К основному контенту

Графический анализ и аудиторный анализ в Google Analytics

 Практическое занятие №8. Графический анализ

В кластеризации фотографии поделились на 2 группы. Первая группа объединена тем, что объекты на фото расположены близко к камере и сфотографировано что-то конкретное (ветка, шишки и тп). Во второй группе оказался общий план. 
В Image Grid фотографии из первой группы оказались не рядом друг с другом. Здесь тоже можно увидеть две группы. Первая - фото 17, 111, 12, думаю они объединены тем, что на них есть тропинка. Вторая группа не такая явная - фото 16 и 110, не очень понятно чем они объединены. Остальные фотографии не объединены в группы. 
 Проще определять по Image Grid, тк он нагляднее. Но, точнее оказалась кластеризация. 

Я выбрала фотографии природы, которые сделала в течении года. Разделение очень понятно в кластеризации, в Image Grid оно понятно меньше. Факторами разделения в основном являются объекты.



Практическое занятие №9. Аудиторный анализ в Google Analytics
Я взяла гугл аналитику у Лизы Чугуновой, тк у меня не получилось подключить к ней свой блог.

За последнюю неделю её блог никто не просматривал. Это объясняется тем, что в это время не было задания.

Среднее время взаимодействия со страницей - 20 сек. 8 активных пользователей, 6 из которых новые. 

За год к ней на страницу заходили, в основном, люди из Росси, что объясняется тем, что основная аудитория блога - студенты ЧелГУ. Но, два человека заходили из других стран, скорее всего кто-то заходил через ВПН.

Комментарии

Популярные сообщения из этого блога

Включенное наблюдение (видеоконтент) 2

  Анализируемый материал Реакция аудитории (ключевые слова, реакции и т.д.) Реакция наблюдателя (ключевые слова, ощущения и т.д.) Общее или различное в реакции и ключевых словах Краткий вывод включенного наблюдения 1. Apple world development conference Аудитория находит ролик забавным. Гиперболизация ситуации делает его легким для восприятия, сохраняя при этом социальный подтекст и позитивный настрой. Ситуация, представленная в ролике, кажется нелепой. Не вызывает позитивных эмоций. Кажется очень глупой. Аудитории эта реклама кажется не затянутой, наблюдатель считает её затянутой Реклама понятна и запоминается. 2. Audi Смысл легко читается. Отталкивает из-за большого количества драк. Мало времени уделено самой машине Легко улавливается основной посыл о комфорте авто. Хотя он менее комедийный, его содержание чувствуется более забавным. Интересно смотреть. Не отталкивает. Кажется более продающим. Реакция наблюдателя и аудитории не совпадает. Наблюдатель не считает её отталкивающ...

Flat-дизайн cо статичными элементами

Рыжик Кормить Гладить Играть мяумяу Мыть Котятка Котята — пушистые сгустки чуда. От неуверенных первых шагов до азартной погони за солнечным зайчиком — они живут моментом. Их мурлыканье, топтание лапками и безмятежный сон растопят любое сердце. Это маленькие учителя радости, которые напоминают: иногда счастье помещается на коленях в виде тёплого доверчивого комочка. пумкнуть

Автоматизированный фоносемантический и контент-анализ

  Автоматизированный фоносемантический и контент-анализ Были взяты два рассказа одного автора. Текст 1: "Девочка на шаре" Текст 2: "Смерть шпиона Гадюкина" Часть 1: Фоносемантический анализ. Текст 1: Текст 2: Можно заметить, что характеристики обоих рассказов практически не отличаются. Программа нашла в обоих текстах как негативные, так и позитивные аспекты, но последние - в малом количестве, что, как мне кажется, не соответствует действительности. Схожесть характеристики, скорее всего обусловлена тем, что оба рассказа одного автора и из одного сборника "Денискины рассказы". Часть 2: Контент-анализ. Текст 1: Текст 2: topic modelling хорошо отражает содержание, но это не так эффективно. (в моём случае точно) word cloude  точнее передаёт содержание текста, потому что выводит пользователю статистику по содержанию всех слов в тексте.  Поэтому я считаю, что по методике word cloude легче определять тематику и содержание текстов.