CNBlog首頁博客熱度分析

本文github地址

前言

每個博客園的園友或許都會有這種經歷：自己辛辛苦苦，認認真真的寫了篇博客，然后滿心歡喜的發到了博客園首頁，當你以為大功告成坐等點擊量暴表的時候，卻發現自己的博文根本無人問津。那將是何等的痛苦:(

不要再自我懷疑，不要再自怨自艾，博客不火，不一定是博文內容不夠嚴謹深入，也不一定是你能力不足，而可能僅僅是因為你選擇了錯誤的發表時機。

本文基于博客園近3個月4000篇首頁博文，運用大數據分析，機器學習，文本挖掘等先進技術，深入而細致的剖析決定博客熱度的若干因素，讓您從此也能寫出精湛的技術博客，成為博客園的技術達人（做夢到此結束...）。

技術實現

經分析，博客園首頁網頁結構比較簡潔，通過爬蟲抓取http://www.cnblogs.com/sitehome/p/your_page_num 連接下的內容，即可獲取所有首頁博文。本文采用的是jsoup這個Java HTML Parser進行的網頁抓取。博客園頁碼只支持到200，每頁20篇，也就是最多能夠抓取4000篇首頁博客。對數據進行清洗后存儲到文件，供下一步分析。

由于數據量并不大，分析數據采用的是excel表格。不要覺得low，用表格來處理小規模數據，效果不亞于數據庫。

分析結果

博友們一天之內喜歡什么時候發博客？

哪個時間段發的博客更容易火？

我們對一天中不同時間段發表的博客進行統計，然后計算每個小時內的博客發表量，以及當前這個小時每篇博客的平均熱度。這里的熱度是用來衡量一篇博文受歡迎程度的綜合指標，計算公式為：

hot=(recommend*10+comment*5+view)

為避免離群點，當hot值超過1600時則按1600處理。上圖中標注的熱度（紅色線）為對文章熱度求平均之后，然后做歸一化(avg_hot/800*100%)之后的結果。

從上圖可以明顯看出，一天之內有三個時間段大家比較愛發博客，分別是10:00左右，16:00左右和22:00左右，這分別對應的是上午上班時間，下午上班時間，和晚上加班時間。一天內也有三個時間段大家不怎么愛發博客，分別是1:00~7:00，12:00左右，19:00左右，分別對應大家的睡覺時間，午飯時間和下班時間。

什么時候發的博客更容易火呢？拋開凌晨那段時間不提（因為博客量太少），上圖可以看出，早上8:00左右發的博客熱度最高，中午12:00左右和晚上22:00左右也是個熱度小高峰。

對比上圖中的藍線和紅線，我們發現博客發表高峰和訪問高峰（熱度評估主要基于訪問量，所以熱度表示了訪問量的趨勢）并不總是成比例。具體表現如下：

1. 早上8:00是一天中訪問量最高的時候，但博客發表并不是很多（上班路上大家刷刷博客？）
2. 上午10:00左右是博客發表的高峰，但訪問量卻呈下降趨勢（忙著寫自己的博客而忘記看別人的博客）
3. 中午12:00左右訪問量很高，但博客發表量卻出奇的低（吃飯的時候不寫博客，倒是可以手機刷刷博客）

大家一周之內喜歡在哪一天發博客？

一周之內哪一天發的博客更容易火？

我們對一周中不同天發表的博客進行統計，然后計算每天的博客發表量，以及當天每篇博客的平均熱度。

通過上圖可以看出：

1. 星期一和星期二是博客發表的熱潮（上班前兩天不但工作積極，寫博客也很積極）
2. 之后一直下降，到周六達到最低谷（終于盼來周末，誰還寫博客！）。
3. 博客熱度跟發表量基本吻合，可見工作日大家不但工作熱情高，寫博客和讀博客的熱情都不低。
4. 到了周末，寫博客的人少，看博客的人更少！
5. 周四博客閱讀量出現了回升，你可以幫忙想想是為什么。

上圖意味著，周末還是老老實實的出去玩吧，即使寫了博客也不會有人看的。特別是周六，千萬不要在周六發表技術博客，切記切記！

總結

經過以上分析，我們得出結論：為了避免吃力不討好的情況，發表博客一定要認準時機。

1. 博客想要火，就不能睡懶覺，因為你要在8:00鐘左右發表博客。
2. 更不能吃午飯，因為你還要在12:00左右發表博客。
3. 當然，為了犒勞以下忙碌一周的你，周末切記不要苦逼的寫博客，因為即使寫得再認真也不會有人看。
4. 周一，周二以及周四，才是您發表博客的黃道吉日。

以上四項基本原則，一定要牢記于心，切記不要輕易違背。否則沒有點擊量，你的博客還不如寫道日記本里。

未來的工作

博客熱度不僅跟發表時間有關，當然也跟博客內容，以及博主的個人影響力等諸多因素相關。希望各位博友能夠加入更多分析。

本文用到的所有代碼和數據，都已經放到了博主github上，歡迎各位博友切磋。