說說節(jié)奏的那些事——EP3 折戟沉沙鐵未銷
聲明：
0x00. 非引戰(zhàn)，非水軍，非反串，非衛(wèi)兵。
0x01. 本系列文章不受任何企業(yè)、組織、集體、個(gè)人指使。
0x02. 本系列文章與任何企業(yè)、組織、集體、個(gè)人沒有利益關(guān)聯(lián)。
0x03. 本系列文章僅為個(gè)人感想絕無任何衍生含義。
0x04. 本系列文章不存在貶低任何同類游戲，競(jìng)爭(zhēng)廠商，玩家群體和游戲制作群體的衍生含義。
0x05. 本系列文章篇幅較長(zhǎng)，分多篇發(fā)布。
0x06. 罵和噴是你們的權(quán)利，我無權(quán)干涉，但既然我是亮明數(shù)據(jù)的，即便你不用數(shù)據(jù)噴也學(xué)習(xí)一下隔壁《政治操弄難掩抗疫不力事實(shí)》系列文章的批評(píng)手段再噴。
0x07. 本系列文章是用來分析問題的，不是用來宣泄情緒的，水軍不要在這里開足馬力，你在一個(gè)不發(fā)視頻的up下面水是沒有作用的，你們的時(shí)間很寶貴，請(qǐng)注意這一點(diǎn)。?
0x08. 本系列文章絕無任何專業(yè)歧視、學(xué)位歧視、地域歧視及其他任何衍生含義。
0x09. 本人能力和水平極其有限，請(qǐng)多多包涵。
0x0A. 本篇有一些建議，水軍和舟黑可以參考一下。
本期內(nèi)容：以明日方舟2021年夏日嘉年華pv在B站的評(píng)論為例，分析一下此次風(fēng)評(píng)的一些變化過程和一些數(shù)據(jù)。
截止作者寫到這為止，節(jié)奏仍然沒有結(jié)束，就在我寫這篇文章的時(shí)候仍然有用戶對(duì)我的專欄發(fā)表不實(shí)（至少我認(rèn)為不實(shí)）言論，我可以理解。
為了避免不必要的爭(zhēng)端，我在通過與學(xué)長(zhǎng)和長(zhǎng)輩的交流之后，降低一下上次專欄的一個(gè)假設(shè)條件，即官方?jīng)]有大規(guī)模刪評(píng)，目前我們得到的數(shù)據(jù)可信度是足夠的。至于是否刪評(píng)，在沒有官方出面回應(yīng)或平臺(tái)調(diào)查結(jié)果出來之前，此事既不能被證實(shí)，也不能被證偽。無論是從刪評(píng)動(dòng)機(jī)和實(shí)際效果對(duì)比的角度出發(fā)，還是從評(píng)論數(shù)量的減少與賬號(hào)被封禁角度出發(fā)，都不能斷言此事。
同時(shí)，對(duì)我本次爬蟲得到的評(píng)論進(jìn)行一下說明：
數(shù)據(jù)經(jīng)過初步處理，部分完全亂碼、字符評(píng)論等已被剔除，通過爬蟲共爬到評(píng)論40025頁，獲取有效評(píng)論數(shù)量617613條評(píng)論，分析可能是由于沒有獲取回復(fù)的評(píng)論，而B站的評(píng)論數(shù)量包含回復(fù)的評(píng)論。
（當(dāng)然，有些人就是說我數(shù)據(jù)水軍，說我不客觀處理數(shù)據(jù)，那你杠就是你對(duì)）
數(shù)據(jù)統(tǒng)計(jì)截止pv發(fā)布起計(jì)算的第231個(gè)小時(shí)，跨度11天，但實(shí)際上不到十個(gè)整日。
順帶一提，本次圖片有的很大，我不太清楚手機(jī)版看起來到底是什么效果，如果實(shí)在是看不清甚至沒法看了的私信我一下，若需要我可以把專欄的幾個(gè)圖發(fā)個(gè)動(dòng)態(tài)。
首先，是宏觀數(shù)據(jù)。
通過暴力方法，將所有完全一樣的評(píng)論進(jìn)行去重，保留唯一值，共發(fā)現(xiàn)287566個(gè)重復(fù)評(píng)論，復(fù)制率46.56%。亂碼因?yàn)榭梢愿淖冊(cè)u(píng)論的內(nèi)容，所以不會(huì)識(shí)別成完全一樣的評(píng)論，不會(huì)去重，所以我將這個(gè)比率命名為“復(fù)制率”。如果用字節(jié)為單位進(jìn)行計(jì)算，未去重的評(píng)論總計(jì)320820431字節(jié)，去重后的評(píng)論總計(jì)192807545字節(jié)，復(fù)制率39.90%。
通過篩選方法，統(tǒng)計(jì)發(fā)了N條評(píng)論的人發(fā)的評(píng)論數(shù)量，得到如下表。
