微信朋友圈里一些有趣的数据统计和科学规律

微信朋友圈里一些有趣的数据统计和科学规律

最近，清华大学的科学家钳究了一下我们的朋友圈，然后得出了一些比拟有意思的规律，还

创立了一套预测模型，可以预测一个人在朋友圈转发一篇文章后谁会点开、谁会点赞，预测的精

度超过80%。下面我们就具体来看一下这些研究结果。

年龄与被激活的概率

首先，这个研究是和微信一起搞的，所以能拿到准确的后台数据c它一共使用了4800万个

用户、6125万篇微信文章和75亿次互动的数据,包括是谁提供的文章、提供者的年龄、性别、

提供者好友的年龄、点击文章的好友是谁、谁又在点击文章后点了赞或者点击文章页面里的“在

看”0

当然，微信给出的供研究的数据都是把其他个人信息抹去的，并没有泄露隐私的风险。然后,

科学家们发文章描述了那个预测的数学模型是怎么建立的.这并不是本文的重点，如果你对这局部

学术内容感兴趣，可以找这篇文章来看。论文的链接如下——s:///abs/2103.02930O

这里，我们只看看他们通过模型分析出的结果。

TABLE1Useractivityw.r.t.gender.

Gender"Wow”prob.Clickprob.

Male1.17%10.62%

Female1.19%9.86%

203040506070Age

Fig.2.-Wow"anddickprobabilityw.r.t.userage.

首先是在微信“看一看”里点击文章的概率，和额外又点了“在看”按钮的概率，这个概率

又按年龄和性别做了细化。有的人可能不知道“看一看”在哪儿，你只要翻开微信，点下侧的

“发现”按钮，里面就能看到“看一看”了。当然，这个是要开启的，如果没有的话，你可以去

设置-通用-发现页管理去手动开启。在这个地方看文章，比朋友圈里看文章有更好的互动体验，

因为你可以知道一篇你喜欢的文章，你的朋友是谁看了、谁喜欢了。

结果是这样的：在“看一看”里出现的文章，被点击的概率大约是10%,而不但点击了文章,

又去点了“在看“按钮，也就是说，我不但看了，我还希望别人知道我看了这篇文章的，这个概

率大约是1虬也就是说，10篇文章中有1篇会引起好奇，10篇引起好奇的文章里有1篇会引发

认同。

如果按年龄看，25岁这个看似是互联网中坚力量、最活跃的人群，其实反而是最不愿

意点击文章和点击“在看”的；而70岁以上的人是最愿意点击文章和点击“在看”的。这一头

一尾的概率相差大约1倍，比方，年轻人只有双的会点击“在看”，而老年人的概率就能提升到

2%0

01

-4

01

-2

0

-0-

0020

0.01$

0.010

00X

(a)“Wow”Behavior(b)ClickBehavior

Fig.3.User“wow”andclickprobabilityw.r.t.users*genderandage.

如果按年龄和性别两个维度去筛选，结果是这样的：最爱点击“在看”的人是70岁以上的

男性，比例高达3.5%,最不爱点击“在看”的是25岁左右的男女青年，比例只有不到0.5%。而最

爱点开文章的是70岁以上的女性，比例高达15%,最不爱点开文章的是25岁的年轻女性，低到

了8%0由此可见，老年人具有纯读者的属性，早已“训练有素”的编辑们起的文章标题，对他

们确实更受用。

0.10000.09230.08940.10160.10030.0.1143

0.15

◎

z0.08810.08420.07880.07770.08390.09280.0996

・0.14

0

二

0

E0.09000.08770.09260,09270X)9370.10080.10480.13

。

2J

(

导

O0.12

OJO.O95S0.09X30.10890.11380.11650.1193

S

•

导0.11

二().131110.14060.1426

00.11280.11060.1052

9

0

2-0.10

0

卜0.12520.11550.1184|0.l353|0.14721().1563

.

-0.09

10.12600.1262|0.13570.15340.1581

-0.08

(10.20)[20.30)[30.40)[40.50)[50.60)[60.70)[70.80)

Friend'sace

Fig.4.Users,uwow"probabilityw.r.t.userageandfriendage.

