Автоматическая аналитика книг с авторским рейтингом на основе метрик вовлечённости
Этот сайт автоматически собирает и анализирует новинки с платформы author.today — крупнейшей русскоязычной платформы самиздата.
Вместо субъективных оценок используется композитный скоринг — взвешенная комбинация метрик вовлечённости читателей, скорости роста аудитории и качества контента. Формула адаптирована из исследований Reddit Hot, Hacker News, Steam и TikTok.
Аналог CTR на YouTube. Показывает долю читателей, которым книга понравилась настолько, что они поставили лайк. Типичные значения: 0.5-10%. Высокий КПКК = качественный контент.
Аналог "add to wishlist" на Steam. Показывает намерение читателя вернуться к книге. Более сильный сигнал чем лайк — читатель планирует читать.
Аналог engagement depth на TikTok. Показывает насколько читатели вовлечены в обсуждение. Высокий ratio = книга вызывает эмоции и дискуссии.
Комбинация скорости роста и масштаба. Логарифм смягчает влияние абсолютных чисел — быстрорастущие книги с малой базой получают шанс.
Средний прирост библиотек в день. Аналог sales velocity на Steam. Показывает устойчивый тренд, не разовый всплеск.
Финансовая поддержка на 1000 читателей. Аналог revenue per user. Награды — самый сильный сигнал качества (читатель платит).
Композиция трёх ключевых ratios. Показывает общее качество взаимодействия читателей с книгой.
Выявляет недооценённые книги с высоким качеством но малой аудиторией. Учитывает: engagement rate, свежесть (<30 дней), низкую аномалию, quality index.
Аналог Reddit hot / HN decay. Новым книгам даётся буст, затухающий со временем. Даёт шанс новым авторам.
Детекция накрутки и рекламы. Высокий КПКК (>10%), диспропорция библиотек, лайки без обсуждений — признаки манипуляции.
Аналог Amazon Best Seller Rank. Сравнение внутри жанра — фантастика vs фэнтези vs ЛитРПГ. 1.0 = лучшая в жанре, 0.0 = худшая.
Аналог Steam: completed games rank higher. Завершённые книги получают буст — читатель получает полный опыт.
Total Score — композитный рейтинг книги, взвешенная сумма нормализованных метрик (0–100).
Формула: score = Σ(weightᵢ × metricᵢ) − penalties
| Компонент | Формула | Вес |
|---|---|---|
| + Virality Index | lib/день × log₁₀(библиотеки+1) | 12% |
| + КПКК | лайки/просмотры | 10% |
| + Library Conversion | библиотеки/просмотры | 10% |
| + Audience Speed | библиотеки/день | 10% |
| + Discussion Depth | комментарии/лайки | 8% |
| + Award Coefficient | награды/библиотеки | 8% |
| + Dark Horse | потенциал роста | 8% |
| + Completed Bonus | завершённость | 7% |
| + Genre Scoring | позиция в жанре | 7% |
| + Freshness Boost | свежесть книги | 5% |
| + Quality Index | композиция ratios | 5% |
| − Anomaly Penalty | накрутка/реклама | 5% |
| − Audience Drop | отток в сериях | 5% |
Источники: Reddit Hot (decay), HN (log-шкала), Steam (velocity), TikTok (engagement depth),
RESEARCH.md (dark horse, anomaly, conversion).
Веса в config.yaml, сумма = 1.0.
Свежие новинки за последние 3 дня
Подборка за неделю
Месячный обзор новинок
Автор: LeDXIII | Данные обновляются ежедневно