跳到主要內容

為何要出書及如何在亞馬遜的Kindle Direct Publish出書?

為何要出書?其中一項原因是想賺錢,或許也是我的部落格沒有很賺錢。我常常想,天啊,我的文章很多也很好啊,怎麼沒啥流量。

回到「賺錢省錢」頁面

尤其是分享的故事型文章真的很難有流量,但是每個人的遭遇、經驗不是才是最獨特、最有趣的文章嗎?難不成現在寫部落格要賺錢一定要加入維基百科撰寫大賽嗎?一堆文章為了Google排名,文章內塞了一堆東西。

如果我要知道部落格用Google AdSense賺錢好賺嗎?不用在文章裡塞了一堆,甚麼是部落格、聯盟行銷有哪些、什麼是Google AdSense之類的,乾脆把什麼是Google也寫進去好了。

為了認真分享又能賺錢,找到亞馬遜

後來經過研究,有一種方式是可以在亞馬遜的Kindle Direct Publish出書,而且可以出所謂的低內容書刊(low content book)。

什麼是低內容書刊(low content book)?

如其名,低內容書刊就是低內容的書刊,像是筆記本、幼兒運筆、迷宮、數獨這類不需要寫長篇大論文章的書,我就出了一本 Blog Content Calender,這是一本幫助部落客規劃文章的筆記本。

Kindle Direct Publish出書程序為何?

1. 進入亞馬遜Kindle Direct Publish後台,連結:https://kdp.amazon.com/en_US/

2. 點選「+ Paperback」,新增書本,不要點Kindle eBook,因為低內容書刊都是要印出來的,而Kindle eBook指的是電子書,要選Paperback,平裝書。

3. 填入語言及書名,副標題可以填也可以不用。語言選英文,中文目前沒有支援平裝書,只有電子書。

4. 填入作者姓名,叢書及版本號碼沒有就不用填。

5. 填入書籍敘述。貢獻者沒有的話免填。敘述不一定要長,但是介紹要詳盡,舉例來說,筆記本要有頁數,封面顏色,內頁是線條還是空白等等的。要用英文。

6. 選擇出版權,填入關鍵字,及確認分類。出版權第一選項為「我有版權也有印刷出版權」,第二選項為「公共領域作品」,我目前都選第一個。關鍵字填入相關的字,例如筆記本就填入「notebook」、「gift」、「students」。分類最難選,因為很難找到完全符合的項目,選一個最接近的分類即可,筆記本可以選「Education & Reference」/ 「Education」/「General」或是「Nonfiction」/「「Language Arts & Disciplines」/ General」

7. 「Adult Content」,成人內容?是就寫是,不是就寫不是。完成「Adult Content」後就可以進入下一階段,請點選「Save and Continue」。

8. Print ISBN選擇免費ISBN(Get a free KDP ISBN)即可。發行日也不用動,會自動選。

9. 選擇印刷樣式。

10. 選擇書本大小、切邊及封面光澤。書本大小一定要先量好,並且在使用Word至做書本內頁的時候,版面要調到一樣大,或小一點,不然塞不進去,內頁上傳後會顯示錯誤。

11. 上傳內文,我都是傳PDF檔,Word可以另存為PDF,使用Google Docs可以下載為PDF檔,非常方便。封面可以用亞馬遜提供的封面設計軟體製作即可。

12. 封面樣式參考

13. 封面好了,內文傳好了就可以進入Book Preview,點選進入「Launch Previewer」並Approve你的書,完成後請點選「Save and Continue」,進入書本定價階段。

14. 進到定價頁面,Territories,地區選All territories, Primary marketplace選擇Amazon.com。定價的Royalty就是每本作者拿到的錢。Expanded Distribution就是讓亞馬遜將這本書賣給其它書商或是圖書館。

亞馬遜審核拒絕的一個原因

低內容書刊上傳亞馬遜KDP後,也有可能會退件,我就被退件過,被退件的書是完全空白的筆記本,結果被退件,亞馬遜回復如下:
"We allow no more than two consecutive blank pages at the beginning or middle of a manuscript file and/or 10 consecutive blank pages at the end. Excessive blank pages can look like printing mistakes, which may cause production delays. Want to use more than the allowed number of blank pages? If so, the pages must contain some type of content to indicate that the page is supposed to be blank. For example, use lines running across the page to signify a place for writing, drawing, or notes. We also accept headers or footers indicating “Notes,” “Intentionally Left Blank” or a row of asterisks."

