B站2000万用户分析
1 前言
前两天闲来无事，花了四五天的时间从B站（bilibili.com）抓取了其 2000万 全部用户。
代码挂在了Github下（github.com/airingursb/bilibili-user），大家可以自己下载爬取。
bilibili弹幕视频网现为国内最大的年轻人潮流文化娱乐社区，该网站于2009年6月26日创建，又称“B站”。
我自己是2013年2月14日注册的用户，隐约记得在2013年暑假之前B站都是限制注册，只有在特殊的节假日才开放注册，后来是验证码注册与答题成为正式会员。
接下来，展示一下B站的用户数据情况。（仅仅做了初步的统计）
2 用户情况
B站是一个ACG动漫文化很浓厚的场所，与A站（AcFun）共同撑起了中国动漫的一片天。
所以用户嘛……
不说了，简单看看我随便截的图吧，用户签名字段。
2.1 基本情况
- 总数据数：20119918
- 抓取用户的顺序为其注册时间顺序：2009-06-24 14:06:54 至 2016-02-18 21:04:52
- 预估遗漏数据：不超过2%
- 抓取字段：用户id，昵称，性别，头像，等级，经验值，粉丝数，生日，地址，注册时间，签名，等级与经验值等。
2.2 性别
这个男女比例是有点出乎个人预料的，接近1：1。其实之前初步抓了2013年暑假之前的数据，男女比例当时还在3：1这样。
可见明确性别的群体还是比较少的，只占了总数据的 15% 左右。
更多的分析日后再做。
2.3 年龄
- 统计范围：1970-2010（1980年除外）
- 总数据：3800767
具体数据不放了，简单看一下统计结果吧。
主要用户分布在93-00年的用户（大概16-23周岁），其中97年（19岁）用户占了绝对的主导地位。
事实证明，B站小学生并不多，而是高中生、大学生比较多。
90后用户占主体，但是用户年龄段正在不断后移。毕竟，这是一个年（lao）轻（si）人（ji）的网站。
2.4 地区
- 分析范围：国内34个省市及地区
- 有效数据：863541
主要用户分布在：广东、江苏、北京、上海、浙江等地区。都是一些经济很发达的沿海地区。
2.5 注册时间
- 统计时间：2009-06-24 14:06:54 至 2016-02-18 21:04:52
- 总数据：20119823
由于16年才过去2个多月，所以少一点，不过可以预见其发展必将远超2015年。自2009年开站以来，每年用户几乎都是以指数级增长。
2.6 活跃度统计
- 等级范围：0 - 6
- 总数据：20119918
- 截止时间：2016-02-18
由于B站有经验等级规则，用户的活跃度可以依据等级判断。
等级为0，就是只注册未登陆过的用户。等级为1或2，为非活跃用户。等级为3以上，就是活跃用户。其中等级为5或6的，为投稿数特别特别多、视频特别火爆的用户，为B站的骨干用户（约5000人）。
关于留存率等数据，日后再统计分析。
2.7 粉丝统计
- 有效数据：2011918
- 范围：0 - 988323
- 截止时间：2016-02-18 21:04:52
额- -，我也是有40个粉丝的人！
以下是B站TOP20用户。很多人都非常的眼熟哈。
3 后记
以上，就是对B站2000万用户的初步统计。日后会有更加深入的分析。
另外利用这些数据分析，给B站做了个小小的 H5 统计报告：ursb.me/bilibili-report，代码同样在Github上开源（github.com/airingursb/bilibili-report），有兴趣的童鞋可以看一看。
相关资源：
