facebook效应:流量生意背后有哪些数据逻辑罚单故事和商业责任

文/Weijie Deng

在 facebook 上的曝光重要么?是的,很重要,它大概让对应话题在维基百科页面的搜索率翻了一倍,让“交口相传”,变成了“争相搜索”。

2018年2月21日,美国网红 Kylie Jenner 在个人推特上发帖:“是不是大家都不再打开Snapchat了?还是只有我… 呃这真令人伤心。”

在这条推文发出后24小时内,Snapchat 的股价大跌6%,大概抹去16亿美元市值。

(图片说明:凯莉·克莉丝汀·珍娜是一位美国电视名流!、模特儿她第一次出如今萤光幕是在美国E!频道的真人秀《与其卡戴珊姊妹偕行》,右为她的推特原文;图片出处:推特)

Kylie Jenner的推特有约2500万粉丝,单单这一条推特就得到了超越37万点赞和快要7.5万次的转发。她的这条转发,就是交际媒体吞噬贸易运作的缩影——这些行为偶然可以带来巨大长处,而偶然,就像发生在Snapchat身上的那样,会带来巨大伤害。

在我的项目中,我实验研究两个问题。第一,在交际媒体上盛行的事情会带来什么影响?以及,怎样进步一件事情在交际网络上盛行起来的大概性。 我选择的研究对象是最大的交际媒体公司——Facebook。

这一话题我将分为上下两篇来写,在这篇文章中,我将会合研究一家公司在 Facebook 上得到的曝光所带来的影响。

各种公司不停在撰写内容、分享链接以及评述帖子,以期进步自己在 Facebook 的曝光度,进而提高自己的受欢迎度。但曝光增长带来的真实影响毕竟是什么呢?

研究这一问题的最好方法,就是看一看 Facebook 平台上的 “Trending” 列表,这是 Facebook 用户阅览最多的部分。2014年,Facebook 在主页增加了 “Trending” 的功能,将用户们正在讨论和分享的话题以列表情势展示出来。

决定这一列表的真实算法是怎样的,在我这一项目中并不重要,不能否认的是,进入 Trending 列表的话题会被全部2亿 Facebook 用户(至少在美国事这样)看到。

以是,假如能找到一种方法来权衡一件事出如今 Trending 后带来的影响,那么我们就可以理解在 Facebook 平台的曝光有何等重要。但这不简单。除非是 Facebook 雇员或支付一笔费用,不然一样平常很难知道确切的单个帖子的点击量。我需要公开的并且直接与之有关的信息。以是我转向维基百科。

在 Facebook 上盛行的话题有一个共同模式,就是人们在之后会盼望理解关于它的更多信息。好比,一个演员在 Facebook 上由于成婚或卷入一场丑闻而盛行起来,我的第一反响就是去获取更多信息。根据谷歌的公开说法,当一个人被搜索时,10次中有9次第一个弹出的结果是他的维基百科页面。

以是,假如我可以将 Facebook 的 Trending 与维基百科的阅读环境创建颗粒级的关联,我大概就得到一个研究 Facebook 盛行效应的很棒的方法。更棒的是,维基百科会宣布每个页面的每小时阅读量。

(图片说明:facebook 中的 Trending 板块)

以是,我记载下了从1月30日到2月5日一周的 Facebook 的 Trending 数据。

抓取时间为美东时间天天早上8点,这是 Facebook 用户最活泼的时间点之一。其次,我下载了同一时间段维基百科各个页面的每小时阅览量。

接下来的工作就是将这些数据进行正确联合。

维基百科页面数据的下载和整理泯灭不少时间,这包括:首先,撰写一个脚原来主动下载维基百科上对应的数据;其次,使用正则表达式将facebook上的盛行话题转为一个特有字符串,以对应它的维基百科页面;然后,创建一个循环,完成下载,根据当日Facebook的Trending环境对这些数据进行分类,然后再将每个文档根据一个组织好的层级布局进行组合。

最终,基于一周的 Facebook Trending 数据,我得到1200多观察数据。

以是,一个话题在 Facebook 上的盛行,会影响它的维基百科页面阅读量么?

让我们来看看结果。

从上图来看,似乎是的。y轴是阅览量,x轴是一天的差别时间段(对应的图上的点代表这一时候的累积阅览量),蓝色线代表一个话题在 Facebook 上盛行,黑色线代表盛行的话题的均匀维基百科页面欣赏量。可以看到,蓝色线以后,黑色曲线有一个陡增的变革,这说明:一个话题盛行后阅览量急剧增长。

然而,聚合图会含糊每个详细话题的奇特环境,因此我制作了每一个话题对应的曲线图。

总的来看, 可以看到,一个在Facebook上盛行的话题,会在维基百科上也出现欣赏量的激增,几小时后才掉头向下。几个很突出的例子包括:

对这些差别话题的体现上的分析则越发风趣:

(图片说明:红色表现政治话题,绿色表现盛行文化话题,蓝色表现体育话题)

