从“喜欢链”里的数据分析对比两种工具

标签: 互联网 | 发表时间:2012-06-10 08:13 | 作者:萧秋水
出处:http://www.xiaoqiushui.com
  一条微博引发的“喜欢链” ,从这个链接,可供了解详情。

工具一:

北京大学PKUVIS微博可视分析工具

下图是用这个工具做的一个分析图,在页面上,输入微博的地址就可以,从中可见,节点分明,因为原图是flash,无法同时展现大节点,分别是@吴海、@切总、@秋叶语录 @龚铂洋 @林军 ,由大节点再往外展开。

在节点大小、粉丝过滤等方面,都可以调整,不同的维度有不同的视图,另外可以搜索关键词,查看在谁的微博里有体现。

不一一展现了。

 

工具二:

“乐荐网络的“寻找微博引爆点(草根版)”

这个工具呈现的视图,直接把名字显现在上面,虽然有些地方会拥挤看不清楚,但是对大节点是可以看清的,点击里面的红点可以进入更细的节点展开,可以说和北大的工具有异曲同工之妙。

另外也给出了其他数据,如:

转发总量: 94
分析的转发: 94
转发覆盖人数: 713810

很多人会只看重转发量而不注重转发覆盖人数,由于微博的特性,很多人可能看到了但是并没有转发,当然,转发覆盖人数也是按照粉丝量进行的大概估算,并不能保证所有粉丝都能看到,只是了解这个范围,等于是为传播界定了一个圈,不会超出这个范围了。

另外还有一个图表展现了转发者和带来转发量,但这个数据,似乎也是有些问题的,里面没有@吴海的名字,而事实上他也是大的转发节点。

对比两个工具的展现,有没有发现问题?

在第一个图中,杜子建这个重要节点没有展现,他有删除微博的习惯,所以目前在他的微博上已经找不到这条转发。

我是在今天早晨用两个工具进行测试,结论是:

两种工具的展现有差异,而算法上也有差异。从表面情况来看,北大的工具是分析博主,我和吴海之间,由于少了原本存在的杜子建这个节点,就直接点对点展现,而乐荐网络是分析内容,在我和吴海之间,由于内容中存在杜子建,所以仍然会呈现杜子建这个节点。

(这是分析我自己的微博,我清楚节点和节点的关系,如果是别人的微博,我没有注意到传播的过程,就有可能被图片误导。)

当然,两种工具还是各有其妙,以上分析只是对比,读者愿意选用哪个工具,这也是一种自由。对我来说,既喜欢北大工具的美观界面,也喜欢乐荐工具的详实数据(感觉准确率还可以再提升一点),所以在分析的时候,我会两种都用。今天这个对比,就让我有新的发现不是吗?

 

……………………
本站采用创作共用版权协议, 要求署名、非商业用途和保持一致. 转载本站内容必须也遵循“署名-非商业用途-保持一致”的创作共用协议.除非注明,均为原创文章,转载请注明:
转载自 逍遥游·萧秋水

本文链接地址: 从“喜欢链”里的数据分析对比两种工具

文章的脚注信息由WordPress的 wp-posturl插件自动生成

无觅猜您也喜欢:
一条微博引发的“喜欢链”
非常喜欢《深睡眠》
九月普吉:喜欢它们的笑
我喜欢做这样那样的尝试
无觅

相关 [数据分析 工具] 推荐:

Python地理数据分析工具MovingPandas

- - 标点符
MovingPandas 是一个用于分析轨迹数据的 Python 库. 它在处理和分析移动对象的时空数据方面非常强大,适用于地理信息系统(GIS)、时空数据分析和可视化等领域. 它是在热门的地理数据处理库 GeoPandas 的基础上构建的,GeoPandas 本身是建立在Pandas数据处理库之上的.

从“喜欢链”里的数据分析对比两种工具

- - 逍遥游·萧秋水
  一条微博引发的“喜欢链” ,从这个链接,可供了解详情. 北京大学PKUVIS微博可视分析工具. 下图是用这个工具做的一个分析图,在页面上,输入微博的地址就可以,从中可见,节点分明,因为原图是flash,无法同时展现大节点,分别是@吴海、@切总、@秋叶语录 @龚铂洋 @林军 ,由大节点再往外展开.

[转]大数据分析的8大工具

- - 小鸥的博客
去年,IBM宣布以17亿美元收购数据分析公司Netezza;EMC继收购数据仓库软件厂商Greenplum后再次收购集群NAS厂商Isilon;Teradata收购了Aster Data 公司;随后,惠普收购实时分析平台Vertica等,这些收购事件指向的是同一个目标市场——大数据. 是的,大数据时代已经来临,大家都在摩拳擦掌,抢占市场先机.

新浪微博运营数据分析工具

- - 风信了

Excel 数据分析

- - ITeye博客
用Excel做数据分析——直方图. 已有 0 人发表留言,猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.

扯扯数据分析

- - 互联网分析
在别人的眼里数据分析既是很深奥的职业,也是被人挑战的职业,更是让你又恨又爱的职业. 其实这些都不重要的,重要的是对此行感兴趣,骨子里有量化一切的 意识. 很多人首先脑海中出现的是1、2、3……等等,为何有这样的印象. 其实是我们数据分析师为了更好的运用“统计学”所以要将许多 数据想尽办法来转化为1、2、3这样的数据形式,从而更深入、科学的分析data,不扯这个了,这个没什么意思,看图:.

数据分析那些事

- - 小蚊子乐园
今早突然有个想法,就是经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办. 并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考. 欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注. ----------------------------------------我不是完美的分割线--------------------------------------- .

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

Twitter收购数据分析公司BackType

- zou guangxian - 36氪
Twitter刚刚宣布已经收购BackType,一家帮助公司和品牌衡量社交媒体影响力的数据分析公司. BackType在博客上宣布这一消息时称团队将集中精力为Twitter发布商合作伙伴开发工具. 总部位于旧金山的BackType是一家由YC孵化的创业公司,自2008年以来已获得130万美元投资. 作为交易的一部分,BackType将停止BackTweets(帮助内容发布商了解推讯是如何转化为网站流量和销售额)的新用户注册.

数据分析中遇到的“圆”

- simple - 所有文章 - UCD大社区
与十年前不同,当今令数据分析师迷茫的,可能不再是数据很少,而是数据很多;今天不是不知道玩好数据的重要性,而是不知道玩错数据的危害性,即所谓甜蜜的烦恼. 一个数据分析师,如果能体会到,当下数据存在的核心问题,并且能清楚解决办法,就可以精益求精了. 这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈(Feedback Loop),彼此互相推进.