京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析:人类正在变成七秒鱼还是三秒男
如果存在上帝或者三体人的话,他们会不会也怀着类似的视角看现在的人类?他们会不会觉得人类也是七秒鱼或者快进快出的三秒男?
让我产生这个想法的是最近接连不断的热点事件,它们都一夜之间刷屏而又快速衰落:血友病吧、百度魏某、口腔科主任被砍死、人大雷某……在上一个事件还没有水落石出的时候,人类也带着昂扬的情绪奔向了下一个事件,好像“前任”不存在而成为路人,真是“把每一次都当成初恋般投入”。而且不仅仅是庸俗大众的社交网络如此健忘,连号称聚集了世界上最聪明人类的股市也变得疲劳,经历如此公共信任危机的百度,股市对其的反应也是不温不火,远不如早些年公关危机引发的大跌。(下图列举了百度在今年内遭遇的几次重大公共危机以及其后一两年内股价的下跌幅度)
于是迸发出念头:对大众的记忆力及专注力做一次定量研究。
考虑到大部分人都不会对基础方法论感兴趣,只能简述之。有兴趣或者有异议的,欢迎私信。
研究方法。利用百度指数,观测某热点事件从兴起到衰落的过程:从发生到高潮所需的时间(蹿红期),以及半衰期、80%衰期和90%衰期(从峰值衰落到x%所需的时间)。以及将两者的总和作为热点事件的持续期。
研究对象。选取从2009-2015年间的三大类型事件,国内十大灾难、十大安全事故以及十大食品安全事件。以这三大类事件作为研究对象的主要理由如下:可比性和稳定性强,政府每年会持续发布相关报告及排行榜;容易避开黑天鹅(比如:天涯或水木的那种全民爆款可以吵架数周,今天男主发文,明天女主反击,然后男二号女二号悉数登场,然后亲友团跟进)
(注:许多评论在谈非市场原因干扰了百度指数的发展。其实这个因素在设计之初就有考虑,因此选择的事件,都是权威政府机构在年末评出的本年度十大事件。另外,如果单看无法掩饰的十大自然灾害,其实趋势也是雷同的。)所研究的热点大致图形及关键指标如下图。
先说结论:热点事件的蹿红期及衰落期都在急速下降;某种意义上,说明大众的专注力或记忆力进一步降低。换成人话就是:热点,来得更快去得也更快;大家都在成为快进快出的三秒男,不要再嘲笑只有七秒记忆的鱼类了。
再说猜想:技术的发展让热点更容易到达全民,同时也将大众的专注力进一步碎片化,上一个热点会容易被下一个热点迅速掩盖,所谓“长江后浪推前浪,前浪被埋在沙滩上”。
下图是热点事件持续时间的平均值及中位值变化图(2009-2015年)。很明显,热点事件的持续时间逐年缩短。站在今天,热点事件从发生到衰减到峰值的10%,只需要不到7天。难怪互联网大佬对于各种恶性事件,轻易摆出“Who cares!”的傲慢态度。
注1:持续时间,从发生到峰值再到衰减到峰值x%并稳定在x%以下整个过程所需的时间注2:为了避免黑天鹅时间的影响,采用平均值和中位值
同时有趣的是,跌幅最大的时间段是在2010-2012年,而这恰好是智能手机大幅普及的时间段,而智能手机以及其衍生的移动互联网生态最能提高信息的传播速度。同时在这段时间,3G/4G用户也大幅攀升,在基础架构和流量上也为信息的快速传播做好了充分的准备。
下图是热点事件蹿红时间的平均值及中位值变化图(2009-2015年)。均值从接近4天已经减少到不到2天,下降幅度最大的时间段仍然是2010-2012年,这个数据更容易让人相信:科技及设备的进步,让大家获取热点的速度加快,而导致热点蹿红的速度也在加快。
下图是热点事件衰减x%的衰减时间的平均值及中位值变化图(2009-2015年)。总体趋势仍然是下降。站在今天,热点事件从火焰到海水(峰值的10%),很可能只需要4天左右。
注1:衰减时间,从峰值到衰减到峰值x%并稳定在x%以下整个过程所需的时间
下图是热点事件的峰值次日留存图(2009-2015年),其中次日留存=峰值次日百度指数/峰值百度指数x100%。这个指标更能反映大众瞬时对于热点事件的衰减度。从曲线的变化趋势来看,它也是在不断下降的。站在今天,对于再大的热点,峰值的第二天,关注度就能衰减到峰值的45%左右。
至于以上各指标的标准方差(SD)及相对标准方差(RSD),计算结果并没有显示太多的规律及趋势,就不赘述了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28