由此可得，發(fā)一條評(píng)論的用戶發(fā)了全部評(píng)論的4%，發(fā)17條及以上評(píng)論的用戶發(fā)了全部評(píng)論的75%，發(fā)72條及以上評(píng)論的用戶發(fā)了全部評(píng)論的一半，最多的人發(fā)了2386條。
從用戶數(shù)量上看，第一名發(fā)了2386條評(píng)論，第二名2302條，第三名1890條，共有17名用戶發(fā)布評(píng)論數(shù)量大于1000，73名用戶發(fā)布評(píng)論數(shù)量大于500（這73名用戶貢獻(xiàn)了11.1%的評(píng)論），1013名用戶發(fā)布評(píng)論數(shù)量大于100（這1013名用戶貢獻(xiàn)了42.2%的評(píng)論），總計(jì)有5.9W用戶發(fā)表了評(píng)論。
接下來是偏向于微觀一點(diǎn)的數(shù)據(jù)。
我對(duì)從pv發(fā)布以來按照發(fā)布時(shí)間每隔一小時(shí)進(jìn)行分劃，得到每個(gè)小時(shí)的評(píng)論，先對(duì)這分劃到的文件進(jìn)行一下宏觀的觀察，能得到以下兩張圖。
pv發(fā)布的時(shí)間是20:15:10，因此開局過一會(huì)大家就睡覺了，圖上出現(xiàn)的十個(gè)低谷也對(duì)應(yīng)了十個(gè)夜晚，可見用戶們還是符合人類的基本作息的。
但是接下來就有意思了：
采樣點(diǎn)231個(gè)，有8個(gè)（3.5%）采樣點(diǎn)平均字?jǐn)?shù)突破了500，最高達(dá)到了577.54；42個(gè)（18.2%）采樣點(diǎn)平均字?jǐn)?shù)突破了400，112個(gè)（48.5%）采樣點(diǎn)平均字?jǐn)?shù)突破了300，158個(gè)（68.4%）采樣點(diǎn)平均字?jǐn)?shù)突破了200。
在此給出參考數(shù)據(jù)：著名的“一十五條”，不加亂碼的原始版本字?jǐn)?shù)是330左右。
可以看到，許多用戶在評(píng)論區(qū)“神采飛揚(yáng)”，“揮毫潑墨”，一篇篇大小作文“躍然屏上”。
對(duì)每小時(shí)的評(píng)論進(jìn)行關(guān)鍵詞提取（還是jieba分詞，我們的老朋友了），取前250個(gè)關(guān)鍵詞，根據(jù)Top1的重要程度進(jìn)行排序，得到如下統(tǒng)計(jì)圖（可以認(rèn)為，某個(gè)詞的重要程度越高，這個(gè)詞的出現(xiàn)頻率越高，雖然不是完全正比關(guān)系）：
可以看到，在前57個(gè)小時(shí)，關(guān)鍵詞“限定”一直處于霸榜狀態(tài)（注意，假日威龍陳的動(dòng)態(tài)發(fā)布時(shí)間是自pv發(fā)布起第70個(gè)小時(shí)），此后一段時(shí)間一直是“限定”“禮包”“模組”“芯片”“干員”等詞輪流坐莊。
“優(yōu)先級(jí)”一詞自第101小時(shí)開始拔得頭籌，堅(jiān)挺了16個(gè)小時(shí)且重要程度也處于高位（198禮包調(diào)整是第95個(gè)小時(shí)，下一個(gè)動(dòng)態(tài)是7月30日的更新預(yù)告，時(shí)間是第112個(gè)小時(shí)；再下一個(gè)是模組的專欄，時(shí)間是第117個(gè)小時(shí)），之間穿插有“模組”；此外，同時(shí)間“模組”一詞也在高位徘徊。
之后，關(guān)鍵詞“限定”“干員”“卡池”重回榜首，兼有“八月”“沖沖”“&#”（這應(yīng)該是一個(gè)表示憤怒表情的emoji）“yjfm”，此狀態(tài)持續(xù)到第184個(gè)小時(shí)，也就是可露希爾第八話和鐵人采訪第五篇之間的時(shí)間，距離鐵人采訪第五篇的動(dòng)態(tài)發(fā)布還有四個(gè)小時(shí)左右。
在之后，由關(guān)鍵詞“心心”（著名B站表情），“call”（著名B站表情），“玩家”等詞匯登頂，這個(gè)狀態(tài)持續(xù)到第216小時(shí)，即夏活正式開始后的三個(gè)小時(shí)，當(dāng)天晚上七點(diǎn)。
這一階段，有一個(gè)詞“取關(guān)”，于第195-198小時(shí)以壓倒性優(yōu)勢(shì)奪冠，對(duì)應(yīng)現(xiàn)實(shí)時(shí)間的2021年8月2日的22:00-02:00之間。不過，這段時(shí)間還沒啥評(píng)論，四個(gè)小時(shí)累計(jì)評(píng)論數(shù)量?jī)H有4.5k（雖然這個(gè)數(shù)字已經(jīng)很恐怖了，但是在明日方舟現(xiàn)階段算是比較低的一個(gè)數(shù)據(jù)）。
