
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
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 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, ...
2025-09-05