Les messages moyens conduisent-ils réellement les abonnés LinkedIn? Analyse causale pratique avec Python et Dowhy

Auteur (s): Torty Sivill

Publié à l’origine sur Vers l’IA.

Image de UNSPLASH, Momo Studio

J’ai publié des articles sur Medium et les partageant occasionnellement sur LinkedIn. Naturellement, je voulais savoir:

Est-ce que toute cette écriture fait que les gens me suivent sur LinkedIn?

Ou mes abonnés se développent-ils simplement parce que je poste sur LinkedIn, qu’il y ait un article moyen impliqué?

Pour le savoir, j’ai conçu une expérience d’inférence causale simple mais puissante.

Médium: copie manuelle et coller

Maintenant, c’était vraiment très difficile. Medium (peut-être sans surprise avec le recul) ne permet pas aux utilisateurs d’extraire facilement statistiques concernant l’engagement et la performance de leurs articles. Ce sont les choses que j’ai essayées (et j’ai échoué)

L’outil «Téléchargez vos données» de Medium (uniquement les publications, les publications, et non les statistiques) (Selenium, dramaturge – Dom bloqué ou invisible) interceptant les demandes de réseau (charges utiles GraphQL cachées derrière le rendu côté client)

Après un certain temps de tentative d’automatisation infructueuse, j’ai réalisé que j’allais devoir le faire de la manière beaucoup moins satisfaisante: une copie classique et coller emploi.

Manuellement, j’ai fait défiler ma page de statistiques moyennes et copier et collé dans un fichier .txt. J’ai ensuite analysé ce fichier en données structurées à l’aide du script Python suivant.

importer pandas comme pdimport retext = open (« mediad_stats_raw.txt »). read () pattern = re.compile (r « (. *?) n ((a-za-z) {3,9} d {1,2}, d {4}) n (( d., k) +) nviews n (( d., k) +) nreads n ( $ ( d.,) + | -) proches « ) def convert_k (val): return int (float (val.replace (‘k’,  »)) * 1000) if ‘k’ dans val… Lisez le blog complet gratuitement sur Medium.

Publié via Vers l’IA