контрольных на 8.2 процентного пункта (п.п.) в ИИ/МЛ и на 11.7 п.п. в пяти хабах. 95% ДИ по эпизодам и контрольным неделям составляют [4.5; 11.5] и [7.4; 16.2].

При изменении ширины окна от ±3 до ±14 дней разница остаётся положительной: 5.1–11.0 п.п. и 10.5–13.2 п.п. соответственно. В локальном окне должно быть не менее 20 статей, поэтому вместе с его шириной меняется и состав выборки.

Сравнение в окне ±7 дней охватывает 62 праздничных эпизода в ИИ/МЛ и лишь 7 в пяти хабах: история широкого корпуса ограничена покрытием хаба «Информационная безопасность». Контрольные даты могут относиться сразу к нескольким эпизодам, а небольшое число последних ограничивает надёжность второго ДИ. В праздники статей выходит почти вдвое меньше, доля корпоративных публикаций тоже снижается.

Не объясняется ли всё одним Новым годом? На любимый праздник с оливье действительно приходится около трети праздничных статей. Однако по месячным перцентилям исключение новогодних каникул уменьшает преимущество праздников лишь на 1.8 п.п. в ИИ/МЛ, а в пяти хабах оно даже растёт на 1.5 п.п. При исключении любого отдельного эпизода в пяти хабах разница остаётся положительной.

Другие праздники тоже неодинаковы. По месячным перцентилям оценка для 8 марта в ИИ/МЛ даже отрицательная — возможно, в этот день находятся занятия важнее SE7ENа, — а для 9 мая положительная. Но выборки невелики, поэтому искать идеальный праздник столь же сомнительно, как и идеальный час.

Праздники укладываются в общую картину: материалов выходит меньше, а опубликованные в эти дни статьи занимают более высокие места по просмотрам среди близких по дате публикаций. Но, как и в выходные, в праздники могут меняться темы, авторы и поведение аудитории.

7. Имеет ли размер значение?

С вопросами «когда» и «кто» мы разобрались. Осталось «как». Можно ли привлечь больше внимания, если писать проще? Авторы книги «Пиши, сокращай», вероятно, ответили бы утвердительно. Проверим.

Для анализа текста я вручную задал пропорции корпусов и отбирал статьи по квартилям VPD. После фильтрации осталось 1516 публикаций: 385 из ИИ/МЛ и 1131 из пяти хабов. Распределение по квартилям VPD в итоговой выборке почти совпадает с распределением среди всех зрелых статей соответствующих корпусов. Но это не гарантирует репрезентативности по другим признакам, например по темам и форматам.

Для расчёта индексов читаемости из HTML удалялись код, таблицы и формулы, после чего подсчитывались слова и предложения. Доля кода измерялась отдельно, до очистки: по объёму блоков <pre> относительно исходного текста. Такая подготовка неидеальна: формулы могут быть представлены изображениями, а технические термины плохо подходят для подсчёта русских слогов.

Я проверил несколько индексов читаемости, основанных на длине слов и предложений; формулы приведены в полной версии. Результаты похожи, но это не независимые подтверждения: скорее, одна и та же линейка, нарисованная несколькими способами. На рисунке 6 показан один из индексов.

Рисунок 6. Связь шести формальных характеристик текста с VPD. Чем дальше точка от нуля, тем сильнее наблюдаемая связь; «усы» показывают 95% доверительные интервалы по авторам (у 21 из 1516 статей отсутствует оценка времени чтения).
Рисунок 6. Связь шести формальных свойств текста с VPD. Чем дальше точка от нуля, тем сильнее наблюдаемая связь; усы обозначают 95%-ные доверительные интервалы по авторам. Для 21 из 1516 статей оценка времени чтения отсутствует.

Тексты, формально признанные более простыми, в среднем получают немного больше просмотров. Корреляция Спирмена между VPD и индексом удобочитаемости Флеша в адаптации Оборневой (ИУФО) составляет 0.22, а после поправок на возраст, длину, месяц публикации, корпус, тип блога и хабы — 0.20.

Любопытно, что длина предложений почти не играет роли: ДИ её корреляции с VPD включает ноль. Зато доля слов из десяти и более символов среди русских слов связана с VPD заметнее: −0.24 до поправок и −0.20 после них. Чем выше эта доля, тем ниже средний VPD. Но длинные слова нередко встречаются в материалах на сложные темы, а содержание и его качество здесь не оценивались.

В каждом из семи хабов, вошедших в корпуса, связь с долей длинных слов тоже отрицательна. При сравнении статей одного автора внутри корпуса скорректированные корреляции слабее: 0.17 для ИУФО и −0.15 для доли длинных слов; выборка включает 713 статей 139 авторов. Для ИУФО в ИИ/МЛ связь почти исчезает: 0.06 на 94 статьях 36 авторов. В пяти хабах она сохраняется на уровне 0.19. В объединённой выборке при равном весе авторов обе оценки ещё ближе к нулю, а ДИ включают ноль. Скорректированные корреляции приведены без ДИ; поправка на множественные сравнения описана в полной версии.

