今天上Feedsky后台查看了一下文章统计，意外地发现自己在20号写的文章 09上半年值得关注的新杂志 在第二天给文章带来1706的独立访客数，耗费了1G的图片流量，而这些流量的访问来源90%以上是归功于豆瓣9点。很庆幸自己在17号对博客启用了内存级缓存memcached，才能应付这么大的访问量。
惊呼于9点的力量，遂写这篇博客纪念一下。
写完博客当天自己在豆瓣上推荐了一下，20日推荐人数为1，21日为19，22日为4，23日为5，24日为2。做了个图统计了一下文章被9点用户推荐的时间分布，发现没有什么规律，而且所有推荐这篇文章的人都不是我的好友。
我不太清楚最早的用户是如何看到这篇文章的，虽然说豆瓣的推荐广播是全站可见的，但是我从没有看过随机显示全站广播的页面。又或者是出现在豆瓣9点阅读器里的“你可能感兴趣的文章”里，或者被随机或人工筛选出来放入频道页。
从访问来源我们可以知道这篇文章在21日出现在豆瓣的频道页上，也可能出现在首页上，并带来了这1700的访问量。我猜测上频道页的标准应该是“当日用户推荐数达到一样的数量”。很可惜LampDrive只提供了5天的服务器Logs，没法分析到具体是哪个时间点是访问量爆发的临界点，也就没法对临界点的推荐数做一个确定。
从这些图表可以看出，推荐功能本身对于文章访问量的增加效果不明显，倒是由频道页带来的流量很明显。当然我们不排除推荐功能间接地增加了文章访问量的观点。
总的来说，豆瓣9点比起其它Rss阅读器，更能给草根用户带去流量，不过从图表上看，流量的即时性比较强，单篇的文章一般只上榜一天，流量的影响只当天比较明显，而次日跌幅明显。所以想靠某篇文章提高博客的长久访问量是不可能的。
FeedSky每日文章点击数
“09上半年值得关注的新杂志”文章访问来源
Awstats上周访问量统计
Awstats上周访问量来源
Google Analytics本月访客统计
一千多……我想都不敢想…
期待epile的新主题……