賴美云 2019-4-22 創(chuàng)造 101 開播周年微博評論分析
首頁刷到賴美云的這條創(chuàng)造101開播周年微博责语，點(diǎn)進(jìn)評論無意間看到有很多重復(fù)昵稱和評論內(nèi)容，以為是新浪的 Bug目派，多刷新幾下還是有大量 ID 和評論內(nèi)容都重復(fù)坤候，好奇之下爬了評論看看內(nèi)容。
爬取工具：后羿采集器
關(guān)于網(wǎng)頁爬蟲數(shù)據(jù)采集工具企蹭，作為一個沒有編程技能的人白筹，簡單嘗試過幾個工具，后羿采集器是對編程和網(wǎng)頁小白最友好的谅摄，界面和操作方式都是徒河。不過這就是另一個話題了，有興趣的朋友可以在他們網(wǎng)站下載玩一玩送漠，網(wǎng)站也有相關(guān)教程顽照，論壇也有解答問題的客服役耕。
微博發(fā)布時間是 2019-4-22 22:44严沥，爬取的時間大概是2019-4-22 23:54，發(fā)布一個小時，網(wǎng)頁顯示評論數(shù)字為 3000+拆撼，數(shù)據(jù)爬下來有 2000+锌云，考慮到各層回復(fù)評論（大概400～500條）和被新浪判定為僵尸粉屏蔽掉的評論郭变。拓巧，數(shù)字應(yīng)該沒有差太多。
數(shù)據(jù)結(jié)果和處理
后羿采集器智能模式識別了非常多的字段何乎，我需要的只是評論用戶昵稱和評論內(nèi)容句惯，爬出來導(dǎo)出為 XLSX 格式，Excel 打開是這個樣子：
A 列為昵稱支救，沒有什么問題抢野；
B 列為微博內(nèi)容，觀察有這么幾個問題：以評論昵稱+中文冒號開頭各墨；有評論配圖字樣指孤；部分用戶會主動@賴美云產(chǎn)生@火箭少女101_賴美云字樣，可能會影響評論內(nèi)容分析贬堵。
B 列數(shù)據(jù)處理：
1.按照冒號拆分列恃轩，去掉開頭的評論昵稱+冒號；
2.替換的方式去掉評論配圖和@火箭少女101_賴美云黎做。
數(shù)據(jù)處理完畢如下：
數(shù)據(jù)匯總分析
分析思路
目的是分析是否真的有那么多的重復(fù)昵稱和評論文本叉跛，所以最直接的，分別看評論次數(shù)最多的用戶和重復(fù)次數(shù)最多的評論文本即可蒸殿。
基于可能是粉絲刷榜或者買了水軍的推測筷厘，可能還需要對 TOP 評論次數(shù)的用戶是否是僵尸號進(jìn)行判斷，判斷指標(biāo)是用戶的頭像宏所、昵稱酥艳、關(guān)注數(shù)、微博數(shù)等等爬骤。
在飯圈兒充石，粉絲還會有一些專門打榜的小號（未防止用戶改名字，上面爬數(shù)據(jù)最好爬出來評論用戶的主頁鏈接）霞玄，這種用戶昵稱與明星名字或者粉絲給的愛稱相關(guān)度非常大骤铃，所以判斷評論評論的真實(shí)性還可以分析一下詞頻。
分析過程
使用數(shù)據(jù)透視表匯總坷剧，分別看一下發(fā)評論較多的微博昵稱和重復(fù)次數(shù)較多的評論內(nèi)容：
再看一下 TOP 的昵稱具體發(fā)布的內(nèi)容惰爬，正好與上述重復(fù)評論重合：
也就是說，截至爬數(shù)據(jù)的時刻听隐，評論數(shù) TOP10 的粉絲平均每個人把這 8 條評論每條重復(fù)發(fā)了 6 遍。
再看一下昵稱的高頻關(guān)鍵詞：
備注：云包含賴美云哄啄；我也不知道面包和花栗鼠是什么梗雅任。
高頻關(guān)鍵詞是結(jié)合了肉眼看上去的判斷和公主號 @數(shù)據(jù)化管理 分享的詞頻分析工具的結(jié)果风范。
去重之后的用戶總數(shù)為 1174，其中昵稱明確含有賴美云相關(guān)關(guān)鍵詞的就有 241 沪么，真實(shí)粉絲的占比還是相當(dāng)高的硼婿。
最后再看一下各個情況的粉絲評論貢獻(xiàn)情況，除了以上一個帳號發(fā)布 60+ 條評論極端情況禽车，還有 242 個粉絲貢獻(xiàn) 2 條及以上的評論寇漫，21% 的粉絲貢獻(xiàn)了 55% 的評論。
分析結(jié)論
從結(jié)合以上三個簡單的指標(biāo)：TOP 昵稱殉摔、TOP評論內(nèi)容州胳、真實(shí)粉絲占比、各等級粉絲評論貢獻(xiàn)率逸月，開頭提到的賴美云評論區(qū)重復(fù)昵稱和內(nèi)容應(yīng)該是粉絲打榜的行為栓撞，但是因?yàn)閿?shù)量并不是特別大，不確定是一個粉絲還是一個粉絲小團(tuán)體碗硬，如果是一個人發(fā)的瓤湘，這一個粉絲就發(fā)了 500+ 條；如果是一個小團(tuán)體恩尾，人數(shù)未免太少了一些弛说，賴美云不能只有這幾個特別忠實(shí)粉絲吧。
這樣做粉絲真的快樂嗎翰意？