Некрасов советовал писать так, чтобы словам было тесно, а мыслям просторно. Если истолковать это как призыв выбирать более короткие слова — хотя поэт вряд ли имел в виду именно это, — данные SE7ENа с ним согласуются. Но крайности ни к чему: механически заменять «гиперпараметры» на «настройки» не стоит. Длинное слово может быть точным техническим термином, а короткое предложение само по себе не гарантирует ясности. Я сравнивал разные статьи, а не один текст до и после редактуры, поэтому утверждать, что сокращение слов обязательно принесёт просмотры, нельзя.

Самые длинные статьи не уступают коротким, а расчётное время чтения слабо положительно связано с VPD: корреляция равна 0.11. Доли кода и английских слов, как и число иллюстраций на тысячу слов, практически не связаны с VPD. Материалы с большим абсолютным числом изображений выглядят успешнее, но они обычно и длиннее.

Можно ли по индексу заранее распознать будущий хит? Если считать успешными верхние 25% статей текстовой выборки по VPD, индекс читаемости отличает их от остальных лишь немного лучше случайного ранжирования: AUC = 0.59. Эта метрика показывает качество разделения двух групп, где 0.5 соответствует случайному ранжированию, а 1 — идеальному. Оценка получена на имеющейся выборке и не является проверенным прогнозом для новой статьи SE7ENа. Как и в работе Шубина, формальные признаки слабо предсказывают популярность.

8. Ответ есть. Вопрос был другой

До сих пор мы изучали прошлое. Но исходная задача заключалась в выборе времени для будущей публикации. Сначала я попытался подойти к ней через прогноз популярности.

Можно ли предсказать популярность статьи?

Модели не анализировали содержание материалов. Им были доступны календарные признаки, формальные характеристики заголовка, тип блога и ограниченные сведения о предыдущих публикациях автора. Обучение проводилось на более ранних статьях, проверка — на более поздних.

Я сравнил LightGBM и CatBoost; подробности — в описании методики. По результатам валидации среди вариантов CatBoost были выбраны модель с квантильной функцией потерь для ИИ/МЛ и модель с RMSE для пяти хабов, обе на логарифмической шкале. CatBoost превзошёл исходный пуассоновский LightGBM, однако в пяти хабах почти весь выигрыш обеспечило обучение на логарифмической шкале: средняя корреляция Спирмена внутри месяцев на валидации выросла с 0.141 до 0.242 ещё в LightGBM, а переход на CatBoost увеличил её лишь до 0.246. В ИИ/МЛ переход к CatBoost дал более существенный прирост. Тем не менее даже выбранные модели ранжировали статьи слабо: корреляция внутри месяцев на итоговой проверке составила 0.12 и 0.27. Итоговый период я уже видел в ходе исследования, поэтому проверка является ретроспективной, а не независимой.

Абсолютное число просмотров модели завышали: в медиане в 3.57 и 1.97 раза. Возможно, отчасти причина в том, что статьи обучающей выборки дольше накапливали просмотры. Их медианный возраст на обучении и проверке составлял 1808 и 156 дней в ИИ/МЛ, 341 и 111 дней в пяти хабах. Исторических данных о просмотрах за фиксированный срок после публикации нет, поэтому обучить модель прогнозировать, например, просмотры за первый месяц невозможно.

А возможно ли вообще предсказать удачное время?

Предсказать популярность материала и подобрать удачное время его выхода — разные задачи. Представим две статьи: одну написал опытный автор с длинной историей публикаций, другую — новичок. Модель может верно определить, какая из них соберёт больше просмотров, совершенно не умея оценивать влияние времени публикации. Рекомендации по времени из такого прогноза не следует.

Календарный рейтинг дал небольшой результат. Для трёх типовых профилей — новичка, опытного автора и корпоративного блога — я менял только дату и час, затем сравнивал рейтинг времени от модели с простым правилом «выходные лучше будней». У новичка прирост ранговой корреляции с просмотрами составил всего 0.03 и 0.06; у остальных профилей результат близок. В ИИ/МЛ прирост оказался неустойчивым к разбиению и инициализации: на других разбиениях он менялся от −0.08 до +0.04. В пяти хабах его знак сохранялся.

Персональный рейтинг времени помог лишь немного. При сравнении фактических дня и часа с альтернативами при неизменных признаках публикации прирост составил −0.004 и +0.044. Этот подход я выбрал из трёх после просмотра итоговой проверки, поэтому оценка носит разведочный характер; подробности — в методике B1/B2.

