B站用户行为分析非官方报告

B站

声明:本文来自于微信公众号 Crossin的编程教室(ID:crossincode),作者:清风小筑,授权站长之家转载发布。

上次,我们做了一个B站/知乎大V排名监控工具(用python爬虫追踪知乎/B站大V排行)。

有读者问,这个初始数据是怎么获取的?我说是来自于一个分析项目的副产品。

这个项目就是今天给大家展示的内容:

关于 bilibili 上用户行为的统计分析

因为完成统计已经有一段时间了,所以数据并非最新的实时数据

本项目由我们的实训生兼助教 清风小筑 完成。

获取代码、数据、图片及说明文档见文末

数据来源    

分析数据基于 bilibili 网站上的公开信息,主要采集了以下数据维度:

  1. 2016 年~ 2019 年 5 月,每月各分类视频发布数

  2. 2019 年1~ 5 月,播放量过1w视频的标签、播放数、发布时间

  3. 2019 年1~ 5 月,播放量过10w视频的弹幕数、评论数、收藏数

  4. 2019 年1~ 5 月,播放量过50w的作者粉丝数、播放总数、视频数

之所以其中选择了 1w、10w、50w 等门槛,是因为B站的视频实在太多了,且有些数据不在列表请求中,需逐个获取。出于研究学习的目标,我们没必要完整抓取所有信息,只针对相对受欢迎的视频进行分析。

相关数据量    

2019 年不到半年的视频发布量,已经占到了B站全站视频量的 1/4 以上,可见其最近正进入高速增长时期。

以下分析,如无特殊注明均是针对 2019 年1~ 5 月部分数据做出的统计。

历史趋势    

视频发布量有一个比较明显的加速上涨趋势。另外,可以看出每年7、 8 月份都有一波小峰值,因为放假了……

周期规律    

每日的视频发布量有比较明显的波动,如果你去看大图(已上传),会发现每一次波动都是一个星期。

如果我们按每周一~日来合并统计,就会得到:

周末的发布量明显高于工作日,而周五是发布的高峰。

发布量反映的是作者的行为,而弹幕量则能反映出观众的行为。

对 2019 年1~ 5 月播放量前1w视频的弹幕发布时间进行了分析:

弹幕发布量同样呈现周期性,且比视频发布略滞后一天,峰值在周六周日。说明大家还是周末刷B站比较多。

我们将两个曲线归一化对比就比较明显了:

如果按每天的 24 小时进行合并统计,也会发现很明显的规律:

中午是小高峰,晚上是大高峰;

弹幕依旧滞后于视频

谁才是大佬?    

对于播放量过50w视频的作者,做一个排序(非最新数据):

粉丝数前20

视频播放总量前20

视频平均播放量前20

将视频总数/播放总量/粉丝数 3 个维度结合,综合成一张图表:

圈越大代表粉丝越多,越靠近左上说明效率越高(平均播放量高),越靠近右边说明UP主越勤劳。

因为B站上的“贫富分化”真的很明显,数据量跨度极大,所以这张图用了对数坐标。

特别看了下图上几个比较突出的点的详细数据:

UP主 - 发布视频数 - 播放总数 - 粉丝数

  1. 暴走漫画 - 65 - 9. 73 亿 466. 61 万

  2. 哔哩哔哩番剧 - 8382 - 112. 89 亿 - 78. 42 万

  3. TAKERA - 18665 - 2. 49 亿 - 32. 14 万

  4. 柚子木字幕组 - 10864 - 9. 97 亿 - 306. 05 万

什么内容最受欢迎?    

对于播放量过1w视频的标签,做了一些统计:

相关视频量前20

播放总量前20

平均播放量前20(只统计视频量> 100 的)

平均收藏前20(基于播放量过10w视频,标签相关视频量> 100 的)

这是一张针标签平均弹幕量和标签平均播放量的散点图:

总体来说,对于热门标签,播放量和弹幕量都会非常高;但一般标签,播放量和弹幕量的相关性并不是特别大。

把标签按视频总数、播放总量、全部评论量、全部弹幕量取Top100,绘制出词云:

如果把标准改成 平均播放量、平均评论量、平均弹幕量,则是:

看来有两位同志今年上半年很火啊!

全站标题高频词云:

高频弹幕词云:

关于项目的一些说明

  1. 使用了哔哩哔哩网页版的视频、作者信息、弹幕、热评 API 进行数据抓取

  2. 使用 MongoDB 存储数据。为了方便学习者使用,另转存了一份 JSON 格式数据可直接导入

  3. 开发环境:python3.7 / Windows / jupyter notebook

  4. 运行依赖包:

  • requests

  • matplotlib

  • numpy

  • pymongo

  • pickle

  • jieba

  • wordcloud

抓取部分并无特别难度,在 github 项目页面,我们附上了具体的文档说明和代码注释。

如果你上个月参与了我们的爬虫学习小组,现在应该也可以参照代码顺利完成抓取部分的工作。

而关于数据可视化的内容,我们也很快会开展相关小组。请留意我们公众号和群里的通知。

获取项目代码、数据、图片及说明文档,请在公众号(Crossin的编程教室)里回复关键字:

b站

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请

相关文章

相关热点

查看更多

关闭