社交大佬们的数据‘大’在哪里?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 导语:FB、G+、Youtube、LinkedIn......兜儿里的社交大数据能用来干甚?   “别说忙,没工夫看书。。。你那刷FB/朋友圈的工夫腾出来,保证每周啃下一本”,小编身边总充斥着这样的‘训话’。

导语:FB、G+、Youtube、LinkedIn......兜儿里的社交大数据能用来干甚?

  “别说忙,没工夫看书。。。你那刷FB/朋友圈的工夫腾出来,保证每周啃下一本”,小编身边总充斥着这样的‘训话’。。。

  额,奈何我每天的工作离不开从社交媒体中获取信息,甭管有毒没毒,一得空就扎进SNS已经成了我的‘条件反射’。其实病入膏肓的又何止我一人;据了解,全球互联网用户平均每天花在社交媒体上的时间足足有两个半钟头!点击、翻页、评论、分享......这些行为的集合,勾勒着虚拟世界中每一个鲜活的个体 —— 那是每个人的一面镜子。

  你知道么,每当科技分析师煞有介事地探讨‘大数据’,10个里有9个说的都是‘社交网络’中流出的用户行为数据。不由分说,今天的社交大佬们有个‘杀很大’的机会:可以更好地理解用户的人脉关系、兴趣爱好、消费习惯以及人口统计特征。如果真能玩儿转这些数据,介些巨无霸SNS就能为用户提供无比贴合的个性化内容,以及无与伦比的综合体验,同时,广告商们还能更精准地定位到那些真正对他们产品感冒的用户。到那会儿,赚钱的赚钱,享受的享受,每个人就都High了。

  小编今天为大家粗数一下,世界上最大的几个社交网络各握有哪些要命的用户数据?它们的意义何在?

  *先说说‘图谱’是神马?字典里说,这俩字泛指按类编制的图集,其实英文就是Graph。社交网络发展至今,中国专家很喜欢用‘图谱’形容不同SNS掌握的不同类别的庞大数据网络;听上去颇为高大上不说,还跟‘大数据’与生俱来的‘难以驾驭性’有点相得益彰的效果。呵呵,不好意思,小编只能解释到这儿了。。。

  Facebook的兴趣图谱:月活跃用户超过12亿,这些人平均每月花7个小时在Facebook上。以往,人们总把Facebook上的数据宝库看成一个‘社交图谱’,或者说一个关系管理体系。你的家人,朋友,同事,认识的人,想认识的人、甚至是想回避的人......全在上面;Facebook握有你最完整的的关系图。但是成年后的Facebook又有另一番面貌,它现在平均每天处理25亿条内容分享(大概每人两条),它的like(点赞)按钮每天被按下超过27亿次.......专家们更倾向于把今天的Facebook看成一个‘兴趣图谱’;它告诉你某某某在意的是什么,是一个通向人们喜好的窗口。

  Google+的知识图谱:你可以把Google+看成是Google搜索的补充和延伸,它能告诉你:人们‘已经知道些啥’,以及‘想要知道些啥’。Google+的NB之处在于,它令Google宝贵的搜索数据更具‘人性’,帮助Google理解人们为啥搜索这个或者内个信息,背景、情由各是什么等等。此外,反过来看,Google+也是Google搜索的一个有力助手:+1键(连同其他G+数据)已经成为决定Google搜索结果中网页排名的重要因素。

  Youtube的娱乐图谱大伙儿喜欢看什么片子?听什么曲子?每个人感兴趣的音乐、视频、电影、电视节目都是哪些?Youtube将每个人的欣赏品味汇编成了一个庞大的娱乐图谱。从电影制片厂,到唱片公司,再到有线电视台,娱乐产业中的重头参与者们都在目不转睛地盯着这个指南针。每个月,超过10亿个独立用户会造访Youtube,使它成为名符其实的世界第二大社交媒体。2013年12月的数据显示,Youtube用户平均每月花费6个小时在这个平台上观看视频(而Facebook用户平均每月在其平台的视频观看时间还不足1小时)。

  LinkedIn的职业图谱:LinkedIn掌握的价值数据在于每个人的工作经历和职业人脉;注意,这里说的‘每个人’指的是:全世界的白领劳动力。LinkedIn是社交网络中为数不多的常青树和盈利明星;它针对的不是人们的‘一时兴起’,而是逃不掉的‘生计’问题(个人的求职、公司的招聘)。目前,大约有22%的LinkedIn用户在该平台上拥有500-999个一度人脉,拥有301-499个一度人脉的占了19%。