我们把 Facebook 的盛行话题进行分组,分别为三类:政治、盛行文化和体育,整体上维基百科的阅览增长趋势是相似的。然而,体育类话题与其他有显着区别:它在Facebook上盛行后,在维基百科上阅览了增长的最快,而当风潮已往,它的回落也是最剧烈。以是,Facebook带来的效应对种种差别话题还是差别的。

那么,这些差别影响的程度有多大?我做了两个分析。首先,我制作了一个话题在盛行前后维基百科每小时页面欣赏量变革的箱线图,接下来,我对它们进行了T查验(即用T分布理论来推论差别发生的概率,实用于这种样本含量较小的环境)

结果表现,当p值小于0.001时,盛行后的维基百科欣赏量的均匀值比盛行前要高许多。

不外,尽管如此,T检测并不说明在 Facebook 上盛行就是维基百科欣赏量变革的唯一缘故。下面就是一个可以用来反驳的假设关系:

我们假设的关系是:

(图片说明:红色表现政治话题,绿色表现盛行文化话题,蓝色表现体育话题)

一种大概的反驳为:

(图片说明:真实事件发生——在Facebook Trending盛行起来(上);要么,维基百科欣赏量变革(下))

以是要弄清晰这一点,我们可以进行一个头脑试验。此中,试验组(treatment group )就是我们所说的逻辑:实际全球发生了一件盛行的事件,之后 Facebook 上也引发讨论。而控制组则是,实际全球发生了盛行事件,但 Facebook 上并没有盛行起来。当我们使用察看数据从而让两者可控时,这样的使命是可以完成的。

别的,我们还可以让两个对比组只改变一项变量:在 Facebook 上盛行。

固然,我们无法直接操控一个事件是否在 Facebook 上盛行,但是我们可以用别的一种方法替换:拿在 twitter 上盛行但并未在 Facebook 上盛行的事件做对比。2017年1月 Facebook 对盛行话题的算法进行调整,此前备受品评的千人千面,改为同一地域的用户会看到同样的盛行话题。因此,假如我们可以拿到 Twitter 盛行话题的历史数据,就可以进行对比。

于是我重新收集数据。我爬取了收集记载 Twitter 盛行话题的网站 http://trendogate.com 的数据。我在时间上选择了 facebook 调整算法前两周的数据,以让它们越发有可比性。

之后我再次对对应的维基百科欣赏量做了相似处置。两者对比分析得到下面这组图。

我也再次进行了相同的T检测,结果表现当p小于0.05,均匀值方面就会区别不显着。

因此,对比 Facebook 的试验组,可以说明, 话题在 Facebook 上盛行会给他对应的维基百科界面欣赏量带来显着提高,但 Twitter 上盛行则并不会带来显着变革。

因此回到最初的问题:在 Facebook 上的曝光重要么?是的,很重要。它大概让对应话题在维基百科页面的搜索率翻了一倍。

那么问题来了,既然引爆交际网络这么重要,那么我们为了「制造盛行」,我们毕竟应该做些什么呢?敬请等待下篇的解答。

注:本文翻译自技能博客《The Facebook Effect》。内容仅为作者看法,不代表DT财经态度。

▍关于DT×NYCDSA

DT×NYCDSA是DT财经与纽约数据科学学院互助专栏。纽约数据科学学院(NYC Data Science Academy)是由一批活泼在!环球的数据科学、大数据专家和SupStat Inc. 的成员共同组建的教诲团体。

▍数据侠门派

本文数据侠是William Kye。他拥有美国圣母大学社会学博士学位,对分析和明白人类行为有浓重爱好并富有履历。Kye嘻歡用数据解决问题,不但将数据看作生硬的数字,他还盼望将其置于人类社会行为的大配景下进行明白。他此前做过大量的人口数据与其他数据的交织分析,好比社区自尽率与种族组成的关系,私立学校的数目与社区士绅化趋势的关系等。Kye把握R语言、Python等,同时盼望将数据分析以有洞见的故事情势显现出来,并将自己的本领用在解决实际全球的困难上。

脸书背后的网络营销逻辑

据3月17日美国《纽约时报》报道,Facebook上超越5000万用户信息数据被一家名为“剑桥分析”的公司泄漏,用于在2016年特朗普美国总统大选中针对目的受众推送广告,从而影响大选结果。

受“泄密”丑闻影响,Facebook的股价也遭遇重挫近,其市值和扎克伯格的身家也大幅缩水。有评述称Facebook遭受了自创建以来最大的危急,一方面是源自无法挣脱的隐私痼疾,另一方面是无奈卷入的政治斗争。有的媒体甚至将“灭顶之灾”冠之头上。

Facebook卷入泄漏用户信息风暴第5天,扎克伯格终于冲破缄默沉静,认可对Facebook数据泄漏事件负有责任,并保证未来肯定会纠正,不再发生类似事件。

而相比于品牌和信誉上的伤害,真正让媒体和外界对Facebook远景表现灰心却是:假如负责調察的美国联邦商业委员会确认Facebook数据泄密属实,那么Facebook也将面对2000,000,000,000美元的罚款!而这个数字,相当于现在Facebook市值的近 4 倍。

