短视频热门教程本文经Alfred数据实验室（ID：Alfred_Lab）许可转载
315党揭露了各家公司的造假行为，但为何不正视流量明星的数据造假呢？ 作为数据猿，我们出于好奇点开了NBA新年大使蔡徐坤的微博，发现除了最新的一条之外，他的每一条微博转发量都超过了100万次。
在我们的印象中，转发100万+就是一些明星官宣结婚，或者一些明星吸毒、出轨被曝光时足以让微博服务器崩溃的流量。 蔡徐坤真的那么受欢迎吗？ 他的100万+转发量是否存在虚假流量？ 虚假流量占比是多少？
为了回答这个问题，我们通过微博移动端（2019年3月11日时间节点10:00）随机抓取了蔡徐坤最新微博《再见，“任性”芊芊……》的10万条转发数据。 这段关于蔡徐坤关爱小动物的短视频于2019年3月9日01:23发布在微博上，截至2019年3月10日18:00，转发量已超过100万次。
数据的维度包括转发者的信息（昵称、性别、关注人数、关注人数等）以及转发时的评论。
蔡徐坤微博转发是否存在虚假流量？
在回答这个问题之前，我们其实更感兴趣的是蔡徐坤粉丝的性别比例。 按理来说，他的女粉丝比例应该更大微博买转发，但我们统计的102313条转发数据中，有93618条是男粉丝转发的，只有8695条是女粉丝转发的。
这是错误的。 像蔡徐坤这样的男生多吗？ 而且这个比例也太悬殊了吧？ 于是我们随机抽取了男生转发的数据，发现转发这些帖子的男粉丝基本都是关注0和关注1的用户。
我们合理推测这些流量是所谓的假流量。
那么虚假流量占了多少比例呢？ 随机抓取的10万条转发数据中，有多少是虚假流量？
真流量和假流量的比例是多少？
通过一些探索和分析，我们对转发数据中转发者关注数或粉丝数小于等于5、没有个人资料、转发后点点赞数和评论数为0的数据进行了分类，微博会员等级数为0，提取关注者数或转发者关注数大于等于5但昵称为“用户XXXXXXXX”等数据。
这部分数据就是我们所说的虚假流量。
可以看到，102313条转发数据中，假粉丝转发95397条，占转发总数的93.24%，真粉丝转发的只有6916条，占6.76%。 原来虚假流量占比这么高！
那么真实粉丝转发的6919条数据中，除去为了提升排名而重复转发的次数，到底有多少真实粉丝在转发呢？ 我们根据粉丝的微博ID对这部分数据进行去重。 结果发现，仅有3926名真实粉丝转发，这意味着实际转发的粉丝数量占总转发量的3.84%。
按照这个比例可以算出，在100万转发中，实际转发的粉丝数为3.84万，这说明蔡徐坤的粉丝基础和影响力还是很大的，但远远不及100万+的转发量。微博上显示的转发。 大的。
你可能会说：我们自己的微博经常会有一些假粉丝转发。 为了进行对比，我们还抓取了目前活跃在《歌手》舞台上的吴庆峰叔叔（粉丝1377万）的最新微博转发数据10006条（时间节点2019年3月11日10点）。
我们按照上面同样的步骤，从这个数据中提取真假粉丝的转发次数，发现假粉丝的转发量只有一小部分，大部分都是真粉丝的转发。
而且，在9658条真实粉丝转发数据中，真实粉丝数也高达9318人，说明不存在粉丝排名这一说法。 对比蔡徐坤的数据，我们可以发现明显的差异。
假流量粉丝是如何产生的？
93.24%的假转发中，这些假粉丝是如何产生的？ 他们有哪些共同的行为特征？ 我们首先为假粉丝创建用户画像。
可以看到，95397条假转发中，有40838名假粉丝。 其中，男性比例高达95.42%！
