因此，我开始进行一项非正式的相关性研究，通过两组数据，观察推文、点赞、+1 以及我们自己的内部社交指标——点赞和点踩——如何影响独立页面浏览量 (UPV)。第一组数据是 2011 年上半年排名前 50 的帖子（按 UPV 计算）。第二组数据是 Google+ 上线后所有主博客帖子。
2011 年最热门的 50 篇文章
第一项研究非常简单。我 WhatsApp 筛查 查看了2011年1月1日至6月30日期间所有主博客文章（包括推广的YOUmoz文章）的流量，并根据独立页面浏览量（UPV）筛选出排名前50的文章。对于每篇文章，我收集了点赞、踩、推文、点赞和+1的数据，并计算了它们与UPV的相关性。下图展示了这些相关性：
简单回顾一下—
—相关系数 (r) 的范围是 -1 到 1，0 表 如何创建 商业账户：分步指南 示无关系，1 表示完全正相关（一个变量上升，另一个变量也上升）。相关性并不意味着因果关系，但我将在下文中详细介绍，因为这对这个数据集来说非常重要。从技术角度来说，这些是斯皮尔曼相关系数——
我们通常不会指望单
一信号就能带来流量，但来自社 电话线索 区的点赞和 Google +1 确实产生了显著的影响。Twitter 与独立页面浏览量的关联度似乎出奇地低，而点踩似乎既不会增加也不会减少浏览量，但这两种指标在统计上都不可靠（p>0.10）。
(2) 自 Google+ 以来的所有帖子
第一项研究中的 +1 数据令人惊讶，因为 Google+ 直到 6 月份才上线，而且该按钮在上半年的大部分时间里都未实现。许多 +1 是在原始帖子发布后很久才出现的。
因此，我进行了第二项研究，仅使用6月18日（Google+上线日期）至8月15日期间发布的博客文章。总计44篇，样本量与第一项研究相差无几。虽然+1按钮在Google+上线之前就已推出，但我认为推出日期是一个合适的分界点，因为只有当Google+上线后，人们才会真正注意到它。
以下是第二项研究的 Spearman 相关性
除“点赞”外，第二项研究中所有信号与“独立页面浏览量”的关联性均有所增强（且所有相关性均具有统计学显著性）。社交因素在近期的影响可能更大，而第一项研究中的一些帖子已有数年历史（尽管流量统计数据是今年的）。