B站首页推荐视频标题特征分析
一、数据来源
本文基于 3879 条真实出现在某用户 Bilibili 首页推荐流中的视频分析而成。数据通过 Tampermonkey 脚本采集，获取时间跨度为 2026 年 3 月 17 日至 4 月 11 日。所有视频信息（标题、简介、作者信息）存储在 SQLite 数据库中。
二、分析方法
分析脚本用 PHP 编写，直接读取 SQLite 数据库，使用结巴分词（BayesTextSegmenter）对标题进行中文分词。共做了 5 个维度的分析：
2.1 单字词频统计
遍历所有视频的标题，对每个分词结果累加词频，按出现次数降序排列，回答"推荐视频标题中哪些词出现最多"。
2.2 二元词组（Bigram）统计
将标题分词结果中的纯标点 token 过滤掉，对相邻两个实质性词进行组合计数。例如标题"我的世界生存日记"分词后得到 "我的", "世界", "生存", "日记"，生成的 bigram 包括"我的 世界"、"世界 生存"、"生存 日记"。这能揭示"哪些词经常成对出现"。
2.3 标题长度分布
统计每条标题的字符数，按长度分组计数，观察推荐视频标题长度的集中区间。
2.4 方括号分类标签提取
使用正则 /[【\[]([^】\]]+)[】\]]/u 提取标题中 【xxx】 或 [xxx] 格式的标签内容，按出现次数排序，看 UP 主如何给内容分类、哪些分类在推荐流中最常见。
2.5 区分词分析（Normal vs Spam）
将人工标注为"正常"和"垃圾"的视频分组，分别统计每个词在两组标题中的出现率，然后计算比值：
ratio = (normal_doc_freq + 0.01) / (spam_doc_freq + 0.01)比值越大，说明该词越偏向正常视频；比值越小（倒数越大），说明该词越偏向垃圾视频。
三、分析结果
3.1 标题中最常见的词
| 排名 | 词语 | 出现次数 | 出现率 |
|---|---|---|---|
| 1 | ！ | 1880 | 48.5% |
| 2 | ， | 1713 | 44.2% |
| 3 | ？ | 1026 | 26.4% |
| 4 | 什么 | 136 | 3.5% |
| 5 | 中国 | 115 | 3.0% |
| 6 | AI / ai | 114 | 2.9% |
| 7 | 世界 | 103 | 2.7% |
| 8 | 游戏 | 103 | 2.7% |
| 9 | 我们 | 84 | 2.2% |
| 10 | 视频 | 82 | 2.1% |
解读：近半数推荐视频标题使用感叹号，超过四分之一使用问号。"什么"的高频出现反映"设问式标题"（"是什么"、"怎么办"）的流行。"AI"的高频出现说明 AI 相关内容是当前推荐流的热门主题。
3.2 标题中最常见的词组
| 排名 | 词组 | 出现次数 | 出现率 |
|---|---|---|---|
| 1 | 我的 | 78 | 2.0% |
| 2 | 你的 | 48 | 1.2% |
| 3 | 终末 地 | 45 | 1.2% |
| 4 | 有 多 | 31 | 0.8% |
| 5 | 洛克 王国 | 29 | 0.7% |
| 6 | 明日 方舟 | 27 | 0.7% |
| 7 | 循环 歌单 | 19 | 0.5% |
| 8 | 星穹 铁道 | 18 | 0.5% |
| 9 | 杀戮 尖塔 | 16 | 0.4% |
| 10 | 未 删减 | 15 | 0.4% |
解读："我的/你的"是第一/二人称代词，说明"代入感"是标题设计的关键。游戏名称（终末地、洛克王国、明日方舟、星穹铁道、杀戮尖塔）密集出现，说明游戏类内容在 B 站推荐中占比很高。
3.3 标题长度分布
平均标题长度：23.2 字符，峰值集中在 17-24 字符区间：
| 标题长度 | 视频数量 |
|---|---|
| 10 字符以下 | 244 |
| 11-16 字符 | 791 |
| 17-24 字符 | 1179 |
| 25-30 字符 | 739 |
| 30 字符以上 | 926 |
解读：17-24 字符是推荐视频标题最集中的区间。太短（<10）信息量不足，太长（>30）可能被截断。
3.4 方括号标签
标题中 【xxx】 格式的标签，出现最多的：
| 标签 | 出现次数 |
|---|---|
| 终末地 | 22 |
| 明前奶绿 | 11 |
| BD1080P | 8 |
| 星穹铁道 | 7 |
| 明日方舟 | 7 |
| 最后十课 | 7 |
| 世界周刊 | 6 |
| 原神 | 5 |
| 鸣潮 | 5 |
解读：游戏标签（终末地、星穹铁道、明日方舟、原神、鸣潮）占据主导，系列栏目标签（最后十课、世界周刊）也有稳定曝光。
3.5 区分正常视频和垃圾视频的关键词
垃圾视频标题中更常见的词
| 词语 | 垃圾视频中出现率 | 正常视频中出现率 | 倍数 |
|---|---|---|---|
| 商务 | 47.1% | 0.2% | 40x |
| 合作 | 45.3% | 1.0% | 23x |
| 私信 | 9.6% | 1.7% | 4x |
| 粉丝 | 8.6% | 1.9% | 3x |
正常视频标题中更常见的词
| 词语 | 正常视频中出现率 | 垃圾视频中出现率 | 倍数 |
|---|---|---|---|
| 官方 | 6.6% | 1.8% | 3x |
| 央视 | 3.1% | 0.1% | 4x |
| 新闻 | 2.6% | 0.6% | 2x |
解读：标题中出现"商务"、"合作"、"私信"、"粉丝"等营销词汇，与垃圾视频高度相关。
四、总结
一个"容易被刷到 B 站首页推荐"的标题，通常具备以下特征：
- 使用情绪化标点：感叹号（！）和问号（？）是标配，近半数标题使用感叹号。
- 长度适中：17-24 字符是最佳区间。
- 使用方括号标签 ：
【游戏名】或【栏目名】格式的标签帮助算法理解内容分类。 - 互动式代词："我的"、"你的"、"什么"等词制造代入感或悬念。
- 游戏类内容天然高曝光：游戏名称在标题和标签中频繁出现。
数据局限性
- 数据来源于单一用户的推荐流，受观看历史和兴趣标签影响，存在个性化偏差。
- 采集时间约一个月（2026年3月17日-4月11日），可能受当时热点事件影响。
- 仅分析了标题文本特征，未考虑视频内容质量、播放量、互动率等指标。
本文基于 https://github.com/az13js/videos 项目中的真实数据生成。