对于 Bilibili 抽奖的数据分析

2020-06-06 (Updated: 2021-09-18)

8 minute read

最近开始深入数据分析的坑，虽然在学了 FIT1043，但这门课是第一年的课，加上比较水 (但又是必修课)，就没有学到东西，最近闲来无事，正好在哔哩哔哩参加了@毕导 THU的抽奖，并且有 33 个名额，所以想着来做一次分析。

声明下，以下分析均为个人观点。并且数据仅供学习使用

前期准备

分析 API

首先，需要获取数据，在抽奖动态页面中进行抓包，可以看到一个对/lottery_notice的请求，查看内容可以看到所有中奖用户的 uid,

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
{
    "code": 0,
    "data": {
        "first_prize": 3,
        "second_prize": 10,
        "third_prize": 20,
        "lottery_result": {
            "first_prize_result": [
                {
                    "uid": 21696250,
                    "name": "Alan 婪",
                    "face": "https://i1.hdslb.com/bfs/face/d03761481bdf0adec61e876a56309c1e2e444721.jpg"
                }
            ],
            "second_prize_result": [
                {
                    "uid": 17660688,
                    "name": "城西吖吖",
                    "face": "https://i1.hdslb.com/bfs/face/798c3f5751c934df20af1cb60b1ec7ba8e05f318.jpg"
                }
            ],
            "third_prize_result": [
                {
                    "uid": 4134700,
                    "name": "weacho",
                    "face": "https://i0.hdslb.com/bfs/face/9280e500dba7cf754c9e82e3428a3192de64e47c.jpg"
                }
            ]
        },
        "first_prize_cmt": "iPad Air 3 64G",
        "second_prize_cmt": "Kindle 青春版",
        "third_prize_cmt": "100 元现金红包",
    }
}

以及，打开用户动态，可以看到另一个请求/space_history，这个 API 返回了，用户的信息和发送、转发的动态。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
{
    "code": 0,
    "msg": "",
    "message": "",
    "data": {
        "has_more": 0,
        "attentions": {
            "uids": [
                ...
            ]
        },
        "cards": [
            {
                "desc": {
                    "uid": 21696250,
                    "type": 1,
                    "rid": 397377349256764900,
                    "acl": 0,
                    "view": 2552,
                    "repost": 2,
                    "comment": 21,
                    "like": 8,
                    "is_liked": 0,
                    "dynamic_id": 397377349254099260,
                    ...
            "card": "{ \"user\": { \"uid\": 21696250, \"uname\": \"Alan 婪\", \"face\": \"https:\\/\\/i1.hdslb.com\\/bfs\\/face\\/d03761481bd
            ...

接着获取转发抽奖动态所有人的信息

which 不太可能，一共有 18.7 万人转发，借口最多给 640 人，但我看了下数据，动态是 2020-05-27 18:02:12 发送的，第一个非@毕导 THU转发是 2020-05-27 18:07:38，最后一个转发 2020-06-06 13:36:59，所以可以当作 sample 使用 (么？)
但是，我发现评论接口没有限制，大概有 1.6 万人的评论，因为这是个抽奖动态，可以认定评论的人都参与了转发 (即抽奖)，于是可以爬取评论，然后进行对比

数据清理

然后需要进行数据清理，通过获奖的 api，可以提取出所有用户的 uid,

1
2
3
4
5
6
7
8
9
list(
    map(
        lambda x: x["uid"], 
        reduce(
            lambda x, y: x + y, 
            data["data"]["lottery_result"].values()
        )
    )
)

以及将用户信息和发送、转发的动态提取出来

在这里，我只提取了我认为可能会有影响的因素
class Card 是转发和回复的内容

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
class User(object):

    def __init__(self,
                 uid: int,
                 name: str,
                 level: int,
                 vip_type: int,
                 vip_status: int):
        self.uid = uid
        self.name = name
        self.level = level
        self.vip_type = vip_type
        self.vip_status = vip_status

class Card(object):

    def __init__(self,
                 content: str,
                 timestamp: int,
                 origin: Card = None,
                 id: int = None,
                 user: User = None):
        self.content = content
        self.timestamp = timestamp
        self.origin = origin
        self.id = id
        self.user = user

随后，将信息写入 csv 文件，以便之后使用 pandas 进行分析

分析

1
2
3
import pandas as pd
prize_users = pd.read_csv("./prize_users.csv")
all_users = pd.read_csv("./all_other_users.csv")

prize_users是中奖用户，all_users是所有参与的用户，(因为接口问题，无法获取所有用户，同时评论有 1.6 万人，但因为懒怕被 ban ip 只先获取了 1.2 万人)
all_users 不包括发布抽奖的 up 主本人

数据定义

1
prize_users.head()

uid	level	vip_type	vip_status	time_after
21696250	5	0	0	1767
29332457	5	1	0	580531
94078703	5	2	1	5347
17660688	5	0	0	63184
22417036	5	1	1	15013

uid，用户的 b 站 id
level，用户等级
time_after，在抽奖动态发送多少秒后转发的。

对于 vip_type 和 vip_status，通过openbilibili的/app/admin/main/vip/model/vip.go中可以看到这项数值的定义。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
// const vip enum value
const (
    ...

	NotVip    = 0 //非大会员
	Vip       = 1 //月度大会员
	AnnualVip = 2 //年度会员

	VipStatusOverTime    = 0 //过期
	VipStatusNotOverTime = 1 //未过期
	VipStatusFrozen      = 2 //冻结
	VipStatusBan         = 3 //封禁
    ...
)

prize_users 数据详情

	uid	level	vip_type	vip_status	time_after
count	3.300000e+01	33.000000	33.000000	33.000000	33.000000
mean	1.632111e+08	4.484848	0.909091	0.484848	313364.333333
std	1.724799e+08	0.870388	0.842750	0.507519	320576.262967
min	4.134700e+06	2.000000	0.000000	0.000000	281.000000
25%	2.525509e+07	4.000000	0.000000	0.000000	3331.000000
50%	4.962842e+07	5.000000	1.000000	0.000000	199071.000000
75%	2.941396e+08	5.000000	2.000000	1.000000	597423.000000
max	5.098047e+08	6.000000	2.000000	1.000000	812534.000000

all_users 数据详情

	uid	level	vip_type	vip_status	time_after
count	1.263000e+04	12630.000000	12630.000000	12630.000000	12630.000000
mean	2.243269e+08	3.829295	0.542280	0.236817	250477.374822
std	1.743140e+08	0.999087	0.726571	0.425146	289099.261204
min	1.300000e+01	1.000000	0.000000	0.000000	212.000000
25%	3.654792e+07	3.000000	0.000000	0.000000	10677.750000
50%	2.382717e+08	4.000000	0.000000	0.000000	59733.500000
75%	3.855455e+08	5.000000	1.000000	0.000000	583955.000000
max	6.022326e+08	6.000000	2.000000	1.000000	852418.000000