赞助内容产品的变化—

[rakibhasanbd4723]

Facebook 关注者数：出版物 Facebook 页面的粉丝数（或“赞”）数量。
Twitter 关注者：出版物或博主的 Twitter 帐户的关注者数量。对于拥有多个帐户和/或投稿作者的出版物，仅使用关注者最多的帐户。
Pinterest 关注者：出版物或博主的 Pinterest 帐户的关注者数量。
假设
假设本研究中的数据集是整个博客 阿曼电报筛选 和其他在线出版物生态系统的代表性样本，因为结果与 Moz 的 页面权威分布非常相似，该分布分析了超过 10,000 个 SERP 和 200,000 个唯一页面。该回归模型的平均页面权威为 40.8，标准差为 15.1。分布如下图所示。


Moz-分布.jpg
本研究中的回归模型的平均值是 47.1，标准差是 15.5。博客和出版物样本集的页面权威性略高于 Moz 研究。这是意料之中的，因为该研究仅测量了根域，而不测量这些域内的长尾页面。


出版商-分发.jpg
除了这个微小的差异之外，分布曲线几乎相同。对于那些喜欢数字的读者来说，本研究中页面权威数据​​的描述性统计数据如下。


出版物统计.jpg
限制
—该研究根据一篇赞助文章的成本确定了定价基准。由于一些出版物只向营销人员提供长期承诺，其中可能包括其他好处（横幅、电子邮件、社交推广等），因此一些出版物的单位定价可能会被夸大。因此，回归模型可能不是所有情况下都准确的价格预测器。

社交账户数据——并非所有在线出版物都有 Facebook、Twitter 和 Pinterest 账户。在这些情况下，数字零用于量化关注者。此外，对于在同一网络上拥有多个账户的出版物，该研究测量了关注者最多的账户。