大數(shù)據(jù)扒一扒蔡徐坤的真假流量粉：到底有多少是套路？

前段時(shí)間央視新聞公開披露流量明星數(shù)據(jù)造假。作為一名數(shù)據(jù)猿，我們秉著好奇心點(diǎn)開了NBA新春賀歲形象大使蔡徐坤的微博，發(fā)現(xiàn)他的微博轉(zhuǎn)發(fā)量除了最新一條之外，其它的基本每條都是轉(zhuǎn)發(fā)100萬+。

在我們的印象中，轉(zhuǎn)發(fā)100萬+可是某些明星官宣結(jié)婚、或者某些明星吸毒出軌被爆等能讓微博服務(wù)器奔潰的流量呀。蔡徐坤真的那么火嗎?他的100萬+轉(zhuǎn)發(fā)里到底是否存在假流量?假流量所占比重有多少呢?

為了解答這個(gè)問題，我們通過微博移動(dòng)端隨機(jī)抓取了蔡徐坤最新一條微博《再見，“任性的”千千…》的10萬條轉(zhuǎn)發(fā)數(shù)據(jù)（時(shí)間節(jié)點(diǎn)2019年3月11日10時(shí)）。這條講訴蔡徐坤關(guān)愛小動(dòng)物的短視頻微博，于2019年3月9日01:23發(fā)布，到2019年3月10日18:00的時(shí)候已經(jīng)被轉(zhuǎn)發(fā)100萬+。

數(shù)據(jù)的維度包括轉(zhuǎn)發(fā)者的相關(guān)信息（昵稱、性別、關(guān)注者數(shù)量和被關(guān)注者數(shù)量等）以及轉(zhuǎn)發(fā)時(shí)的評(píng)論等。

一、蔡徐坤的微博轉(zhuǎn)發(fā)是否存在假流量?

解答這個(gè)問題之前，我們其實(shí)對(duì)于蔡徐坤的粉絲性別比例更加感興趣。按理來說應(yīng)該他的女粉絲所占比例應(yīng)該更大，但是我們統(tǒng)計(jì)了102313條轉(zhuǎn)發(fā)數(shù)據(jù)中，有93618條是男粉絲轉(zhuǎn)發(fā)的，只有8695條是女粉絲轉(zhuǎn)發(fā)的。

這不對(duì)呀，難道更多的男生喜歡蔡徐坤嗎?而且這比例也太懸殊了一點(diǎn)吧?于是我們隨機(jī)抽取了男生轉(zhuǎn)發(fā)的數(shù)據(jù)，發(fā)現(xiàn)這些轉(zhuǎn)發(fā)的男粉絲基本上都是關(guān)注0，粉絲1的用戶。

我們合理地推測(cè)：這些流量就是所謂的假流量。

那假流量所占的比例有多少呢?在這隨機(jī)抓取的10萬條轉(zhuǎn)發(fā)數(shù)據(jù)中，有多少是假的流量呢?

二、真假流量所占的比例各有多少?

通過一番探索分析，我們把轉(zhuǎn)發(fā)數(shù)據(jù)中轉(zhuǎn)發(fā)者的關(guān)注或者粉絲數(shù)少于等于5、沒有簡(jiǎn)介、轉(zhuǎn)發(fā)之后被點(diǎn)贊數(shù)評(píng)論數(shù)再轉(zhuǎn)發(fā)數(shù)都為0、微博會(huì)員等級(jí)為0級(jí)的數(shù)據(jù)，以及轉(zhuǎn)發(fā)者的關(guān)注或者粉絲數(shù)大于等于5但昵稱長“用戶XXXXXXXX”這樣的數(shù)據(jù)抽取了出來。

這部分?jǐn)?shù)據(jù)，便是我們所說的假流量。

可見，102313條轉(zhuǎn)發(fā)數(shù)據(jù)中，有95397條是由假粉絲轉(zhuǎn)發(fā)的，占了總轉(zhuǎn)發(fā)的93.24%，只有6916條是由真粉絲轉(zhuǎn)發(fā)的，占6.76%。原來假流量占的比重那么高??！

那么6919條真粉絲轉(zhuǎn)發(fā)的數(shù)據(jù)中，除去重復(fù)轉(zhuǎn)發(fā)刷榜的數(shù)量，里面一共有多少個(gè)真粉絲在轉(zhuǎn)發(fā)呢?我們把這部分?jǐn)?shù)據(jù)按照粉絲微博ID進(jìn)行去重。發(fā)現(xiàn)這里面只有3926個(gè)真粉絲在轉(zhuǎn)發(fā)，也就是說，真實(shí)轉(zhuǎn)發(fā)的粉絲數(shù)量，占總轉(zhuǎn)發(fā)量的3.84%。

按照這個(gè)比例，可以推算出100萬的轉(zhuǎn)發(fā)中，真實(shí)轉(zhuǎn)發(fā)的粉絲數(shù)為3.84萬，說明蔡徐坤的粉絲群和影響力還是很大的，但遠(yuǎn)沒有微博顯示的全是100萬+轉(zhuǎn)發(fā)量那么大。

你可能會(huì)說：我們自己的微博，平時(shí)也有一些假粉絲在轉(zhuǎn)發(fā)呀。為了進(jìn)行對(duì)比，我們還抓取了最近活躍在《歌手》舞臺(tái)的吳青峰叔叔（粉絲數(shù)1377萬）最新的一條微博轉(zhuǎn)發(fā)數(shù)據(jù)10006條（時(shí)間節(jié)點(diǎn)2019年3月11日10時(shí)）。

我們把這些數(shù)據(jù)按照跟上面一樣的步驟提取出真假粉絲轉(zhuǎn)發(fā)量，發(fā)現(xiàn)只有很少比例的假粉絲量，絕大部分都是真粉絲轉(zhuǎn)發(fā)的。

并且，在9658條真粉絲轉(zhuǎn)發(fā)數(shù)據(jù)中，真粉絲量也高達(dá)9318，說明不存在粉絲打榜的情況。跟蔡徐坤的數(shù)據(jù)相比，可以發(fā)現(xiàn)有明顯的不同。