为 2023 年的成功而写作：无代码机器学习优化您在 HackerNoon 上的文章

提高写作的影响力和成功率绝非易事，而机器学习可以在您的过程中发挥重要作用。

如果您创建内容的目的是吸引观众和增加点击次数，那么本文适合您。现代机器学习 (ML) 工具使分析过去文章中的参与度数据成为可能，因此您可以就哪些有效、哪些无效做出明智的决定，从而使您的内容具有竞争优势。

让我们探讨如何利用机器学习在您点击“发布”之前预测文章的成功。

收集您的数据

无论您是新作家还是经验丰富的记者，您都可能会在多个网站上发表您的文章，包括我们钟爱的 Hackernoon。

在为不属于您自己的出版物写作时，您会错过提交到自己的博客时通常可用的所有数据和头脑风暴。

如果无法访问出版物中的数据和见解，可能很难确定哪些主题在 Hackernoon 上最受欢迎、获得最大曝光率所需的链接数量或一篇成功文章所需的声誉。

首先，我们需要找到这些数据。

除非它是一个非常小的出版物，否则任何现代 SEO 工具都能够为您提供任何给定网站的首页（也称为热门文章） 。让我们以 Hackernoon 作为主要示例。

要找出 Hackernoon 上的热门文章，您可以使用 SpyFu、SEMRush 或 Ahrefs 之类的工具。每个工具都有自己的指标，将为您提供良好的服务。初学者可能想尝试 SpyFu 以其实惠的入门价格。

我已经为您完成了这项工作，并在 Hackernoon 上找到了排名前 3000 的文章。如果你想下载列表，你可以在这里下载。

下载列表（ Hackernoon 的数据集 - Google 表格）

获得源 URL、标题和参与度统计数据后，就可以进入下一步了。

丰富您的数据

仅 URL 不会为您提供有关文章的太多信息，也不足以教您如何在 2023 年成功写作。您需要更多数据。你需要充实。

您可以通过多种方式丰富您的 URL，但最有价值的可能包括其他SEO 指标，例如字数、反向链接配置文件和页面权限。

问自己这些问题，以了解您试图从预测中得到什么：

• 你想预测什么？是标题吗？文章的长度？它将排名的关键字数量？
  
• 您现在有哪些可用数据？任何与您的参与目标相关的数据都有助于提高预测的准确率
  
• 请记住，一旦您的 ML 模型准备就绪，您就可以随时使用它来预测目标出版物的成功。今天的 Hackernoon 预测模型将在很长一段时间内为您提供良好的服务，除非 Hackernoon 经历了重大的受众变化（或者一组新的超级成功的文章扭曲了数据）。

在这种情况下，我们的目标是根据标题、反向链接和关键字优化一篇文章在 Hackernoon 上获得的平均浏览量。

我发现所有这些数据都可以在 MajesticSEO 中轻松获得，这是一种流行的反向链接研究解决方案。如果预算有限，您可以使用一些免费的替代品，例如 SEOGlass 或 Ubersuggest。它们不会变得细化，但您仍然可以创建数据集。

丰富之后，示例数据集现在具有以下特点：

• 文章名称
• 网址
• 平均反向链接数（内部和外部）
• 引文流
• 信任流

您可以在此处免费下载丰富的数据集。 （ Hackernoon 的数据集 - Google 表格）

训练您的无代码机器学习模型

机器学习过去很复杂，你需要数据科学家来提出任何类型的可靠模型。如今，情况已不再如此。

随着 AI 驱动工具的出现，AutoML、ChatGPT 和 DALL-E2 等新技术与可视化界面的结合在 2022 年得到认可。这导致了无代码机器学习的发展。

Akkio 和其他公司提供自动机器学习模型，无需任何编码或数据科学知识即可快速轻松地进行训练。借助这些工具，世界各地的任何人都可以上传他们的数据集并预测未来趋势、预测数据和检测异常情况。

无代码机器学习现在被世界各地的公司用于各种目的，包括检测计算机等电子产品中的缺陷、分析客户反馈以改进产品、简化新药的研究过程，以及在产品注册时预测用户流失.

也就是说，让我们回到任务：我们有一个丰富的 Hackernoon 文章数据库，以及我们在第 2 步中得出的相对成功指标。如果您的成功指标不同，您将不得不相应地调整您的初始数据库。

如果您想跟随和/或训练自己的模型，Akkio 和上述其他工具都提供免费试用。

1. 上传数据集

   您可以通过 Google 表格集成、直接 CSV 上传或任何内置 CRM 和营销集成将数据集上传到 Akkio。现在让我们手动上传。

这是完成后 Akkio 平台的显示方式：

与所有列一起，聚合将帮助您从一开始就了解数据中的一些趋势。例如，您可以看到 SEO 点击在整篇文章中的分布，清楚地概述了绝大多数文章的 SEO 点击次数为何少于 100，而有些文章却非常成功。

