
百度视频大数据 揭秘你不知道的《武媚娘传奇》
由范冰冰、李晨等主演的古装大剧《武媚娘传奇》已经收官,在整个播映期间,相关热门话题层出不穷,积累了相当高的人气。在该剧收官之后,百度视频大数据报告同步出炉,从多个维度分析了该剧的收视人群特点,还原一个真实、但大多数人所不知道的《武媚娘传奇》。
神剧面前,南北无差异
通常而言,南方和北方在收视习惯上会有很大差异,在北方走红的电视剧像《大宅门》、《乡村爱情》、《老农民》这样的题材,南方人累觉不爱。就像南方人看不懂郭德纲、北方人不理解周立波;南方人吃甜豆腐脑、北方人吃饭爱蘸醋一样,是个难以弥合的天堑。
但在《武媚娘传奇》播出时,奇怪的事情发生了,这一部“国民神剧”其火爆俨然呈现老少通吃、荤素不忌的姿态,观看网友中南北方省份各占50%,虽中国地大物博但也毫无水土不服的情况,排名前10的省份中广东、山东、浙江、陕西、江苏、河南……南方北方交错,颇为有趣。
南北差异、甜咸之争,在一众俊男靓女猛拼造型的96集里,竟然全都成了浮云,这倒是值得电视剧制作者借鉴和思考。
谁在看?有xiong没xiong都一样
在《武媚娘传奇》2014年底初登湖南卫视时,一度因为种种凹造型的养眼镜头,引来众人一片惊叹,吸引男性观众瞩目理所应当。但在元旦之后历经“裁剪”劫难,变身“大头剧”,按常理情况本应有所变化,但让人意外的是,男女观众比例最终仍高达6:4,众多男网友原来不一定看xiong,有颜也可以!
在该剧观众中,白领和工薪阶层占8成以上、18-34岁社会主力人群占78%、每天的观剧高峰分别为12点和19点,这说明在观剧人群中大部分是上班族,利用中午和晚上的休闲时间追剧。
《武媚娘传奇》的受众人群特征和观看时间也表明,当前社会主力人群并未远离国产电视剧,只是越来越多的人倾向于通过网络视频平台而不是传统电视来观剧了。
“娘娘的男人”走红,“白眼”竟是观众最爱
随着《武媚娘传奇》的走红,也带红了一批明星艺人。一步登天最为明显的是就是张钧甯,这位台湾演员虽然在岛内早已声名在外,但在大陆的星路却一直不温不火,不过借助这次在剧中饰演美丽又腹黑的“徐慧”,让其在关注度上力压周海媚、张庭等女星,跻身内地一线红星之列。
受益这部剧的男星中,“娘娘的男人们”自然当仁不让,不过相比起张丰毅、李治廷这两位而言,既能在剧中拿下娘娘心、又能在现实中紧挨娘娘身的李晨才是最后的赢家,关注指数一度高达35000,红到没天理。
与该剧相关的关键词“大头娘娘小头皇帝”、“大胸”、“颜值爆表”、“撕逼大战”等近期不断出现在媒体当中,却是萧才人的“白眼”最终拔得头筹,成为最受关注的关键词。这也让饰演者孙佳奇成了网民眼中的神级演员之一。
据了解,百度视频已与芒果TV达成战略合作,所有湖南卫视的独家、非独家版权内容都可以在百度视频同步播出,网友使用百度视频、芒果TV可多端同步观看湖南卫视的优质内容,百度视频和芒果TV成为当前网友观看湖南卫视节目的首选网络平台。
百度视频是全球最大的中文视频搜索引擎,聚合了超过5亿条正版视频内容,包括热门国产剧、美剧、韩剧、电影、综艺节目、动漫、音乐MV、游戏以及体育赛事等。百度视频App凭借强大的技术实力、海量的内容优势,在众多手机应用中迅速崛起,目前在移动端的总用户量已突破3亿,在移动视频应用市场处于领先地位。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29