意旨:書本開頭即內容不能連續有2頁空白頁,書本結尾不能有連續10章空白頁。

經驗及感想

我出版了一本部落格內容規劃日曆,本來想再出一些幼兒書數學練習之類的書,不過到了亞馬遜看了一下之後,發現已經有許多又好又便宜的書,也就是說即使是低內容書籍也要非常用心製作,兒童書籍要圖文並茂,相當競爭,沒這麼容易。

所以我最後決定,好好認真出有內容書籍,反正部落格我分享的故事跟心得這麼多,整理一下也是一本書。

回到「賺錢省錢」頁面

留言

這個網誌中的熱門文章

母體變異數(population variance)、樣本變異數(sample variance)及自由度(degrees of freedom)

母體指的是所有的數據,樣本指的是從母體抽樣的數據,舉例來說,一個班級有40人,它們的身高,40個身高數據,若只針對這個班,就是母體,但是,卻只是代表全校學生身高的一部分,也就是樣本。 回到「機率統計」頁面 樣本平均數(mean)不是母體平均數,樣本變異數(variance)也不是母體變異數,一個班40個人身高的平均數很難剛好是全校學生的身高平均數。 一個班40個人的身高變異數也不會是全校學生的身高變異數。 變異數計算 母體變異數的定義如下: 而樣本變異數的定義如下: 奇怪的地方 平均數 雖然樣本平均數不是母體平均數,不過,如果不斷重複從同一個母體抽樣平均,會得到一個近似母體平均數的數字。舉例來說,從一個學校所有學生中,不斷隨機選出40個學生取平均數,再將這些平均數平均,結果會接近直接算全校學生的身高平均數。 也就是說樣本平均數的期望值就是母體平均數: 變異數 樣本變異數跟母體變異數就沒這麼單純了。奇怪的地方是,為什麼樣本變異數公式的除術是n-1,而不是像平均數計算一樣用n? 為何樣本變異數要除的是(n-1)? 除數為n的話,變異數會太小 如果樣本變異數的除數是n,樣本變異數就會常常比母體變異數小。為什麼呢? 因為,樣本是從母體抽取的,抽樣的數據算出平均,並且抽樣的數據會相對的接近抽樣的平均,總不會剛好抽出的樣本平均數剛好是母體平均數,且樣本數據離樣本平均數就像母體數據離母體平均數一樣分散吧? 假設母體數據為0-99的整數,共100個數據,從中選出10個數字,然後計算樣本的平均數,分別用n及n-1當作除數算出變異數,連續執行200次,並將200個樣本平均數及200個樣本變異數平均。 也就是取得樣本平均數及樣本變異數的期望值,結果如下: 母體平均數 = 49.5

中央極限定理(central limit theorem)證明

中央極限定理(central limit theorem )指的是從一個獨立同分布(Independent and identically distributed, i.i.d)取出之變數數量趨近無限多時,其平均數(mean)將趨近常態分布(normal distribution)。 回到「機率統計」頁面 目錄: 動差母函數(moment generating function) 常態分布的動差母函數 中央極限定理證明 中央極限定理模擬 中央極限定理應用 動差母函數(moment generating function) 動差母函數為機率密度函數(probability density fFunction, PDF)及累積分佈函數(cumulative distribution function CDF)之外,另一種描述機率分布模型的一種方式。 定義 M X (t) = E[e tx ] 而 e tx 的泰勒級數(Taylor series)為 e tx  = 1 + tx + t 2 x 2 /2! +  t 3 x 3 /3! + ... 則 M X (t) 的泰勒級數為 M X (t) = E[e tx ]  = 1 + tE[x] +  t 2 /2! E[x 2 ] +  t 3 /3! E[x 3 ] + ... 因此,當t = 0時,以t取 動差母函數m次微分,就可以找到其分布模型的第m動差。 特性 M X+Y (t) = E[e t(x+y) ] =  E[e tx+ty ] =  E[e tx e ty ]  =  E[e tx ]  E[ e ty ] =  M X (t)  M Y (t)  常態分布的動差母