你想成为前 5% 的人，对吧？因此，让我们训练模型来帮助您实现目标！

2. 清理任何差异

正确的数据准备对于成功的机器学习模型训练至关重要。如果您更喜欢使用 Excel，可以在那里完成。或者，Akkio 提供了一个全面的数据准备工具包，会让您想起 ChatGPT。

这使您只需键入所需的编辑，平台的数据集就会反映出来。

在我的示例中，我要求 Akkio 的聊天数据准备：

• 删除所有浏览量低于 30 的文章；
• 删除浏览量超过 3200 的文章；

这是为了确保我们避免数据集中出现异常。只有几篇文章的浏览量超过 3200 次，而大量可能不相关的文章的浏览量不到 30 次。删除这些异常值有助于模型将注意力集中在对我们的结果最重要的驱动因素上。

您可以按照您认为适合您的用例的方式清理数据。您可能需要组合列并更改某些值的格式，以便在整个集合中具有统一的格式（例如，日期是一种常见的格式）。

3. 运行模型

对于这个用例，我们希望我们的机器学习模型能够根据过去成功的文章来预测我们的新文章是否成功。这在 Akkio 平台上被方便地称为“预测”模型。

预测模型只需要您选择一列，算法将完成剩下的工作。您需要做的就是坐下来观看模型火车本身。

在屏幕底部，您可以决定您希望模型以多快的速度到达底线。我建议您从“快速”开始（通常需要不到一分钟），并在完成任何模型迭代后转向更长的训练时间。

在单击预测之前，请仔细检查您是否选择了正确的预测值。我想预测“SEO Clicks”的潜力，所以这是我的预测目标。

请注意，Akkio 和其他无代码工具通常提供各种机器学习模型。对于像我们示例这样的数字预测，这些工具将使用称为 AutoML 的过程来选择性能最佳的模型。这些平台还提供时间序列模型和其他 ML 工具。根据您要投稿的出版物以及您所写的内容，您可能会考虑其他建模方法。

例如，如果你想对一篇新文章进行一些深入的研究，你可以使用这些平台来检测巨大数据集中的所有异常（甚至有数百万条记录，可能来自维基百科！），预测趋势（你可以看到一个网站的例子在此处预测 ProductHunt 上的产品成功).假设您有一些数据，那么可能性几乎是无穷无尽的。

如果您有兴趣了解更多相关信息，Akkio 有一个完整的页面，其中包含所有主要应用程序的支持文档。剧透警报：其中一节讨论了 Twitter 情绪分析和一项多年来只有数据科学家才能使用的功能！

4. 分析结果

   一旦模型完成训练，您将看到一份“洞察报告”，详细说明数据中所有令人难以置信的有趣模式，这些模式正在推动您选择的结果。

它会让您知道哪些因素与正面和负面结果相关。你会在这里找到很多很多金块。通读洞察报告并研究驱动因素图将帮助您为出版物制定内容营销策略！

该报告还显示了准确性级别。因为我们的数据集有很大范围的可能点击值，并且偏重于点击的低端，所以我们得到的准确度通常在 55% 以内——但这里要注意的统计数据是 88 次点击的“偏离” .这实际上对我们的目的非常有用！

如果您的模型不够准确，您通常需要获取更多示例或更多相关输入列来提高其准确性——但几乎任何模型都会有很多方向正确的信息，您可以利用这些信息来改善结果。

5. 部署模型

您可以通过多种方式部署模型：API、Web 应用程序、Zapier 和 Akkio 的直接集成。

我建议您从 Web 应用程序开始，因为它需要零设置并且可以在不到 2 分钟的时间内发布。

该 Web 应用程序是自动生成的，允许对上传的 Excel 或 CSV 文件进行批量预测，或者您可以手动输入字段以生成点击预测。这使得使用该应用程序根据您在模型中定义的指标来评估出版物未来所有文章的成功变得异常容易！

你可以在这里测试.

结论

不是很好吗？在不到 2,000 字的情况下，我们：

• 在 Hackernoon 上生成了一个很棒的成功文章数据集；
• 使用SpyFu和MajesticSEO等SEO工具的数据丰富数据；
• 使用 GPT-3 自动操作数据集；
• 发布了一个实时应用程序，可以根据我们定义的指标预测未来文章的成功。

以前需要数据工程师、分析师和机器学习专家才能完成的事情，现在任何拥有计算机的人都可以使用。

欢迎来到 AI 革命，它只会变得更好！

在以后的文章中，我将解释更多用于市场营销、销售和客户服务的应用程序。机器学习很吸引人，每周可以为您节省数千美元（和几个小时！）。

用你自己的数据集试一试。我可以保证它非常有趣、简单、高效，最终结果会给您留下深刻印象！现在就自己试试.