天价罚单的背后,是为企业运营规定的不可触碰的禁区,也是企业对其决议带来影响负担责任的界限地点。而由于侵占知识产权、环境污染违法、扰乱市场秩序、涉及行业垄断!等缘故而接到天价罚单的教导和案例何其之多,现在天我们要盘货的就是一些企业的“不太色泽”的时候。

应该说,天价罚单的目标和意义,并不是真的打倒一个企业,不是收缴上来几多罚金,而在于,进而在促进行业越发可连续的同时,可以或许真正为老黎民带来更有尊严、越发优美、更有安全感的生活。


紫金矿业被罚3000万

污染环境

2013年6月,最高法转达称,紫金矿业团体股份有限公司紫金山金铜矿重大环境污染事故案中,被告单位被处罚金人民币3000万元,多名企业负责人被追究刑事责任。

最高法院表现,自2006年10月份以来,被告单位紫金矿业团体股份有限公司紫金山金铜矿所属的铜矿湿法厂清污分流涵洞存在严峻的渗漏问题,2010年7月3日,紫金山金铜矿所属铜矿含铜酸性废水渗漏,造成下游水体污染和养殖鱼类大量死,上杭县城区部分自来水厂停止供水1天。2010年7月16日,污水池又发生走漏,走漏含铜酸性废水500立方米,再次对汀江水质造成污染。


快播被罚2.6亿元

严峻盗版

2014年6月,深圳市场监视管理局向快播公司做出最终处罚决定:2.6亿元!创下国内互联网行政处罚之最。

据理解,监视管理局2014年3月接到投诉,经調察确定快播公司未经允许,通过网络流传腾讯已拥有独占性信息网络流传权的《北京爱情故事》等24部影视作品,非法经营额8671.6万元。


BP遭罚206亿美元

墨西哥湾漏油事故

2015年10月,英国石油公司(BP)2010年原油走漏事故最终被美国当局裁定罚款208亿美元,创下美国历史上金额最大的环境污染罚单。

美国联邦法庭新奥尔良地方庭随后作出裁决,认定英国石油公司在2010年的墨西哥湾深水地平线钻井平台爆炸及原油走漏事故中有“重大疏忽”,并最终处以208亿美元的罚款。同时美国司法部、商务部、农业部、以及环保署都相应作作声明,使这次创记录的污染案最终告一段落。


6家乳企被罚6.6亿

涉垄断

2013年8月7日,国度发改委开出反垄断調察最大罚单:六家乳粉生产企业被罚6.6亿元。

此中,对于违法行为严峻、不积极主动整改的合生元处以上一年度销售额6%的罚款,计1.629亿元;对于不能主动配合但是可以或许积极整合的美赞臣处上一年度销售额4%的罚款,计2.0376亿元;这也是6家被罚企业中金额最大的一家罚单。


葛兰素史克中国被罚30亿

贸易行贿

2014年9月,长沙市中院对葛兰素史克(中国)投资有限公司和马克锐!等人对非国度工作职员贿赂、非国度工作职员受贿案进行审理。GSKCI被判罚金30亿元,在其时这也是为止中国开出的最大罚单。

针对监管部分开出的30亿元罚单,葛兰素史克总公司19日公布致歉声明,表现完全认同中国司法机构依法认定的事实和证据,并听从中国司法机构的依法判决。

同时,公司答应,将对峙在中国连续投资,并一如既往地支持中国的科技发展;将针对盛行于中国的疾病,进一步推进药物和疫苗的研发;还将通过扩大生产、扩大药品价格下浮空间。


乍得罚埃克森美孚740亿美元

漏税

2016年10月,乍得最高法院公布了对美国石油公司埃克森美孚的诉讼判决,埃克森美孚公司在已往15年时间里未能尽到自己的交税任务,需交罚款740亿美元,外加8.19亿美元的税款。

乍得当局给埃克森美孚开出的罚单,超越了2010年英国石油公司在深水地平线劫难背面临的616亿美元罚款。同时,这也是埃克森美孚1989年阿拉斯加石油走漏所交罚款的70多倍。

(责任编辑:小黑)

【财新网】(专栏作家 陈立彤) Facebook于2018年4月25日公布了截止3月31日的2018财年第一季度未经审计财报,财报表现该公司第一季度营收为119.66亿美元,高于分析师此前预估的114.1亿美元,净利润达49.88亿美元,比去年同期的30.64亿美元增长63%。尽管所谓的“数据泄漏”事件不停发酵,受影响用户数已增长至8700万,但Facebook表现,第一季度环球日均活泼用户人数为14.5亿人,较去年同期增长13%,月度活泼用户人数为22亿人,较去年同期增长13%。Facebook的员工总数达27742人,比去年同期增长48%。由此可见,此前的数据泄漏事件并未!对公司业绩带来太大打击。受此影响,Facebook股价在纳斯达克的盘后生意业务中涨幅超越6%。

本文网址: http://www.11st22.com/d/202112814555_7025_3314199639/home

推荐阅读

tags

最新发布