3. 热度度量与数据来源

研究新旧题材的竞争与热度迁移，第一步不是画趋势图，而是把“热度”变成一个可计算、可比较、可复现的量。热度本身是抽象概念，必须落到具体指标上：谁在讨论、讨论多少、讨论得多快、是否伴随真实行为。若指标设计不当，很容易把“营销投放带来的短期噪声”误判为“题材真实升温”，从而得出错误的迁移结论。

一、热度指标的分层设计

建议把热度拆成三个层次，分别对应不同的行为深度：曝光层反映内容被看到和传播的广度，如搜索指数、话题阅读量、内容发布量；互动层反映用户主动参与的程度，如评论数、转发数、点赞率、弹幕密度；转化层反映真实资源投入，如票房、订阅、打赏、周边交易额、会员拉新。三层指标的组合比单一指标稳健得多：曝光高而互动低，往往是渠道推送；互动高而转化低，可能是情绪化讨论；只有多层同步抬升，才更接近真实热度。

在具体计算上，常用做法是对各指标做标准化后加权合成。设第 i 个指标在 t 日的原始值为 x_i,t，先做对数压缩 y_i,t = ln(1 + x_i,t)，再按滚动窗口做 Z 分数标准化，最后加权求和得到综合热度 H_t = Σ w_i · z_i,t。权重可按层次设定，例如曝光层合计 0.3、互动层 0.4、转化层 0.3，再在层内均分。需要强调的是，权重是研究假设而非客观真理，应在论文或报告中明确写出，并做敏感性检验：把权重上下浮动 20%，观察题材排序是否稳定。

此外，热度必须区分绝对水平与相对份额。新旧题材竞争研究的核心是“迁移”，因此更应关注某题材在同类总热度中的占比 s_t = H_t / ΣH_t。绝对热度受大盘影响，份额才能反映竞争格局的变化。

二、多源数据采集

四类数据源各有侧重，采集时要注意口径与频率的匹配。搜索平台提供需求侧意图，通常以关键词指数形式按日获取，适合捕捉“想了解”的前置信号；社交平台提供讨论与情绪，需按话题标签、超话或关键词抓取帖子、评论、转发，注意去重与机器人过滤；交易平台提供真金白银的验证，如票房、销量、订阅数，频率可能是日或周，需与高频数据对齐；内容平台提供供给侧的创作活跃度，如新发布作品数、播放量、完播率，反映创作者是否在向某题材迁移。

采集实现上，应建立统一的采集任务表，明确每个数据源的字段、频率、时间戳时区和重试策略。例如搜索指数每日 9:00 拉取前一日数据；社交数据按小时增量抓取并按帖子 ID 去重；交易数据按周汇总。所有原始数据落地为带采集时间的快照，避免后续接口修订导致历史不可复现。对无法直接获取的指标，应记录替代方案与偏差方向，而不是隐去。

三、数据质量评估方法

多源数据合并后，必须做质量评估，否则综合热度只是“看起来合理”。建议从五个维度检查：完整性看各源在时间轴上的缺失比例，若某平台连续多日缺失，应标记而非插值掩盖；一致性看不同源对同一题材的走势是否同向，可计算日度变化率的相关系数，若搜索与社交长期背离，说明口径或人群存在差异；时效性看数据延迟是否影响判断，热度迁移研究对周级延迟尚可容忍，但日级决策需控制延迟；稳定性通过权重扰动和窗口长度变化检验排序是否稳健；异常性则对突增点做人工复核，区分真实事件、平台活动与刷量。

一个可操作的示例：假设研究某两类题材 A 与 B 的竞争，采集 90 天数据。检查发现社交源第 40～43 天缺失，交易源为周频需向前填充到日频。计算 A 的搜索指数与社交讨论量日变化率相关系数为 0.72，B 为 0.41，后者偏低，进一步排查发现 B 的社交讨论集中在少数营销账号，遂在互动层中剔除疑似异常账号后重算，相关系数升至 0.63。这个过程中，质量评估不是形式检查，而是直接改变了指标取值与结论可信度。

最后要强调，热度度量服务于“竞争与迁移”这一研究问题，而不是追求一个万能指数。指标设计应能回答：某题材的热度上升是来自曝光扩张、互动加深还是转化兑现；其份额变化是自身增长还是对手衰退；多源信号是否同向。只有把采集、清洗、合成与质量校验串成可复现的链条，后续的迁移识别与因果讨论才有可靠基础。