京公网安备 11010802034615号
经营许可证编号:京B2-20210330
世界杯火热来袭,点球、越位、内马尔……人人饶有兴致堪比专家。但据QQ大数据发布的《中国球迷报告》显示,今年男球迷和女球迷看到的根本不是同一届世界杯。
首先,QQ大数据显示,所有球迷中,80后以65%的占比成为绝对的主力。紧随其后的是占比23%的90后群体,而70后群体仅占9%,也许是因为人生已界不惑之年,对比赛结果不再那么看重了。而男性不出意外地占据多数席位,女性球迷则少得可怜,仅为13%,俗话说物以稀为贵,难怪屌丝们人人都在喊“看球求妹子”。这其中呼声最大的可能是广东人,因为广东省球迷数量,几乎等于2、3、4名省份球迷的总量。女球迷则免受了没有男伴看球的困扰。
今年,中国队一如既往地“选择”不参加本届世界杯,我国球迷只好另寻寄托。球迷们在QQ上纷纷支持自己的心头所好。据QQ统计,最受中国球迷支持的国家和球星分别是巴西和梅西,而最受欢迎的俱乐部则是皇马,只可惜英格兰早早出局,未能满足球迷的期待。
其次,QQ大数据还发现,支持不同国家、球队的球迷们,也有着不同的奇妙特点。比如说支持巴西队的球迷,就有不少都同时支持恒大,并且爱买彩票,不知是否是因为对巴西队的实力非常自信的缘故。而喜欢梅西的球迷们,当然也支持阿根廷队,同时也支持巴萨。支持德国队的球迷,本身就是足球运动的爱好者,同时喜欢在QQ上发布说说表达对足球的热爱。而喜爱皇马的球迷们,最大的特征却是支持西班牙和意大利队,贝克汉姆知道这样的结果可能会非常伤心,一方面为自己曾效力的东家抱不平,另一方面,也会觉得自己其实应该比意大利男模队的模特更帅吧。
球迷们也有自己支持中国队的方法,其中最不靠谱的办法是“生一个足球队”,恐怕需要男女球迷通力协作。相信提出这个办法的人一定是个100%的真球迷。除了生娃之外,是否关注比赛也可以鉴别真伪球迷。伪球迷只看结果,真球迷每场球赛必追。据QQ大数据统计,世界杯开赛前三天内有看球的球迷仅占54%,堪称铁杆真球迷。

另据统计,看球期间,球迷们平均每人发布3.3条“说说”,关注或吐槽世界杯赛况。而QQ语音通话的使用量,也在球赛进行时提升了69%。QQ大数据指出这一现象的产生,应该是由于该功能可实现免费的多方通话,满足不少只能在家看球的球迷,和三五好友侃球的需求,同时利用家里的WIFI即可通话,省钱不少。
在本届世界杯中,最受男球迷支持的球队是巴西,而女球迷则是德国。男球迷最喜爱的球星是梅西,而女球迷是贝克汉姆,相信根本就没参赛的小贝,也很被我国女球迷所感动。男球迷在世界杯期间最关心的话题,是哪支队伍能“夺冠”,和以赌球、彩票为核心内容的“竞猜”。女球迷显然更加实际些,她们关心的是以内马尔、贝克汉姆为代表的“帅哥”,和各大商家借势推出的“促销商品”。
可喜的是,虽然世界杯让男女分化为不同特征的群体,却并没有成为情侣们爱情的阻碍,世界杯开赛前后,情侣们在QQ上聊天的频次没有明显波动,中国男球迷“爱世界杯,也爱美人”,球场不行,但情场显然挺住了。

向那些半夜怕吵到家人,却偷偷打开QQ侃球的人们致敬,是球迷们的无限热爱让这项拼搏向上的运动风靡全球,造就了这场四年一轮回的盛世狂欢。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21