  Twitter的新闻图谱:握有2.32亿月活跃用户,Twitter的用户数在社交媒体中算不得最大的,但它却是最最繁华的‘话题枢纽’。这只蓝色小鸟不知疲倦地向人们展示:此时此刻,在世界的每个角落,大家都在‘叽叽喳喳’些什么。今天的记者用Twitter来发现和分享突发新闻,有线电视台拿它来衡量用户对某某电视节目的反响。每天的5亿条推文为新闻和要闻提供了一个最接近于‘实时’的窗口。据Pew的研究数据,Twitter美国用户中有52%把该平台当做主要的新闻获取渠道。


原文发布时间为:2014-01-25


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
2月前
|
机器学习/深度学习 监控 算法
基于单尺度Retinex和多尺度Retinex的图像增强算法实现
基于单尺度Retinex(SSR)和多尺度Retinex(MSR)的图像增强算法实现
152 1
|
3月前
|
数据采集 人工智能 安全
动态IP代理与静态IP代理的深度解析及国内服务评估
动态IP代理与静态IP代理在技术原理、性能表现及应用场景上各有千秋。动态IP通过IP池轮换实现高频短时访问,适合预算有限的企业,成本低、效率高;静态IP采用固定分配模式,连接稳定且安全性强,适配长期会话需求。国内服务商分三大梯队,提供多样化方案。选型需综合业务需求、安全要求与成本预算,未来技术发展将推动代理服务更高效、可信。企业应根据解析评估,选择适配方案以提升竞争力。
182 0
|
9月前
|
SQL 关系型数据库 MySQL
MySQL进阶突击系列(04)事务隔离级别、AICD、CAP、BASE原则一直搞不懂? | 看这篇就够了
本文详细介绍了数据库事务的四大特性(AICD原则),包括原子性、隔离性、一致性和持久性,并深入探讨了事务并发问题与隔离级别。同时,文章还讲解了分布式系统中的CAP理论及其不可能三角关系,以及BASE原则在分布式系统设计中的应用。通过具体案例和图解,帮助读者理解事务处理的核心概念和最佳实践,为应对相关技术面试提供了全面的知识准备。
|
12月前
|
机器学习/深度学习 人工智能 供应链
工业互联网平台
工业互联网平台
660 3
|
11月前
|
存储 Android开发 网络架构
点心云-N1盒子、机顶盒、手机等设备-小白保姆式刷机教程
本文介绍了N1盒子的刷机教程,包括未刷机和已刷其他系统的N1。教程详细列出了所需工具和具体步骤,如下载工具包、制作安装盘、打开ADB模式、降级、刷入新系统等,确保用户能够顺利完成刷机操作。对于已刷第三方系统的N1,还提供了解决USB线不被识别、驱动问题及供电不足等常见问题的方法。
1903 1
点心云-N1盒子、机顶盒、手机等设备-小白保姆式刷机教程
|
SQL 监控 关系型数据库
SQL性能监控与调优工具的神奇之处:如何用最佳实践选择最适合你的那一个,让你的数据库飞起来?
【8月更文挑战第31天】在现代软件开发中,数据库性能监控与调优对应用稳定性至关重要。本文对比了数据库内置工具、第三方工具及云服务工具等几种常用SQL性能监控与调优工具,并通过示例代码展示了如何利用MySQL的EXPLAIN功能分析查询性能。选择最适合的工具需综合考虑功能需求、数据库类型及成本预算等因素。遵循了解工具功能、试用工具及定期维护工具等最佳实践,可帮助开发者更高效地管理和优化数据库性能,迎接未来软件开发中的挑战与机遇。
200 0
|
前端开发 Java UED
已解决错误代码: MethodArgumentTypeMismatchException(方法参数类型不匹配异常)
已解决错误代码: MethodArgumentTypeMismatchException(方法参数类型不匹配异常)
|
JSON JavaScript UED
画出你的想法,体验Excalidraw的魅力,完全免费的绘图工具!
画出你的想法,体验Excalidraw的魅力,完全免费的绘图工具!
755 1
|
存储 NoSQL Redis
KubeSphere 核心实战之二【在kubesphere平台上部署redis】(实操篇 2/4)
KubeSphere 核心实战之二【在kubesphere平台上部署redis】(实操篇 2/4)
570 0
|
存储 网络协议 算法