接下来这张图，建议你仔细看一看，它说的是一个用户被激活的概率。这个概念是这样的，

翻开“在看”后，你会看到里面有一篇篇的文章，除了题目外，下侧还显示人名，这些人名就是

看了这篇文章并且点过“在看”的人。而我们决定是不是要点开这篇文章，其实不光文章标题影

响着我们的判断，下面出现的人名也会影响我们是不是要点开。如果那个人对我很重要，比方说

是我的领导、我的家人，或者我的对手，那这些属性会影响我看完后要不要也点一下“在看”。

当然，微信是不会把这些亲属关系、工作职位之类的信息透露给科学家的，科学家只能从年

龄、性别等普通的属性，来统计一个人点过“在看”对另外一个人也点“在看”的影响，这就是被

激活的意思。之后为了表述简洁，我们都使用“被激活”这个词。

这张表格我们可以这么看：

先找最低的，也就是黄得都发白的区域，有2个方格，用户年龄都是20-30岁，他们是最不

容易被激活的一群人。尽管如此，不同年龄段的人对他们的激活还是有差异的，年龄在30-50岁

的人最不能激活20-30岁的人。

我们再从这张图里找激活率最高的区域，有4个方格，就是深得发紫的区域。其中3个出现

在老年人与老年人之间，最容易受到激活的人群是70-80岁的人，他们最容易受到GOTO岁、

70-80岁的人的影响。而另外一个深紫色，也就是激活率最高的地方，很有意思，那就是十几岁

的年轻人最容易激活七八十岁的老人。而且这里也可以看出，对各年龄层影响最大的，就是七八

十岁的人。

这些规律对应到现实中的场景,可能是这样的:七八十岁的老人对社会事件发表的观点，只要

不过时，就都会受到大家的赞扬。而七八十岁的老人在接纳新事物、新观点上，已经比较弱了，

但刚上初二的孙子、孙女跟他说的东西，他们却很愿意听取。

最后就是，六十岁以上的人之间的互相影响力最大。

2.性别与被激活的关系

下面一个有意思的结果就是，按性别来看，人们互相影响的规律，但这次是统计2个好友对

他本人的影响。

可以发现,如果用户本人是男性，那么另外两个出现的好友也都是男性的时候，他被激活的

概率最高。用户本人是女性也是如此，当另外2个好友也都是女性时，用户被激活概率最高。我

猜，这可能和文章内容与性别相关有关，同一性别关注的问题更倾向于一致。

010S

0100

0W5

-0090

difTprmMimejwovtamecitytamediM

DistancewithFriendI

Fig.7.User“wow”andclickprobabilityw.r.t.thedistancebetweentheegouserand

thefriends.Hereudiff_provMmeansdifferentprovinces,**same_provnmeansthe

sameprovinces,Hsame_citynmeansthesamecities,andusame_distMmeansthe

samedistricts.

3,其他因素与被激活概率的关系

然后，是物理距离对被激活概率的影响。当然，这里的距离只能精确到同一省份或者同一城

市，精确不到公里数。

有人会以为，离得近的人互相影响多。但实际上，在■看一看”这里的激活率完全表达不出距

离的特质。这也可以想到，你翻开常用的微信群，看看最近发言的5个人，你能说出他在哪个城

市吗？估计不能。所以，我们在“看一看”中看到那些只是在微信里熟悉的朋友时，也不会首先

被他的地理位置影响。

接着，是意见领袖和普通用户的比照。这个也很有意思。首先，什么算意见领袖呢？这是研

究团队根据微信后台数据，主要是互动的次数，使用搜索引擎给结果页面排序的方法，给每个用

户算出的一个分值。分最高的前1%的人，被定义为意见领袖。结果发现，意见领袖激活普通人

的概率反而不如普通人激活普通人的概率高。

TABLE4

Dyadiccorrelationsw.r.t.users*andfriends*socialroles.OU:ordinaryuser;

_____OL:opinionleader.______________

UserFriendnWownprob.Clickprob.

OUOU1.06%10.65%

OUn0IT0.66%8.11%

OLOU0.92%8.57%

OLOL0.64%7.49%

不管是激起普通人点击文章，还是点“在看”.都是普通人点的“在看”对别人的激活率更高,

一个10.65%,一个是1.06%。而在这两项统计中，意见领袖激活普通人的概率只有8.11%和

0.66%o当然，最低的是意见领袖对意见领袖的激活率，这两项是7.49%和0.64虬

我觉得这个结果很容易被误解。在意见领袖这个词的定义上，那些得分高的人未必是我们理

解的在微信公众号和微博上写爆款文章的人，那些是我们定义的大V,而这篇研究中的意见领袖，

更接近于朋友圈里非常活跃的人，联系人多、见什么点什么、转发文章也不怎么慎重，他们会在

互动次数上凸显出来。但正因为他们在不管重要还是不重要的文章里都冒头，于是拉低了影响别

人的概率。

p15

O

5O1

0

o.PC

A0

三O.90

一

q

e

qO

o

i

d

0.050.090

0.085

0.81.00.81.0

TheratioofactivefriendsTheratioofactivefriends

(a)"Wow"Behavior(b)ClickBehavior

Fig.8.User“wow”andclickprobabilityvs.theratioofactivefriends

下一个研究是朋友圈的属性。这里用到了一个定义一活跃朋友数，指的是一个人的朋友圈

人数除以朋友圈可