《霍克斯自激点过程、评论裂变分支比临界值与直播跟风抢购余震半衰期母典》各章定量结论
做内容与直播的经营者习惯把爆款归因于「热度」,仿佛热度是一种由外部决定、持续存在的状态。本书证伪这个说法:大多数爆款是分支比 n 小于 1 的余震级联,每一条外来评论最终带来的评论总数期望为 1/(1-n),n 从 0.8 到 0.9,乘数从 5.0 翻到 10.0。书中的帖子、账号、流量、成本与评论价值均为示意参数;全部计算由书中程序生成;本书是非个人化经营建议,只讨论真实用户的评论与平台官方工具买来的曝光,不涉及任何制造评论或虚构稀缺的手段。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-234 · English version
- 第 1 章 · 爆款是余震:分支比与 1/(1-n) 乘数
把评论看成族谱以后,「热度」被拆成外来速率 $\mu$ 与分支比 $n$ 两个可以分别测量的数。每一条外来评论最终带来的评论总数期望是 $1/(1-n)$;$n$ 从 0.8 到 0.9,乘数从 5.0 翻到 10.0。同样的 $n$ 之下,帖子规模的差异可以大到好几倍,最大的一成帖子装下全部评论的四分之一以上,这些差异与内容质量无关。已发表的视频观看研究支持自激级联的框架,并发现大多数内容根本不爆,爆发的衰减形态随分支比变化。下一章… - 第 2 章 · 外生与内生:幂律记忆的三类衰减与指数核的半衰期
第二章在幂律记忆下复现克兰与索内特的衰减分类,在指数记忆下给出半衰期,n 为 0.95 时从裸核的 6.93 分钟拉长到 138.6 分钟,并用峰值占比区分推起来的峰(中位数 0.538)与长起来的峰(0.093)。 - 第 3 章 · 稀疏化与时间重标:模拟一条评论流,再审计它
第三章用尾形稀疏化模拟评论流,用时间重标审计拟合,发现间隔检验几乎看不见成团,计数离散度检验则拒绝平坦泊松模型 0.646 的次数。 - 第 4 章 · 对数似然、网格与黄金分割:两小时能把分支比估多准
第四章用小崎递推、补偿子恒等式与黄金分割求最大似然估计,示意帖的分支比 95 % 区间从 0.42 到 0.92,两小时估计的标准差约 0.186。 - 第 5 章 · 半衰期与余震总量:预报一条帖子的尾巴
第五章计算外部给量停止后的余震存量与半衰期,回测中向账号均值收缩把预报误差中位数从 0.589 降到 0.418,并说明凸性使期望乘数被抬高到 3.40。 - 第 6 章 · 推流冒充口碑:非平稳外生率与伪临界
第六章说明推流冒充口碑的伪临界:真实分支比 0.3 的推流帖被朴素估计成 0.864,把推流窗口写进模型后为 0.276,朴素估计把推流产出高估 5.15 倍。 - 第 7 章 · 东西方原典考辨:曾参杀人与大森余震律
第七章考辨《战国策》曾参杀人(分支比 0.8 时三次告知同源的概率 0.6400)与大森房吉的余震律(伽马混合下 p 为 1.4)。 - 第 8 章 · 实证闭环:前两小时估分支比,再决定是否追加推流
第八章给出前两小时估分支比再决定推流的闭环、小工具「裂变分支比估计器」与预注册推流实验(每组 43 条帖子,协变量调整后 13 条)。书中以标注框区分已发表的证据、可运行的 Python 计算(19 段程序)、原典与作者的假说。
模型示意算例,非实时报价