HYG、LQD 與 TLT 風險報酬比較

10 年期公債除了站上 4%,再撰寫這篇文章時,已經在 4.3% 徘迴,上次在 這篇文章 研究了現在是否應該要買 LQD 而不是 TLT,本篇文章我想研究非投資等級債是否更適合。 買點 HYG 現在 HYG 價格為 74.04,距離近一次低點 2020/3/20 的 69.75,差別為 5.794% LQD 上次低點在 2020/10/14 的 100.38 附近,與目前的 105.01 相差 4.612%。 TLT 上次低點在 2022/11/4 的 94.22 附近,與目前的 95.16相差 1%。 殖利率上升時,公司債的表現 TLT 2009-01-06 到 2010-01-05 跌了 16.364% 這段期間美國 30 年期公債殖利率從 3.04% 漲到  3.74%,漲了 0.7%。 TLT 2012-11-14 到 2013-11-13 跌了 15.701% 這段期間 美國 30 年期公債殖利率從 2.73% 漲到  3.83%,漲了 1.1%。 TLT 2016-07-29 到 2017-07-28 跌了 10.307% 這段期間 美國 30 年期公債殖利率從 2.18% 漲到  2.89%,漲了 0.71%。 TLT 2021-11-18 到 2023-8-15 跌了 32.695% 這段期間美國 30 年期公債殖利率從 1.97% 漲到  4.35%,漲了 2.38%。 結論 HYG 現在也很便宜,在公債殖利率還有可能持續上漲狀況下,表現可能勝過公債及投資等級公司債。

如何在Chart.js的圖上加上X軸或Y軸名稱

 Chart.js可以幫助網頁顯示各類圖表,要在X軸及Y軸上標示名稱方法如下: 找到Chart物件。 在Chart物件內找到options。 在options內找到scales,若無,自行加上scales。 即可在scales下設定X軸及Y軸的標示。 程式碼範例 <div> <canvas id="myChart"></canvas> </div> <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <script> const labels = [ '1', '2', '3', '4', '5', '6', ]; const data = { labels: labels, datasets: [{ label: '數據', backgroundColor: 'rgb(255, 99, 132)', borderColor: 'rgb(255, 99, 132)', data: [0, 10, 5, 2, 20, 30, 45], }] }; const config = { type: 'line', data, options: {scales:{ x:{ title:{ display:true, text:"月" } }, y:{ title:{ display:true, text:"unit" } } } } }; var myChart = new Chart( document.ge

賭徒破產理論(Gambler's ruin)機率公式證明

賭徒破產理論(Gambler's ruin)指指的是兩位賭徒,每局賭1元,A賭徒有i元,B賭徒有n-i元,兩人不斷的賭,直到一人輸光為止。 回到「機率統計」頁面 前言 假設A賭徒勝率為p,輸的機率就是1-p,稱為q,我們要求算A贏光所有錢的機率。 讓p(i)代表A賭徒擁有i元的時候,獲得最後勝利的機率。 p(0) = 0,因為已經輸光所有錢並且賭局已結束。 p(n) = 1,因為已經贏光所有錢並且賭局已結束。 那麼p(i)呢? 遞迴公式(recursive formula) 假設A有i元,它下一局有可能贏,有可能輸。贏的機率為p,輸的機率為1-p = q。 不論這一局是贏還是輸,A要贏光所有錢的機率還是沒有算出來。 這局贏了,接下來贏光所有錢的機率為p(i+1)。 這局輸了,接下來贏光所有錢的機率為p(i-1)。 因此,p(i) = p*p(i+1) + q*p(i-1),且可以繼續延伸,例如p(i+1) = p*p(i+2) + q*p(i)、p(i-1) = p*p(i-) + q*p(i-2)... 每個公式需要套用原本的公式,稱為遞迴公式公式,而遞迴公式解法可以像解微分方程(differential equation)一樣,可以先用猜的! 例如dx/dt = rx,微分之後x還是在公式裡,可以先猜測x = e^y。 猜測 假設,p(i) = x i ,並帶入p(i) = p*p(i+1) + q*p(i-1),得到  x i   = p* x i+1  + q * x i-1 x = p* x 2  + q p* x 2  - x + q = 0 解一元二次方程式得 x = 1 或 x = q/p 微分方程 p(i) = x i , x = 1 或 x = q/p,且有兩已知數 p(0) = 0 及 p(n) = 1。 而x i 的x有兩個根(root),必須都帶入線性組合(linear combination)公式求解。 p(i) = A(1) i  + B ( q/p ) i  =  A +  B ( q/p ) i  p(0) = A + B = 0 , A = -B p(n) = A + B ( q/p ) n   = 1 A + B ( q/p ) n  = -B +  B ( q/p ) n  = B(-1 +  ( q/p ) n )