蔡徐坤1亿转发量幕后推手被封，能否动摇饭圈文化？| 数据会说话
好名声比坏名声强，不过，坏名声比没名声强。
——特朗普
作者 | 朱小五&王小九
来源 | 凹凸数读（id： aotodata）
上周，利用粉丝给偶像刷流量的需求来疯狂牟利的“星援”app被查封，事件曝光后，国内粉丝的追星方式再次掀起热议。
遥望偶像的时代已经过去，如果你不花钱，你就要用轮博、打榜、控评……来证明自己不是个“白嫖”粉，而是一直在为爱豆出一份力，争一口气。
我们爬取了微博“明星势力榜”自2015年11月至今的数据，来探究在这种“打榜”文化下，流量明星的格局变化。
“顶流”在更替，打榜未停息
2016年10月之前，微博势力榜月榜Top1几乎被TFBOYS承包，王俊凯和易烊千玺夺冠次数不相上下，而2016年11月开始，进入了鹿晗的“霸榜”时代，在一年半左右的时间里，鹿晗占据了大部分的月榜第一名。
直到2018年5月，随着《偶像练习生》的大火，蔡徐坤圈粉无数，以断层票数第一名出道，从此登上了微博明星势力榜的第一名，并且直到现在排名都没有过下降。
也是从这时开始，蔡徐坤与鹿晗的热搜数量不相上下，鹿晗在跑男的种种表现上了不少热搜词条，而蔡徐坤在出道之始一言一行也受到颇多关注。
除了“顶流”top1之外，前15名的整体排位也一直有所变化。
“流量型演员”如王凯、杨洋、赵丽颖、唐嫣、朱一龙、邓伦等排名变动幅度较大，有一部“爆款”作品就足以支撑粉丝在半年到一年的时间内，为ta打榜到top10。但如果长期没有作品，粉丝的“鸡血”用尽，排名也会随之下跌。
但此类型的流量明星在大众心中的好感度普遍更高，毕竟在不追星的路人眼中，“有作品”才是王道。
而“爱豆”的粉丝死忠程度则更高，只要偶像能够凭借人设持续吸粉固粉，粉丝就能够一直为他应援打call，因此鹿晗、吴亦凡、TFBOYS等老牌流量几年过去了依然能够维持在明星势力榜前列。
但自从去年的《偶像练习生》《创造101》开始，到今年的《青春有你》《创造营2019》，粉丝投票送爱豆出道的模式被粉丝认可并热衷。《创造101》期间爆点不断，引发“全民搞创”，这一现象从火箭少女101成团夜当晚的热搜可见一二。
这类节目也为娱乐圈输出了越来越多的“原生爱豆”，除了蔡徐坤之外，如李汶翰、周震南、姚明明、孟美岐等也频频上榜。
爱豆新时代，蔡徐坤之路难复刻
如今的国内爱豆不再局限于“归国四子”，而是逐渐发展出越来越多的模式。今年两档男团节目的C位李汶翰与周震南近日都登上了明星势力榜前几位，似乎有超越蔡徐坤的架势。
但我们发现，由于节目热度、公司艺人被“挖空”、个人吸粉能力等各种各样的因素，从三人的成团之夜的微博评论数对比就能看出，另外两人与蔡徐坤相差甚远。
拥有巨大流量的蔡徐坤和粉丝，被骂被嘲也一直伴随左右，有黑粉恶意造谣吐槽，也有路人跟风玩“打篮球”梗。但即便如此，在没有黑料实锤的情况下，越被虐越鸡血的粉丝们并没有让他的“顶流”地位被动摇，而相同模式的后来者也难以超越。
打榜文化盛行，资本收钱，粉丝背锅
今年蔡徐坤“假数据”引发的群嘲，本质上不是大众对蔡徐坤个人的喜恶，而是对如今饭圈文化态度的折射，如同吴亦凡新歌iTunes打榜事件，粉丝认为真金白银天经地义，但吃瓜群众认为这是粉丝对榜单公信力的侵犯。
“打榜”现象的形成与国内并不完善的榜单制度密不可分。按理来说，取决于艺人人气与粉丝氪金水平的人气榜单是粉丝pk的阵地，而传统榜单如iTunes则更看重作品质量，通过严格的把控，提供公正的口碑为大众提供选择。但在国内音乐圈不景气的当下，所有的榜单都变成了粉丝的战场。
同时，资本的推波助澜也不容被忽视，从上文的明星势力榜可见，对于很多流量明星来说，各种榜单是证明他们人气最直观的方式，榜单的排名也和各种资源挂钩。所以当虚假的数据成为了行业潜规则，粉丝为了为爱豆争取更多资源，争取团队与公司的重视，以及让爱豆的名字和照片出现在更多人眼前，只能无限的沉浸其中。
但这样的活动并不能带来更多的产业价值，只是在让更多年轻人跳进打榜的无底洞，消耗自己的时间为榜单发起方和黄牛水军送去大量金钱，成为一个恶性循环的灰色产业链。
而这些，大部分被骂“脑残”的粉丝并非不懂，只是身在其中，陷入“囚徒困境”。因此在“星援” APP被查封时，许多粉丝也会留言控诉新浪微博和经纪公司等受益者只会甩锅给粉丝，呼吁数据脱水，改变风气。
如同前几年的电影市场烂片横行，流量当道，大众把电影批判的体无完肤，但只要票房高，依旧会有不少公司前赴后继的花大价钱做烂片。但随着国内电影市场来到口碑时代，空有流量没有演技的演员票房号召力越来越低，烂片生存空间越来越小，这种情况才得以好转。
饭圈文化也是如此，一个“星援”app被查封了，但假数据依然有源源不断的需求与市场。骂蔡徐坤不是目的和终点，寻求办法改变如今畸形的产业模式与虚假的繁荣狂欢，找到新的方式检验流量人气而非单纯依赖打榜，还需要各方的共同努力。
（*本文为 Python大本营转载文章，转载请联系原作者）
◆
在线公开课
◆
想跟NVIDIA专业讲师学习TensorRT吗？扫码进群，获取报名地址，群内优秀提问者可获得限量奖品（定制T恤或者技术图书，包邮哦~）
NVIDIA TensorRT是一种高性能深度学习推理优化器和运行时加速库，可以为深度学习推理应用程序提供低延时和高吞吐量。通过TensorRT，开发者可以优化神经网络模型，以高精度校对低精度，最后将模型部署到超大规模数据中心、嵌入式平台或者汽车产品平台中。
推荐阅读：