Publication d’articles vs événements significatifs en Python

Evénements significatifs vs Articles en 2015

Je ne sais pas si vous l’avez remarqué, mais depuis quelques temps je vous propose 2 versions de mes articles, l’une avec le code source R, l’autre avec le code source Python.

Cet article reprend en fait l’article « Le Marketing de contenu amène-t-il du trafic sur mon site Web ?  » que j’avais traité en R, le voici cette fois en Python.

Comme je ne reproduis pas toutes les explications ici, reportez vous à la version en R.

Question

La question reste la même :

Supposons que j’ai préalablement identifié des événements significatifs sur mon site Web.

C’est à dire, ici, les jours ou mon nombre de pages vues est beaucoup plus important que d’habitude.

« Est-ce que ces pics de trafic correspondent aux efforts de création de contenu et d’actions marketing connexes que j’ai menés juste avant ? »

Pour avoir une idée de cela, nous allons simplement ajouter les dates de publications des articles à la courbe des événements significatifs que nous avions réalisée précédemment :

Evénements significatifs depuis 2011
Evénements significatifs depuis 2011

De quoi aurons nous besoin ?

Python Anaconda

Comme précédemment, nous vous invitons à utiliser la version de Python Anaconda qui contient tous les outils et les bibliothèques statistiques nécessaires.

Anaconda est compatible Windows, Mac et Linux. Rendez vous sur la page de téléchargement d’Anaconda Distribution pour télécharger la version qui vous convient.

Jeu de données

2 options :

Soit récupérer nos données exemples sur notre Github :

(dézippez les archives dans le même répertoire que votre code source Python)

Soit suivre toute la procédure pour vous créer votre propre jeu de données :

Code Source

Vous pouvez soit copier/coller les morceaux de source ci-dessous, soit récupérer le tout sur notre Github à l’adresse : https://github.com/Anakeyn/ArticlesPubDateVSSignTrafficPython.

Chargement des bibliothèques utiles

On charge les bibliothèques utiles et on vérifie que l’on est bien dans le bon répertoire.

Récupération des données de pages vues

On récupère les données de pages vues dans le fichier dfPageViews.csv et on crée un jeu de donnée par jour.

Détection des événements significatifs

On détecte les événements significatifs par la méthode de Tau de Thomson Modifié vu précédemment. On récupère les données dans « myOutliers ».

Récupération des articles

On récupère la date des articles à partir des fichiers XML de sauvegarde de WordPress. On récupère l’info dans le jeu de données « myArticles ».

Graphique depuis 2011

Graphique des événements

Evénements significatifs vs Articles depuis 2011
Evénements significatifs vs Articles depuis 2011

Les actions de 2017 Et 2018 ne semblent pas beaucoup suivis d’effets. Pour les autres années ce n’est pas très lisible. Nous allons faire des graphiques par années.

Graphiques par années

Pour faire moins de code on a créé une fonction.

2011

Evénements significatifs vs Articles en 2011
Evénements significatifs vs Articles en 2011

2012

Evénements significatifs vs Articles en 2012
Evénements significatifs vs Articles en 2012

2013

Evénements significatifs vs Articles en 2013
Evénements significatifs vs Articles en 2013

2014

Evénements significatifs vs Articles en 2014
Evénements significatifs vs Articles en 2014

2015

Evénements significatifs vs Articles en 2015
Evénements significatifs vs Articles en 2015

2016

Evénements significatifs vs Articles en 2016
Evénements significatifs vs Articles en 2016

2017

Evénements significatifs vs Articles en 2017
Evénements significatifs vs Articles en 2017

2018

Evénements significatifs vs Articles en 2018
Evénements significatifs vs Articles en 2018

Comme vous pouvez le constater, parfois les actions sont suivies d’effets, parfois non.

Il serait intéressant d’investiguer ce qui fonctionne et ce qui ne fonctionne pas en analysant plus finement le trafic aux dates voulues.

Toutefois, de notre côté, nous allons nous intéresser à un autre sujet dans un prochain article : Quel est la « durée de vie » moyenne de mes articles.

Avis et suggestions bienvenues en commentaires.

A Bientôt,

Pierre

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.