抓取6W+篇帖子,13W+个人用户信息,分析虎扑论坛&用户数据

96
VinecntYang
2017.11.24 20:24* 字数 2110

目录

一、虎扑是什么?

二、数据说明

三、虎扑论坛分析

        1) 各论坛版块流量分析

        2) 步行街/NBA论坛版块 用户发帖内容分析

        3) 步行街/NBA论坛版块 用户活跃时间段分析

四、虎扑用户分析

        1) 用户性别分析

        2) 用户地域分布分析

        3) 用户使用设备分析

        4) 用户注册时长分析

五、分析总结

六、技术说明



一、虎扑是什么?

以下是摘自虎扑的官方介绍:

虎扑是为年轻男性服务的专业网站,涵盖篮球、足球、F1、NFL等赛事的原创新闻专栏视频报道,拥有大型的生活/影视/电竞/汽车/数码网上交流社区,聊体育谈兴趣尽在虎扑。


二、数据说明

本文所分析的数据包括:

        ①10/23~11/5的两周时间内虎扑论坛的所有帖子,帖子总数为6W+;

        ②上述6W+篇帖子的回复用户(仅第一页)的个人信息,去重后用户总数为13W+。


三、虎扑论坛分析

        虎扑论坛有超过12个版块,其中包括步行街、NBA论坛、CBA论坛、国际足球论坛、中国足球论坛、游戏电竞、运动&装备等版块。


1) 各论坛版块流量分析

        如此多的论坛版块,到底哪一个更受欢迎呢?通过分别对各论坛版块的帖子浏览量进行加和,可得各论坛版块的流量占比。


        作为一个与体育不太相关的论坛版块,步行街在流量占比上比NBA论坛版块多出了近7个百分点。对一个专业的体育社区来说,这似乎这是不太可能的,但这恰恰是虎扑的产品设计的特色。

        另外值得一提的是,作为一个专业的体育社区,虎扑的游戏电竞论坛版块竟然也占了约10%的流量,甚至比国际足球论坛的流量还要多。这从侧面说明了在我国足球所处的尴尬地位。至少对虎扑用户来说,相比起足球,他们更喜欢谈论游戏。


2) 步行街/NBA论坛版块用户发帖内容分析

        在各论坛版块的流量分析中,我们可以看到:步行街和NBA论坛这两个版块是虎扑的流量大头。所以,很有必要对这两个版块进行帖子文本内容的分析,看看在这两个版块里,用户到底在讨论些什么。

步行街版块

        通过对所有步行街版块的帖子的文本内容进行分词,同时去除停用词和一些无意义词汇,并统计词频,可以得到如下的词云图。

        从词云图中我们看到,步行街论坛版块的帖子所讨论的内容,与我们的日常生活息息相关,可以说是非常地接地气。既包含有谈论工作、公司等关键词的工作话题,又包含有喜欢、女朋友等关键词的情感话题,以及包含有学校、大学、毕业等关键词的大学相关话题等等。

        基于此,可以猜测出,虎扑用户的主要群体多为工作不久的年轻男性、以及在校大学生。


②NBA论坛版块

        通过和①中同样的方法,生成NBA论坛版块帖子内容的词云图,如下

        从以上词云图可以看出,NBA论坛版块的帖子主要是以讨论NBA赛事为主。

        其中提及次数最多的前五支球队分别是骑士、勇士、火箭、马刺和雷霆,提及次数最多的前三位球员分别是詹姆斯、欧文和库里。


3) 步行街/NBA论坛版块 用户活跃时间段分析

        通过分析用户在论坛内的活跃时间段,我们可以挖掘一些有趣的结论,并且能更好地洞察用户及其需求。


①步行街版块

        从上面的折线图我们可以看到,步行街版块用户的发帖数分别在11时、16时以及22时达到顶峰,基于此可推测虎扑步行街用户在这3个时间段附近比全天其它时间段更活跃。

        值得注意的是,11时和16时这两个时间段内(均属于工作时间)用户的活跃度甚至比非工作时间还要高。由此可推测,虎扑步行街论坛版块的学生用户的占比也是相当可观的。


②NBA论坛版块

        由图可知,NBA论坛版块的用户发帖数从上午8时左右开始飙升,并在上午10时达到了一天中的峰值,最后在14时左右回到相对较低的水平。

        通过对比NBA比赛的直播时间(通常NBA比赛直播的时间是在北京时间的上午8时-13时期间),可推测得知NBA论坛版块的用户活跃度深受NBA赛事的直播时间的影响。即当有NBA赛事直播时,NBA论坛版块的用户的活跃度会相应地提高,无NBA赛事直播时,用户活跃度会大幅下降。


四、虎扑用户分析

1) 用户性别分析

        作为一个专业的体育社区,虎扑用户近96%为男性不足为奇。虎扑以体育为切入点,发展出了一系列相关论坛,精准地抓住了爱好体育的年轻男性这个群体。


2) 用户地域分布

        从上面的用户地域分布图可以看到,虎扑用户主要分布在东部沿海省市以及北京,占比达到了近70%。值得注意的是,上述地区的总人口数仅占到全国总人口数的34%左右,且大多是经济比较发达的地区。


3) 用户使用设备分析

        在上图中我们可以看到,虎扑论坛PC网页端用户占比约为30%,而移动端(Android+Iphone+手机网页端)用户占比则为70%。

        值得一提的是,IPhone客户端用户占比比Android客户端多了5.32%(据艾瑞咨询2017年10/30-11/5移动设备指数统计,IPhone设备占比仅为24.88%)。

        此外,有8.37%的用户选择通过手机网页端访问虎扑论坛。在WiFi免费连,流量资费大降的今天,不知这些用户是出何原因没有使用移动客户端。


4) 用户注册时长分析

        以上数据基本可以说明,虎扑对用户留存还是做的很不错的,相当一部用户使用虎扑多年。


五、分析总结

        总的来说,虎扑以NBA论坛版块为起点,同时发展出了诸如步行街、游戏电竞等多个论坛版块。这些与体育不相关的论坛版块甚至在流量上超越了与体育相关的论坛版块,这可以说是虎扑在产品上的一大特色或者说是亮点。

        另外,从用户来看,虎扑的用户主要是以东部沿海省市以及北京的男性用户为主,且多为工作不久的人士或者在校大学生,可以说虎扑非常精准地捕捉住了这一群体。


六、技术说明

        数据获取:利用Python的Scrapy爬虫框架抓取帖子信息和用户信息

        数据清洗与分析:利用Python的Pandas模块以及Excel进行数据的清洗与分析

        数据可视化:Echarts、WordArt、Excel、PPT等工具

Hacking data
Web note ad 1