216小時(shí)后直到統(tǒng)計(jì)截止，是“還水”（我通過簡(jiǎn)略瀏覽那段時(shí)間的評(píng)論，認(rèn)為這個(gè)“還”字讀huan音而不是hai音）“水月”“please”的舞臺(tái)。
這是top1的統(tǒng)計(jì)結(jié)果。
接下來是評(píng)論區(qū)熱詞top250上榜次數(shù)的排名。
“yj”一詞比較特殊，Excel的邏輯是不區(qū)分大小寫，所以超過了滿分231（去除大小寫干擾因素之后仍然是231）。
除開“鷹角”系列詞匯，對(duì)四個(gè)滿勤的詞匯，做一下排名和重要程度的統(tǒng)計(jì)：
可以看到，“限定”一詞即使在中途“痛失”頭把交椅，排名仍然比較穩(wěn)定，直到后期才有大幅度的波動(dòng)；“玩家”一詞在100-118小時(shí)區(qū)間有過波動(dòng)，我們之前分析過原因（“優(yōu)先級(jí)”當(dāng)頭），在160小時(shí)后仍然出現(xiàn)一定規(guī)模的波動(dòng)，并于215小時(shí)之后開始大規(guī)模波動(dòng)；“異格”一詞與“玩家”比較像，除了后半段波動(dòng)非常劇烈以外前面大部分時(shí)間兩條曲線走勢(shì)比較吻合。
“游戲”曲線和之前三個(gè)相比似乎毫無規(guī)律，前24小時(shí)還能和三個(gè)詞“并駕齊驅(qū)”，之后有的時(shí)候想起來了提一嘴，想不起來了就下去了。
下一個(gè)圖也是這四個(gè)詞的，只不過是重要程度統(tǒng)計(jì)：
假日威龍陳出場(chǎng)時(shí)間是第70小時(shí)，而“限定”對(duì)應(yīng)的那一個(gè)波峰是從第100小時(shí)開始的，那一股強(qiáng)勁的波峰對(duì)應(yīng)的時(shí)間是7月30日0:00-7:00，那一段時(shí)間有一萬條評(píng)論，同時(shí)霸榜的是“優(yōu)先級(jí)”，“模組”也穿插其中。
以上是數(shù)據(jù)展示部分，也是本篇文章的主體，不想看個(gè)人觀點(diǎn)的可以退出了，以下涉及的內(nèi)容不會(huì)過多地出現(xiàn)之前沒展示的內(nèi)容。
根據(jù)明日方舟二周年直播的統(tǒng)計(jì)，四次危機(jī)合約全部殺穿SSS（16級(jí)）的用戶數(shù)為81W，考慮到有些人黃鐵行動(dòng)打不過的問題，方舟的活躍玩家數(shù)量應(yīng)該在百萬級(jí)別；而截止8月4日，評(píng)論區(qū)的用戶數(shù)量只有5.9W，將近一半的評(píng)論卻是由平均一天評(píng)論十條的僅僅一千名用戶貢獻(xiàn)得到。
此外，評(píng)論長(zhǎng)度嚴(yán)重偏高，評(píng)論復(fù)制現(xiàn)象也非常嚴(yán)重。
近七成的時(shí)間平均評(píng)論字?jǐn)?shù)超過200，有的時(shí)候平均都達(dá)到500+。
哦對(duì)了，我在處理數(shù)據(jù)的時(shí)候發(fā)現(xiàn)逐小時(shí)關(guān)鍵詞有六個(gè)是視頻，為了保護(hù)做視頻的up主我不在這里放BV號(hào)了。
剩下的，我暫且不做討論，我們之后再說。
最后，給水軍和舟黑（看好了，我說的不是全體評(píng)論區(qū)沖鋒的賬號(hào)們，別硬噴）一點(diǎn)建議。
csv格式是以英文逗號(hào)分隔，下次發(fā)布評(píng)論原稿供大家復(fù)制之前記得在評(píng)論中反復(fù)打上","的字樣，這樣可以初步干擾爬蟲得到的文件。
Excel一共有1048576行，為了不讓我使用Excel而必須使用panda，應(yīng)該將評(píng)論數(shù)量沖到120萬以上（考慮樓中樓，要做足提前量），這樣才有爆掉一張Excel表的可能。
制表符也很關(guān)鍵，評(píng)論時(shí)記得帶。
英文符號(hào)和字母作為亂碼是很容易被數(shù)據(jù)清洗洗掉的（我沒有做這一步，但清洗就是一行或者幾行代碼的事），下次再寫亂碼可以使用中文漢字。
一定要記得改亂碼，這次復(fù)制率高達(dá)46.6%，數(shù)倍于論文抄襲的標(biāo)準(zhǔn)，可以說非常失敗。
最后，感謝各位活躍于評(píng)論區(qū)的沖鋒手們，我現(xiàn)在的工作量已經(jīng)增加到四本教材和十一篇論文了，至少你們的努力豐富和充實(shí)了我的假期生活。
