为了弄清推文的主题重点是否会影响点击率，我必须创建一个与“主题性”程度对应的数值，然后将其分配给每个URL。由于我从事SEO行业，我的个人资料显示我将发布有关SEO、初创公司和技术的推文，而且我的大部分推文都与这些主题有关，因此我决定采用如下的量表：
- 0 – 完全不相关的话题
- 1 – 与营销/技术/初创企业/SEO 密切相关的主题
- 2 – 关于技术、营销或初创企业主题，或用于 SEO 的伪主题
- 3 – 具体关于SEO
然后我制作了以下图表，将该数据与点击率一起表示
相关函数显示这个数字略高：0.43，这意味 电话号码收集 着当我发布关于人们期望听到我内容的推文时，点击这些链接的比例更高。这并不意外——事实上，我本来就预测到会有更高的相关性（而且谁知道呢，如果数据集更大，相关性可能会更高）。
我的点击率会随着时间的推移而提高吗？
这个问题回答起来很简单。
可惜，答案是否定的。十月初，我凭借几 使用生成式人工智能进行命名实体识别 精选推文达到了巅峰，之后就没再发过什么高热度的推文了。这给了我一个很好的教训，让我明白为什么持续监控、测试和努力改进对我来说很重要，因为我显然不是靠经验来做到这一点的。
更广泛地说，我们最近还进行了一些研究
分析了 20 多个不同的 Twitter 账户及其发布的数百条推文 URL。您可以在此处查看原始数据集，其中包含约 250 条推文 URL 及其点击率数据，以及每个发布推文账户的若干指标。我们希望了解这些指标是否有助于预测点击率的差异。
下图说明了我们的发现：
基本上，除了 TwitterGrader 排名之外
个人 Twitter 账户中没有任何一项指标 邮寄线索 能够特别预测更高的点击率。然而，在这种情况下，更高的数字排名（意味着“更差”的排名）具有更高的相关性，这表明这种关系令人尴尬地呈反比。我们也沮丧地发现，我们原本希望能够预测点击率的 Klout 评分几乎没有相关性。
我们发现一个有趣的现象：所有 250 多条推文的平均点击率仅为 1.17%（标准差为 0.024）。因此，1.34% 的平均点击率应该不算太糟糕。
遗憾的是，这项研究并未得出任何重大结论
但我们计划在未来使用更大的数据集和更多变量再次探讨这个问题。目前，您可以点击此处下载完整报告。欢迎分享，但请务必注明来源：SEOmoz。
虽然这类分析可能很有趣，但对于大多数营销人员来说，它既不可扩展，也不实用。我们需要的是一个能够自动分析我们 Twitter 账户、收集更多更精准的指标并以自动化方式运行的工具。