京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:谁是演艺圈的“关系户“_数据分析师考试
演艺圈常常登上各大媒体的头条,也是人们茶余饭后的的主要谈资。艺人花边八卦各领一时风骚,有些艺人不惜一切代价炒作人造新闻等等,或为了进入演艺圈,或为了保持领主地位,目的如此等等不一而足。无论是艺人还是观众可能对演艺圈的结构都是盲人摸象,很少有人说的明白。
演艺没有圈?
在很多人眼里(包括演员自己)演艺圈其实不是一个圈,更像是一条区分线,原因是人们很少将艺人之间的关系联系起来,而是简单的根据职业化了一条“演艺界限“,2010-2015年中国电影艺人的合作关系能够非常完整的将演艺圈刻画出来,在这段时间近5000名影视演员进行了10000多人次的合作。演艺圈的合作网络密度不足0.001,可能这个数字很多人无感,但是在现实世界的交际网络关系中能够发现的最大密度为0.5,没落的人人网地社交网络密度平均不足0.03,可见演艺圈的合作网络密度多么低下。因此反映出演艺圈的合作比较松散,当然演艺圈有它固有的性质决定了圈子的密度,这些性质致使大部分演员被隔离在圈子的外层,令人忧伤的是很多演员演了戏,炒了花边,却始终没有走进演艺圈。
构建和进入一个圈子除了要增加自己的粉丝等自身权重以外,还要找到合适的中介人,多数演艺人员更注重前者,二者实则相辅相成。毕竟人以群分,古训镗镗言犹在耳,但很多人忙于花边轰炸,却无论如何也无法向圈内前进一步,最终只点缀了演艺圈的花边。
谁才是“关系户”?
如果我们将合作人次大于等于20设为一个界限,则可以帮助我们清除掉一些“花边”,这样就触及到演艺圈的中心了。那么谁才是演艺圈的核心?恐怕抛出来这个问题很多粉丝又要有一番跨日持久的论战,轻易给出答案的人注定会淹没在口水的海洋中。我们不谈核心、不谈演技、不谈粉丝数量等等,简单就最近五六年的合作关系而言,关系比较多的当属冯绍峰、杨幂、宋佳、黄渤、李晨,也就是演艺圈的“五大关系户”,这五大户不仅关系数量多而且比较优质,因为在我们清理花边时,他们的伙伴并没有从圈内大量消失。而演技派张嘉译原本是演艺圈的关系大户,可是清洗之后,他就被挤出了前五名,他的合作伙伴中,与人合作次数小于20人次的比较多,可能是因为张嘉译更喜欢提携一些演艺新人吧。
范爷的关系位置处于核心的中层,不冷亦不热,与关系大户相比,数量较少。其实进入核心圈以后,关系数量和参演的电影数量正相关。每个演员对待作品可能存在很大的差异,有些人追求质量,有些人追求数量。但同一段时间对于演员可能比普通人更为重要,6年时间对于普通人而言不长不短,可是对于一个演员就意义非凡了,六年前的演艺圈可能就是另一番天地。抓住黄金时间尽可能多地出演质量较好的作品,对于提高演员的声望、地位、演技和收入尤其重要(广告谋生者除外)。
谁是中介人?
要进入某个圈子不是改变一下自己的职业就成功踏入了这个领域,这一点放置于演艺圈应该也是同样的道理。处于边缘的艺人除了要提高自身粉丝数量,加大自身话语权重以外,还要有合适的中介人,如同被心灵鸡汤和成功学唱烂的人脉。演艺圈中介度较高的是杨幂、白百何、宋佳,如果他们出手可能帮助一些人加快进入圈子核心的步伐,当然与他们合作并不一定能够理所当然地得到帮助,但这毕竟是一套展开关系网的方案。

范爷 VS 杨幂
过去的六年应该是杨幂铺展合作关系的六年,高产且合作广泛,而范爷的合作关系网中顶点就比较稀疏,因此范爷在观众心中逐渐形成了高冷的形象,加上成功饰演武皇帝,高贵冷艳范儿更使其形象在观众眼中“雪上加霜”。
就演员自身的业务网络而言,范爷与杨幂比较,多个基本指数较低,比如合作者数据量、网络关系数量和平均关系数量,与杨幂相比较,这些基本指标稍微“孤立“了范爷。但范爷的网络密度和连接度要好于杨幂,原因是网络越小越容易维持较高的密度和连接度,而较大的网络维持较高密度、连接度对网络中每一个人的社交能力要求都很高,所以密度低、连接度低几乎是巨型网络关系的宿命。
给范爷推荐合作伙伴
每一个演员都有一套维持自身网络的方法和技巧,普通人也一样,没有分出高下的必要,适合自己最好。但普通人尚热衷于拓展自身的人脉关系(小编比较冷淡),何况演艺圈。比尔盖茨最近不无戏谑的调侃称人类作为社会动物的本性之一就是社交。范爷在《最强大脑》上的表现更是展现了“亲民“的一面,但是还是被某人冷嘲热讽(范冰冰PK王思聪)。小编突发奇想,真心为范爷推荐几个强势合作伙伴,哎,也是操碎了心。
给范爷推荐合作者要本着几个原则:1)推荐对象6年内非范爷合作者(应该这样);2)推荐对象与范爷的共同合作者较多;3)推荐对象在合作网络中中介度较高;4)推荐对象的合作关系丰富。根据以上原则使用综合算法为范爷推荐了10个未来合作对象。
从结果上看,杨幂无疑是最优的合作对象,前五名中去除缺少共同好友(共同合作者)的推荐对象,也只剩下杨幂、周迅、刘烨。但就小编个人而言,推荐范爷在未来和刘烨、朱雨辰、张嘉译合作。是的,你没有看错,李晨也在榜上,算法的结果和范爷的选择不谋而合。如果你来推荐,推荐谁?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13