数据分析告诉你,薛之谦还能东山再起吗?

薛之谦的兴衰


640?wx_fmt=gif&wxfrom=5&wx_lazy=1

作者简介Introduction

挖数 腾讯数据产品经理 & 段子手

个人微信公号:washu66


往期回顾

99.9%的数据分析师,都做不到这些

爬虫数据分析【旅游篇】

你的生殖冲动,繁衍了这个价值1000亿美金的产业

数据分析告诉你,韦小宝跟他七个老婆哪个最亲?

王建林的一个亿,靠打工能实现么?

数据分析看关晓彤的招黑之路

那些年我们嘲讽的特异功能可能是真的!?

640?wx_fmt=png&wxfrom=5&wx_lazy=1

大家还记得2017年初被薛之谦刷屏么?各种广告代言,综艺节目,颁奖典礼,就差拍部电影领个奥斯卡了

640?wx_fmt=jpeg


坐地铁,他的肯德基广告轮番轰炸,去商场吃个饭,迎面是他的膜法世家真人大小广告牌,回家看个电视,《火星情报局》上他的“神经病啊!”不绝于耳,神烦,换个严肃一点的歌唱节目吧,你妹啊《蒙面歌王》揭下面具又是薛之谦~你到底有多少个分身!?

640?wx_fmt=jpeg


终于,盛极必衰,2017年9月8日薛之谦在微博高调宣布他与前妻复合,本以为会收到全宇宙的祝福,事业和爱情双双登上巅峰!

640?wx_fmt=jpeg


手刚一签上,生活就给了他当头棒喝,前前女友找上门,婚内出轨,怀孕流产被坐实,爱好世界和平的好男人人设一下崩塌成碎片随风飘落~

640?wx_fmt=jpeg


肯德基,奥利奥的代言一个接一个被拿下,综艺节目也不上了,世界终于清静了 []~( ̄▽ ̄)~*



翻完他的八卦,接下来从两方面分析一下,薛之谦还能东山再起么?


一、薛之谦的铁粉

薛之谦崛起于在微博的原始粉丝积累,通过在微博每天更新段子,让很多对他的歌无感的人,最后也粉上他段子手的身份。


薛之谦发微博有多勤奋?我们来看看他还没大红的2014年和2015年发的微博数:

640?wx_fmt=jpeg


基本是一天一条的频率,这个量跟其他流量小生相比可以说是劳模了。

640?wx_fmt=jpeg


那怎么发着发着,突然就红了呢?从他微博的点赞数,能够发现一些蛛丝马迹。

640?wx_fmt=jpeg

以上可以看到,自2010年2月开始,他的微博的点赞数一直在往下掉,到2010年底和2011年初维持在6000-8000


640?wx_fmt=jpeg

2012年点赞数更低,在 4000-6000 波动,2012年7月3日发微博曝光一拾荒老奶奶,希望大家关照她,大受好评点赞数飙到 3万5


640?wx_fmt=jpeg

2013年是微博点赞增长的一年,到年底点赞数稳定在 7000-1万3 之间,这一年他也发行了新专辑,其中的洗脑神曲《你还要我怎样》现在还弥漫在大小城市的发廊里。


640?wx_fmt=jpeg

2014年,点赞数进一步增长,到年底基本维持在 1万-3万,最高是2014年12月16日的 3万6个赞,那天他发了一条黑自己矮的微博 (ー_ー)!!  但那时他还没红..还没红..但他发现了一条红的道路,就是~~自黑,不断地自黑


640?wx_fmt=jpeg

2015年,薛之谦终于要红了,上半年点赞数还在 1万-5万 间波动,到2015年9月30日他发了一条自证离婚的微博,点赞数一下飙到 51万,红了红了

640?wx_fmt=jpeg


回看那几天的新闻,先是网传其净身出户,然后是自证离婚,一应一合。

640?wx_fmt=jpeg


这波东风不能不借,2016年走势已在薛之谦运筹帷幄之中。

640?wx_fmt=jpeg

2016年的点赞数已经是另一个量级了,上半年在 20-60万 之间,下半年在 50-100万 之间,2016年9月17日更是飙到 260万,这一天他发微博悼念乔任梁的去世。


这一年,也是他密集参加综艺节目的时候,从《火星情报局》到《挑战者联盟》,一共参加了34档综艺节目。

640?wx_fmt=jpeg


由此可见除了离婚,薛之谦红的第二个法宝是 综艺节目 !跟他的歌没半毛钱关系哈,他自己也在微博承认过粉丝喜欢他并不是因为他的歌 ≡(▔﹏▔)≡

640?wx_fmt=jpeg


总结一下他红的 三大法宝

640?wx_fmt=jpeg


640?wx_fmt=jpeg

2017年,薛之谦迎来了他的人生巅峰,9月8日那天牵手前妻的微博点赞数历史最高,达到592万,可惜,他也从天空中折翼了,各种实锤打得他满地找牙。


微博点赞数也开始呈下降趋势,从2017年初的 70-150万,下降到2018年初的 30-60万,最近更是在30万左右波动,这个数量跟他2016年初时很相似。


结论

薛之谦的铁粉的数量,并没有土崩瓦解,仅仅回到他2016年初开始走红的状态,瘦死的骆驼依然比马大。



二、公众形象


李雨桐事件前,薛之谦的形象是 勤奋,逗比,爱好世界和平的好男人。

事件之后,他的形象变为 渣男,渣男,渣男,虽然依旧勤奋,但已经没人会注意了。


我们来看看过往被套上渣男称号后的明星案例


案例1:

640?wx_fmt=jpeg

文章,自从出轨姚笛后,乖乖男形象崩灭,人气一落千丈,主演了《少帅》后也没能挽回颓势,目前鲜少出镜。


案例2:

640?wx_fmt=jpeg


林丹,老婆孕期出轨,各大代言(箭牌,禁毒等)全部下架,除了上个《吐槽大会》洗白,没有在各大综艺节目出现,开的内裤淘宝店也生意一般般,目前走上了讨薪的道路。


当然以上都是负面例子,还有一些正面例子比如陈思诚,《唐人街探案2》票房30亿,比如陈赫依然在跑男上面奔跑。


但可以看到的是,套上渣男后能够翻身的明星,出事前都不是很红,不是很红!!红的大部分翻不了身。


可以想见的是,薛之谦的公众形象未来很难修补了,再加上年纪越大,小鲜肉属性不再,各大综艺节目不会再青睐于他。


但是~靠着目前还生猛的铁粉,他的专辑,火锅店还是不愁销量的,最多就是收入从亿级跌落到千万级,未来退居幕后,开个经纪公司,靠他的经济头脑,相信还能继续盆满钵满,但曾经的万众瞩目,人生巅峰,还是别想了 (-_-メ)



转发文章,送薛之谦一程  (๑•͈ᴗ•͈)❀




End

640?wx_fmt=png

击图片,查看详情!

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值