极乐实验室

我们选取了十余个主流香水品牌，从B站等多个社交媒体平台收集了上万条相关数据，提取了百余个形容香味的关键词进行分类统计。

我们将咖啡品类按品牌、产品形态、功效等维度划分为一系列品类元素，这些品类元素由关键词定义。通过观测关键词的互动量的此消彼长，辅助洞察用户的消费趋势。

有评价指标，就有人虚构这个指标去迎合。评价指标越单一，虚构的成本越低，被欺诈的风险就越大。一个表面繁荣的结果是很容易虚构的，但只要深入数据的内在，作假就很容易发现。

好在目前大多数的刷量手段并不高明，只要稍微多留意一些细节，被假博主骗的概率就会下降很多。

评论是社交媒体上的内容给用户留下强印象的证明，且造假难度大，是区分优质博主与假博主的最重要的抓手。

我们可以用评论数占比、评论字数的中位数、评论内互动、评论信息量等指标来量化评论的质量，进而分析内容和博主的质量。

决定排行榜排名的核心指标就是播放数。播放数之外，影响最大的是收藏数，其余指标影响不大。

本文探讨B站的宏观流量分布情况：哪些分区比较火，哪些分区流量更集中，哪些分区比较适合新人或者腰尾部博主发展。

这里介绍一种权重分配的方法：根据互动的“稀缺度”来确定互动指标的权重。所谓“稀缺度”，举例来说，如果收藏数普遍比点赞数少，那么收藏就比点赞更加稀缺，也就是说收藏数的价值更大，权重也要更高。

不同平台的外链，在不同分区之间与视频播放量的相关性差别很大，需要区分对待。淘宝链接的存在与视频播放量呈现负相关，但是“淘宝”字样却与播放量呈现正相关。

播放量只代表了视频获得的关注度，并不代表视频给用户留下了强印象，也不代表用户的认可度。

互动可以反映用户对于视频的投入程度。发评论和弹幕都是视频内容给用户留下强印象的证明。正式用户一般一天只获得一个硬币，投币更是代表了用户强烈的认可。

B站各个分区的视频有各自合适的时长，头部视频的中位时长每个月都有变化，趋势也各不相同。我们可以通过统计目标分区整体时长上的变化，来辅助判断内容创作的趋势。

我们使用了按“标签+子分区”的形式对播放量进行归类，并且使用播放量的中位数来排除个别爆款的影响，从而反映流量在各分区标签之间的普遍分配状况。这个结果由于视角的不同可能与其它地方看到的热点排名有很多差异，希望对大家有所启发。

从几百粉丝的初出茅庐的UP主，成长为百万粉丝的头部UP主，需要经历哪几个阶段？每个阶段晋级的概率有多大？本文基于抽样统计进行一些分析。

B站有两大基本的信息分类结构，分区结构和标签结构。无论是普通用户日常查找内容，还是做专业的数据分析，可利用的信息分类结构主要是这两种。

社交媒体时代的品牌与产品名，要能够让用户拼写出来，并且拼写的方式要唯一。这样用户才能顺利地完成搜索，关键词才能在各个平台顺利穿梭，并且在推荐算法中获得更好的权重。

社交媒体的营销环境中，名称的功能性更强，好用比看起来高端洋气更重要。

社交媒体的各个圈层中有很多独特的词汇，通用的词库难以将其正确识别。需要根据各个圈层独特的内容来提取关键词，形成专用的动态生长的词库，这样才能将信息准确归类，减少混淆，这也是内容热点趋势分析的基础。

基尼指数可以衡量流量分配不均匀的具体程度。这样使得不同类型的内容之间可以对比，比如我们可以发现时尚这个分区之下“健身”比“美妆”头部效应更加明显。

社交媒体上，幂率分布占主导地位，马太效应普遍存在。我们不能以日常生活中习惯性经验来看待社交媒体，要时刻注意幂率分布的极端性所带来的影响。