* [ ] 在網絡傳播理論與實踐課上，呂欣老師提到了 “媒體黃金時間的重新定義”。交通廣播的黃金時間是 6:00 – 7:00 和 17:30 – 18:30 的早晚交通高峰，電視的黃金時間是 19:00 – 21:00，到了移動互聯網時代，手機和我們互相成為延伸，不再像廣播、電視那樣那么受限于使用的場景。那么這個時代的黃金時間是什么？
* [ ] 大家不妨思考一下這個問題：
**你認為什么時候發朋友圈最合適？**
有人說，晚飯后發朋友圈最合適，因為那個時候大部分人都會閑下來刷朋友圈；也有人說，晚上發朋友圈的人太多了，自己發的內容太容易被淹沒，反而更難取得關注；還有人說，早起發朋友圈更好、正午發朋友圈更好，因為大家有起床后工作前或是午飯后刷朋友圈的習慣，而且那時朋友圈更新的頻率比較小……
* [ ] 以上都是大家對朋友圈發布的基于經驗的思考，經驗會不會出錯呢？我想研究一下。
首先，我們發朋友圈最期待的就是兩個反饋：點贊和評論，因為它們是由我們所發布的內容轉化而來的，所以我們稱之為 “**轉化量**”。來看看我朋友圈一天中點贊量和評論量在 24 小時時間上的分布，其中圖中的每一個點代表一條朋友圈，縱坐標是其收獲的點贊量 / 評論量，橫坐標是朋友圈發布的時間。
:-: 朋友圈點贊數與時間散點圖
:-: 朋友圈評論數與時間散點圖
看到這里，很多人就想下結論了，顯然朋友圈晚上發最合適嘛，晚上的點又高又密。真的是這樣嗎？這其中有許多的問題。
首先是樣本，圖中的 7418 個點代表我獲取我的朋友圈的 7418 條數據，局限性很大，不能代表所有人朋友圈的發布情況。其次，點的密度大只能說明該時段朋友圈的發布量大，這沒什么。還有，晚上點贊量高的朋友圈多，但點贊量低的朋友圈也多，**點贊量的期望**真的會高于其他時段嗎？
拋開樣本的局限性不說，我們先看一看這些朋友圈都是在什么時候發的：
:-: 朋友圈發布時間直方圖
工作日和周末各時段的平均發布量對比圖：
可以看出，我的朋友喜歡在正午、傍晚、和晚間發布朋友圈，在每晚 21:00 – 23:00 達到全日的最高峰。同時，周末的高峰比工作日更高。
這就是為什么有人會覺得晚上發朋友圈會被 “淹沒” 了。
可是，發朋友圈的人多，看朋友圈的人也會多啊！我把一天拆成 48 個時段，統計每個時段朋友圈的數量、點贊總量、評論總量，繪制成如下散點圖。
:-: 各時間段點贊量（黑）、評論量（灰）與發布量的散點圖與擬合直線
其中，每一個點代表一個時段，橫坐標是其間朋友圈的數量，縱坐標是其點贊總量（黑）/ 評論總量（灰）。再進行一波線性擬合，發現……無論什么時候發朋友圈，獲得點贊、評論數量的期望幾乎是一樣的，一樣的！
這可真是太尷尬了。
這個時候老師發來了一條公式：**選擇或然率公式**。
將其投影在微信朋友圈上，我也得出了一條類似的公式：（微信朋友圈）轉化量公式。
進行簡單的轉換，可以得出：
也就是：
所以，轉化量期望恒定的源頭就在于：我們發朋友圈的時間和瀏覽朋友圈的時間分布幾乎是一致的。
等等，回到剛才的問題，期望一樣又能怎樣呢？**期望恒定了，我們獲得更大轉化量的機會也恒定了嗎？**
這時，我們來關注一個新的指標：**注意熵**。
微信朋友圈的發布、瀏覽、點贊、評論都是**符號互動**的重要組成，它形成了比以往更多的人與人之間的**強弱互惠性服務關系**。這些互動拓展了個體維持關系的能力，同時也擠壓了用戶的時間，占用了用戶的注意力。
假設我們的注意在各條朋友圈之間的分配是完全隨機的，那么各條朋友圈獲得的曝光機會也就是相等的。但事實上，我們的注意力會集中在某幾個位置而忽視其余位置，我們怎樣去描述**注意的集中或分散程度**？
基于香農的信息熵理論，用戶朋友圈的注意熵可以反應用戶**注意的不確定性**。
熵被用來衡量一個隨機變量出現的期望值，計算方法是：
我將點贊以及評論數據作為計算注意熵的來源，探究用戶注意的分散度。對于一份點贊樣本 C，P(ci) =ci/∑C，即某條朋友圈的點贊數可反應用戶注意停留在該內容上的概率。
同樣把一天分為 48 個時段，對每個時段的所有朋友圈計算注意熵，可以得到總注意熵的趨勢圖：
:-: 各時間段的總注意熵
如果對每個時段取定量的朋友圈樣本，可以繪制各時段確定樣本數注意熵的趨勢圖：
:-: 各時間段確定樣本數的注意熵
由圖可知，在一個確定時間段內，用戶的注意的隨機性會因內容的增多而變強，而在一個確定數量的樣本中，用戶注意的隨機性幾乎恒定。
這就說明，用戶瀏覽內容時，注意力出現的概率是恒定的，即用戶出現對某條朋友圈關注度提升的概率是恒定的，但是用戶的注意總量會被有限時間的內容數量所稀釋，信息量越大，用戶隨時間分配注意的隨機性越強。
太玄學了。
緊接著，我的神仙老師又發來了一本書——**巴拉巴西的《鏈接》**，讀完之后，我發現其中**無尺度網絡**的**冪律分布**同樣適用于微信朋友圈。
首先，我們把我朋友圈的每一個用戶視作一個**節點**，每一個次點贊都形成兩個節點之間的**有向邊**，這樣一來，一個**有向圖**就形成了：
一個相同階數和邊數的**隨機圖**：
統計兩個圖中各個節點的**度**（節點連接的邊數），可以發現，朋友圈的圖的度的分布是**冪律分布**，而隨機圖的分布是**二項式分布**。對于冪律分布來說，研究其**度的期望**的意義不很大。
:-: 二圖度分布對比圖
平均沒有意義，多少不是關鍵。
綜上所述，如果朋友圈的質量足夠高，那么我們可以一直維持在自己朋友圈這個冪律分布的頂端節點——那個擁有連接數最多的節點，這個時候，朋友圈轉化率的期望值沒有意義——它幾乎是恒定的，朋友圈發布的數量不是關鍵——大部分朋友圈會被 “淹沒”，起決定作用的就是我們獲得的曝光量。所以，質量足夠高，什么時候 “人多” 什么時候發，這，就是互聯網時代的 “黃金時間”。
用《鏈接》里的另一句話作為此次小思考的收尾：**節點永遠在為鏈接而競爭**。
One more thing……
:-: 根據點贊關系繪制的社區圖，可以非常精準的分類我的各個好友群體
*****
非常感謝呂欣老師、沈浩老師、孫國玉老師、張輝老師的悉心教導！