Наконец, лучшие временные слоты менялись от периода к периоду. Поэтому рекомендаций вроде «публикуйте в четверг в 19, а не в среду в 20» здесь не будет.

9. Если результат слишком хорош, проверьте код

Все приведённые выше выводы получены после исправления ошибок, о которых пойдёт речь дальше. Некоторым первоначальным «победам» доверять было нельзя; именно их разбор заставил меня внимательнее проверить остальные результаты.

Назад — в будущее. Сначала я пытался предсказывать популярность статьи по просмотрам предыдущих публикаций автора. Логика казалась безупречной: январская статья вышла раньше февральской, значит, к февралю её просмотры уже известны. Но счётчики были собраны в ноябре 2026 года. Следовательно, прогнозируя февральскую статью, модель уже знала, сколько просмотров январская получит к ноябрю. С такими данными из будущего тестовая корреляция Спирмена старой модели достигала 0.297. Без просмотров предыдущих публикаций картина менялась: 0.155, если из авторских признаков оставить только число прошлых статей, и 0.128, если исключить их полностью. Это диагностика прежней модели с иным набором признаков и способом оценки, поэтому напрямую сравнивать её результаты с разделом 8 нельзя.

Ставки после финиша. В одной из ранних проверок я выбрал три наиболее успешные группы временных слотов по фактическим просмотрам, сопоставил их с тремя наименее успешными и получил великолепный «выигрыш от рекомендаций». Проблема в том, что победители были выбраны после просмотра результатов. Это всё равно что объявить после забега, будто мы всегда советовали ставить на пришедших первыми. Таким способом закономерность обнаружится даже в случайном шуме.

Слишком много праздников. В первой версии анализа я заметно преувеличил влияние праздников на число публикаций: не учёл переносы выходных и принял даты за пределами собранной истории за дни без публикаций. Получалось, будто число статей в праздники падает в 2.3 раза, хотя после исправления ошибок снижение составило 1.7–1.9 раза. Кроме того, праздники сравнивались с одним общим набором рабочих дней: например, 8 марта могло сопоставляться с рабочими днями декабря или мая, хотя активность авторов зависит от месяца. Пришлось подбирать контрольные даты для каждого праздника отдельно.

Не думай о секундах свысока. Это моя любимая ошибка. Я хотел подсчитать, сколько других статей вышло за 24 часа до каждой публикации. Код ожидал время в наносекундах, но после перехода на pandas 3 временные метки оказались в микросекундах; для воспроизводимости закреплена версия pandas 2.2.3. В итоге «предыдущие сутки» растянулись примерно на тысячу дней, а медианное число соседних публикаций выросло с 8 до 4788. Закономерности получились настолько красивыми, что ошибку совсем не хотелось искать. Код я переписал: теперь он явно приводит метки к наносекундам, а результат защищён регрессионным тестом.

Маленькие слова — большие последствия. Регулярное выражение для подсчёта слов пропускало односимвольные «я», «и», «в», «с». После исправления на минуту времени чтения, указанного SE7ENом, стало приходиться 190.4 слова вместо 174. Разумеется, это не настоящая скорость чтения: сайт автоматически оценивает время, а не измеряет, сколько читатели проводят за статьёй.

Самое неприятное, что ошибочный расчёт нередко даёт правдоподобный результат, особенно если он заранее кажется привлекательным. Как заметил Томас Гексли, великая трагедия науки — уродливый факт, способный погубить прекрасную гипотезу. Поэтому в репозитории опубликованы не только итоговые числа и графики, но и тесты, методика экспериментов, примеры найденных ошибок и проверки воспроизводимости.

Но даже после всех исправлений остаётся вопрос, на который собранные данные ответить не способны: сколько просмотров получила бы та же самая статья, выйди она в другой день?

10. Публиковать нельзя откладывать

Практические советы получились скромнее, чем хотелось, зато, надеюсь, честнее рекомендации «публикуйте во вторник в 11».

Во-первых, если материал не привязан к срочной новости, имеет смысл рассмотреть выходные среди возможных дат. В наших корпусах статьи выходного дня показывали лучшие результаты при разных способах сравнения, в том числе при сравнении публикаций одного автора. Но одной субботы для успеха явно недостаточно — см. раздел 2.

Во-вторых, не выбирайте лучший час по самому высокому столбцу графика: ночные пики основаны всего на десятках статей. Вечер часто выглядит привлекательнее дня, но польза от переноса публикации не доказана.

