Статистика

 

Урсаев, ЖМК-301
Демография

Из этих данных мы видим, что на мой блог заходили люди из четырёх городов. Из Челябинска больше всего. 

Устройства 
Из этих данных мы видим, что с айфонов заходили больше всего. С компьютера заходили всего один раз. Людям проще заходить с телефонов. 


На какие страницы заходили 

Больше всего заходили на главную страницу. Остальные страницы в хаотичном порядке открывали иногда. 



Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Основы медиаэкономики. Практическое задание 1. Медиаплан СМИ.

Урсаев Александр, ЖМК-201.   Медиаплан редакции сетевого СМИ.  "NEWint" - платформа, в которой смогут публиковаться молодые "творцы". Писатели, поэты, музыканты, художники и т.п. Платформа, на которой авторы смогут обмениваться опытом друг с другом и общаться со своей аудиторией. Главный плюс платформы - это то, что все в одном месте. То есть не нужно переходить из одного приложения в другое.  1. Целевая аудитория: школьники, студенты (вузы и колледжи); люди 18-30 лет, которые интересуется новинками, трендами и готовы открывать для себя что-то новое в медиапространстве.  2. Основные расходы и доходы.  Доходы: реклама на платформе; продажа лицензии на размещение на платформе (символическая сумма 100-300 руб.).  Расходы:  Расходы на связь: интернет, телефон и т.п. - 5000 р. в месяц. - предполагается, что сотрудники будут работать "из дома", дистанционно, поэтому это оплата лично за мое пользование связью.  ПК - приблизительно 400 000 р. ...
Далее...

Кластерный анализ из внешней базы данных

Изображение
Для анализа было взято слово quest а) мы видим, что слово quest связано с такими словами, как books, film, qames и др. Есть и другие слова, связанные с новостями. Это связано с тем, что тематика квестов может быть совершенно разной, а также применяться данный формат может где угодно. б) очень много пересечений со словом other, это подтверждает, что тематика и применение квестов широко применимо в любой области жизни людей.
Далее...

Графический анализ с кластеризацией

Изображение
1. Результаты кластеризации и Image Grid отличаются. На мой взгляд, Image Grid выполнен логичнее и точнее. Там более понятен смысл разделения, нежели в кластеризации (по тому, что изображено на картинках). 2. Для анализа я выбрал альбомы музыкального исполнителя Lida. В Image Grid раздление на группы произошло по тому, что изображено на картинках: количество объектов, их размер, тип. В кластеризации принцип разделения не понятен. Картинки будто были выбраны в хаотичном порядке: нет разделения ни по цветовой гамме, ни по объектам. С классификацией Image Grid я согласен на 100%, она логична, понятна. Можно выделить конкретные признаки, по которым программа разделила на группы эти картинки.
Далее...