
别说忙,没工夫看书。。。你那刷FB/朋友圈的工夫腾出来,保证每周啃下一本”,小编身边总充斥着这样的‘训话’。。。
额,奈何我每天的工作离不开从社交媒体中获取信息,甭管有毒没毒,一得空就扎进SNS已经成了我的‘条件反射’。其实病入膏肓的又何止我一人;据了解,全球互联网用户平均每天花在社交媒体上的时间足足有两个半钟头!点击、翻页、评论、分享……这些行为的集合,勾勒着虚拟世界中每一个鲜活的个体 —— 那是每个人的一面镜子。
你知道么,每当科技分析师煞有介事地探讨‘大数据’,10个里有9个说的都是‘社交网络’中流出的用户行为数据。不由分说,今天的社交大佬们有个‘杀很大’的机会:可以更好地理解用户的人脉关系、兴趣爱好、消费习惯以及人口统计特征。如果真能玩儿转这些数据,介些巨无霸SNS就能为用户提供无比贴合的个性化内容,以及无与伦比的综合体验,同时,广告商们还能更精准地定位到那些真正对他们产品感冒的用户。到那会儿,赚钱的赚钱,享受的享受,每个人就都High了。
小编今天为大家粗数一下,世界上最大的几个社交网络各握有哪些要命的用户数据?它们的意义何在?
先说说‘图谱’是神马?字典里说,这俩字泛指按类编制的图集,其实英文就是Graph。社交网络发展至今,中国专家很喜欢用‘图谱’形容不同SNS掌握的不同类别的庞大数据网络;听上去颇为高大上不说,还跟‘大数据’与生俱来的‘难以驾驭性’有点相得益彰的效果。呵呵,不好意思,小编只能解释到这儿了。。。
Facebook的兴趣图谱:月活跃用户超过12亿,这些人平均每月花7个小时在Facebook上。以往,人们总把Facebook上的数据宝库看成一个‘社交图谱’,或者说一个关系管理体系。你的家人,朋友,同事,认识的人,想认识的人、甚至是想回避的人……全在上面;Facebook握有你最完整的的关系图。但是成年后的Facebook又有另一番面貌,它现在平均每天处理25亿条内容分享(大概每人两条),它的like(点赞)按钮每天被按下超过27亿次…….专家们更倾向于把今天的Facebook看成一个‘兴趣图谱’;它告诉你某某某在意的是什么,是一个通向人们喜好的窗口。
Google+的知识图谱:你可以把Google+看成是Google搜索的补充和延伸,它能告诉你:人们‘已经知道些啥’,以及‘想要知道些啥’。Google+的NB之处在于,它令Google宝贵的搜索数据更具‘人性’,帮助Google理解人们为啥搜索这个或者内个信息,背景、情由各是什么等等。此外,反过来看,Google+也是Google搜索的一个有力助手:+1键(连同其他G+数据)已经成为决定Google搜索结果中网页排名的重要因素。http://cda.pinggu.org/
Youtube的娱乐图谱:大伙儿喜欢看什么片子?听什么曲子?每个人感兴趣的音乐、视频、电影、电视节目都是哪些?Youtube将每个人的欣赏品味汇编成了一个庞大的娱乐图谱。从电影制片厂,到唱片公司,再到有线电视台,娱乐产业中的重头参与者们都在目不转睛地盯着这个指南针。每个月,超过10亿个独立用户会造访Youtube,使它成为名符其实的世界第二大社交媒体。2013年12月的数据显示,Youtube用户平均每月花费6个小时在这个平台上观看视频(而Facebook用户平均每月在其平台的视频观看时间还不足1小时)。
LinkedIn的职业图谱:LinkedIn掌握的价值数据在于每个人的工作经历和职业人脉;注意,这里说的‘每个人’指的是:全世界的白领劳动力。LinkedIn是社交网络中为数不多的常青树和盈利明星;它针对的不是人们的‘一时兴起’,而是逃不掉的‘生计’问题(个人的求职、公司的招聘)。目前,大约有22%的LinkedIn用户在该平台上拥有500-999个一度人脉,拥有301-499个一度人脉的占了19%。
Twitter的新闻图谱:握有2.32亿月活跃用户,Twitter的用户数在社交媒体中算不得最大的,但它却是最最繁华的‘话题枢纽’。这只蓝色小鸟不知疲倦地向人们展示:此时此刻,在世界的每个角落,大家都在‘叽叽喳喳’些什么。今天的记者用Twitter来发现和分享突发新闻,有线电视台拿它来衡量用户对某某电视节目的反响。每天的5亿条推文为新闻和要闻提供了一个最接近于‘实时’的窗口。据Pew的研究数据,Twitter美国用户中有52%把该平台当做主要的新闻获取渠道。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02