В-третьих, корпоративным блогам стоит проверить выходные на собственных данных: в пяти хабах их преимущество заметнее, чем у личных публикаций. Выберите несколько удобных интервалов, случайным образом распределяйте между ними сопоставимые материалы и сравнивайте просмотры за одинаковый срок, например за семь дней. Для ориентира: при независимых наблюдениях и наблюдаемом разбросе логарифма накопленных просмотров для обнаружения прироста в 20% при мощности 80% и уровне значимости 5% потребовалось бы около 650–730 статей в каждой из двух групп. У семидневных просмотров разброс может отличаться, но при 5–10 личных статьях в год такой тест вряд ли даст надёжный результат. Без случайного распределения легко перепутать влияние календаря с различиями между самими материалами.

В-четвёртых, упрощайте текст ради читателя, а не ради индекса. Признаюсь, мне это всегда давалось непросто: рука сама тянется нанизать причастные и деепричастные обороты, придаточные предложения и лирические отступления в скобках, снабдив их осторожными оговорками об ограничениях и упоминаниями уважаемых коллег и предшественников, чтобы какой-нибудь незнакомый, но взыскательный читатель не заподозрил меня в высокомерии или недостатке эрудиции. Ясность и точность важнее количества букв, а хороший текст вовсе не обязан быть коротким.

В-пятых, корпоративному блогу стоит отдельно отслеживать просмотры, комментарии, закладки и рейтинг: каждый показатель отвечает на свой вопрос. Большой охват не обязательно сопровождается столь же заметным ростом числа голосов.

И наконец, я бы не стал надолго откладывать готовую статью ради предполагаемого идеального часа. Если она готова в четверг, суббота уже близко; если в понедельник, ждать почти неделю только ради выходных едва ли оправданно. Как гласит якобы китайская пословица: лучшее время посадить дерево было двадцать лет назад, а следующее лучшее — сейчас.

Есть и забавный эффект от самой публикации исследования. Если все прочитают эту статью и одновременно перенесут свои материалы на субботу, выходные перестанут быть тихими и, возможно, утратят преимущество. Хорошо там, где нас нет: выходные были хороши, пока авторов в них было мало. Такой исход даже пригодился бы для новой проверки гипотезы о конкуренции.

11. SE7EN уже переписал правила игры

Есть ещё одно ограничение, особенно важное для выводов о плотности публикаций. 9 ноября 2026 года SE7EN объявил об объединении прежних типов статей, новостей и постов в единый тип публикации с разными форматами. Хотя общая лента существовала с 2023 года, теперь изменились классификация материалов и способы их фильтрации.

После реформы прежний фильтр типа «статья» может возвращать иной набор материалов, поэтому выводы о плотности ленты особенно важно перепроверить. К тому же данные для этого исследования собирались 9–10 ноября, как раз в период объявления изменений. Исходные ответы API не сохранились, так что полностью исключить влияние реформы на состав корпуса невозможно.

Следующий шаг — повторные измерения просмотров каждой статьи через 1, 3, 7 и 30 дней; первая версия сборщика уже доступна в репозитории. Однако даже такие данные не позволят оценить причинный эффект выбора даты. Для этого потребуется эксперимент со случайным распределением сопоставимых материалов по дням и времени публикации, в идеале — при участии самого SE7ENа.

12. Вниз по кроличьей норе

Выходные, авторы и длинные слова помогли кое-что узнать о просмотрах. Но самое сложное, пожалуй, осталось за кадром. Мы выяснили, когда выходят статьи, и немного узнали о том, кто их пишет и как устроен текст. А вопрос о том, что именно в этих материалах написано и показано, полностью остался за пределами исследования. Темы, аргументы, примеры, содержание иллюстраций и кода, юмор — всё это ещё предстоит изучить.

И вот здесь начинается настоящая кроличья нора. Анализ содержания текстов и изображений может привести к гораздо более сильным и неожиданным выводам. А может выясниться, что после нескольких месяцев работы нам снова останется сказать: «Всё страньше и страньше!»

В полной версии исследования на GitHub собраны дополнительные подробности, результаты и открытые вопросы. Там же можно попробовать найти ответы самостоятельно.

Если оставить из всей истории одну мысль, она будет такой: статистика хорошо помогает обнаруживать закономерности, но гораздо хуже отвечает на вопрос, что случится, если мы намеренно попытаемся ими воспользоваться.

В конце концов, никто не обещал, что кроличья нора непременно приведёт в Страну чудес.


P.S. Статья была готова ещё в четверг. Но, как видите, даже автору исследования непросто отказаться от соблазна выпустить её в субботу. Ведь единственный способ избавиться от искушения — поддаться ему!

P.P.S. Генеративный ИИ применялся при работе с кодом — для рефакторинга, тестов и комментариев, — а также для поиска источников, создания обложки и критической вычитки статьи. Методы машинного обучения использовались для построения прогнозных моделей.

 

Источник

Похожие статьи

Поиск по играм, новостям и статьям…

Введите не менее двух символов

Введите не менее двух символов