我们统计了转发中包含的评论，看看假粉丝在转发时喜欢说什么微博买转发，并发现了一些更有趣的内容。
不少假粉丝转发了“蔡徐坤南岸莫隐小姐”、“超超超爱蔡蔡思思”的微博（请勿攻击）。 我们搜了一下这两个人，发现他们的粉丝只有一两百，而且转发的都是蔡徐坤的微博。 很多微博的转发量为0，但也有少数微博的转发量达到了数千！
这些很可能都是粉丝自己花钱给自己的偶像买流量。
另外，我们发现很多假流量粉丝在转发时喜欢带英文评论。 经过查找，我发现这些英文评论要么是英文歌词，要么是美剧台词，要么是泰戈尔、聂鲁达的诗。
在假粉丝使用的前10名转发设备中，Android位居榜首，这再次证明这些粉丝都是假粉丝。
还有一些有趣的发现：假粉丝的平均关注度为3.44，平均粉丝数为1.04，没有任何介绍，昵称基本都是“中文+英文和数字”的格式。 很多假粉丝的昵称都有“坤”、“蔡”、“奎”、“坤”等字样，头像都是蔡徐坤（说明很多都是定制粉丝）。
真实流量粉丝的粉丝画像
我们先来看看忠实粉丝的性别比例。 可以看到，3926名铁杆粉丝中，女生占绝大多数。 这是一个逻辑上的风扇比例。
从这些粉丝的评论中可以看出，他们转发的留言不少是支持蔡徐坤夺得#星实力榜#或者#东风云碰#第一名的。
真粉丝使用的转发设备分布比较均匀，其中最受欢迎的是iPhone客户端。
真粉丝平均关注度为222，平均粉丝数为179。同样，很多粉丝喜欢名字中带有“坤”、“才”、“奎”、“坤”字样。
我们制作了真实粉丝档案的词云。
看得出来，真正的粉丝都喜欢在自己的个人资料里有蔡徐坤的名字。 他们非常喜欢蔡徐坤，想要永远陪伴他。 看着里面的“青春”、“努力”、“自由”、“追梦”四个字，我才发现，这就是我们曾经的青春。
此外，转发所附的评论也被制作成了词云。
看得出来，粉丝们对于“荣誉奖”非常关注，想要帮助蔡徐坤获得第一名。 有早安打卡、超级话题，还有很多“开心”、“同情”、“温暖”等词语。 说明大部分真粉还是很温热的。
总结
数据显示，蔡徐坤微博转发次数动辄超过100万次，其中确实存在绝大多数虚假流量。 这些虚假流量估计有两个来源：一是自己的经纪公司购买的，二是忠实粉丝自费购买的。
如果是被自己的经纪公司收购的话，确实会扰乱整个娱乐行业市场的运行，对于娱乐行业乃至整个社会风气都是不好的。 如果是忠实粉丝购买的话，我认为数据只是数据，资金可以用其他更好的方式来增加对自己偶像的影响力。 我看到蔡徐坤最近转发的#脱贫攻坚战星光行动#的话题很好。 利用自己的影响力去做更多积极的事情。 （看到作者满满的求生欲了吗？！）
作者简介：Alfred 毕业于暨南大学，是一名数据挖掘算法工程师。 主要研究领域为数据挖掘和机器学习。
源代码：
2019年开发者如何抢占快应用技术制高点？
热门文章推荐
☞京东大力推行995工作制。 中国式变态加时赛何时进行？
☞315之后，等待失业的程序员
☞我的手机被“探测”了吗？
☞在德国的中国程序员：海外版抖音流行，IT人才却稀缺！ | 畅所欲言
☞
☞大数据背后的无奈与焦虑：“128元礼服”有短、差、公平之分吗？
☞麦克阿瑟奖获得者宋黎明：区块链能否保密、保护隐私？ 太年轻，太单纯！
☞猪变飞机？ 人工智能为何如此愚蠢？ 对抗性攻击
☞
System.out.println("点击查看！");
console.log("点击查看！");
print("点击查看！");
printf("点击查看！\n");
库特
发表评论