热门视频是怎样炼成的——基于 B站“每周必看”的内容生态历时性分析

（是存稿，上学期写作与交流课的大作业）
摘要：哔哩哔哩（B站）“每周必看”榜单是反映平台内容生态与青年数字文化变迁的重要窗口。本研究基于该榜单 2019 年 3 月至 2025 年 11 月共 348 期、超过 1.27 万条视频数据，通过定量分析与历时性视角，系统考察了创作者生态、视频时长与互动表现、内容分区格局三个维度的演变机制。研究发现：（1）创作者生态呈现出“幂律分布显著、中间层薄弱、新入口持续开放”的结构特征，但每期仍有约三分之一为新 UP主，形成“头部稳固、中层流动”的动态结构，频繁上榜 UP主普遍采用“适度多元”的分区策略；（2）视频时长结构趋于多元化，用户互动行为从轻量化、泛化表达转向理性化、价值导向的深度互动；（3）内容分区格局呈现“双核驱动、动态轮动”特征，游戏与动画为传统基本盘，知识区稳步崛起，小剧场等新兴分区快速成长，反映出平台生态对社会热点与用户需求的敏感响应。本研究揭示了在算法推荐与社区互动共同作用下视频平台内容生态的演化逻辑，为创作者、平台运营者及数字文化研究者提供实证参考。
关键词：哔哩哔哩；历时性分析；内容生态；创作者生态；热门榜单；用户互动；视频分区；幂律分布；每周必看
1 引言

哔哩哔哩（B站）作为中国 Z 世代聚集的核心文化社区与视频平台，其官方出品的“每周必看”榜单，不仅是平台流量与优质内容的集中体现，更是观察中国青年网络文化变迁、平台内容治理策略与社区生态演进的独特窗口。自 2019 年推出以来，该榜单持续运营超过五年，积累了跨越不同社会、经济与技术周期的海量内容数据，为研究数字内容生产与消费规律提供了丰富的实证材料。
然而，当前相关研究仍存在以下三方面局限：
第一，研究视角局部化，缺乏系统历时性观察。既有研究多聚焦于 B站特定内容分区（如知识区、鬼畜区）或短期热点事件，或针对个别创作者的创作轨迹进行分析，缺乏对平台整体内容生态长期、系统、历时性的宏观把握。
第二，研究方法单一，量化与纵深不足。对于“何为热门”“热门如何形成”等关键问题，现有探讨多停留于定性描述或基于小样本的横截面分析，缺乏大样本、长时段的量化实证支持。同时，多数研究集中于传统文字社交平台（如微博）或短视频平台（如抖音），而对 B 站这类以中长视频为主、内容深度与社区互动性更强的综合性视频平台关注不足，导致对其内容生态演变逻辑、热门视频生成机制以及社区互动文化变迁的认知仍较为模糊。
第三，忽视平台治理与官方导向的作用。许多研究仅从算法推荐和流量分布角度入手，未能充分重视“每周必看”作为“官方精选”榜单所蕴含的平台价值导向与内容治理意图。这忽视了对平台如何界定“优质内容”、如何通过榜单塑造内容生态的深入探讨，未能为理解平台治理与内容生态的互动关系提供新视角。
为此，本研究旨在填补上述研究空白。通过系统收集并分析 B 站“每周必看”榜单自 2019 年创立至 2025 年 11 月底共 348 期、超过 1.27 万条视频的元数据，试图揭示其内容生态的长期演变轨迹与内在机制。本研究的理论意义在于，通过长期、大规模数据的实证分析，深化对算法推荐、社区互动与内容生产三者动态关系的理解；实践意义则在于，为内容创作者把握趋势、平台优化运营策略、以及研究者洞察青年数字文化提供数据支持与参考依据。
在文献基础上，国内研究主要集中在以下三个层面：

• B站社区文化与特定内容研究：多数研究聚焦于 B站“弹幕文化”[1,2]、“二次元社区”[3–5]以及“知识区”崛起等现象的定性分析，强调其青年亚文化属性及学习型社区转向。
  
• 算法推荐与流行度预测研究：部分计算机领域研究尝试利用机器学习模型预测视频热度 [6]，但多基于短期数据[7]，缺乏对社会文化背景与平台生态长期动态的考察。
  
• 短视频与流行传播机制研究：新闻传播学界较多关注抖音、快手等平台的传播模式与网红成因[8]，而对 B站这类具有强社区属性、以中长视频为主的平台关注不足，尤其缺乏对官方筛选榜单的专门探讨。
  

国外研究则从更广阔的视野提供了理论参照：

• 视频平台生态研究：对 YouTube等平台的研究已较为成熟，涵盖创作者经济[9]、热门内容类型变迁、算法公平性[10]等议题，为本研究提供了重要的理论视角。
  
• 流行度动态与预测模型：网络科学等领域对在线内容流行度的形成与衰退机制进行了深入建模[11]，但多数研究基于 Twitter、Reddit等文本或链接数据，对视频类内容的多维元数据（如时长、分区、互动指标）关注不足。
  
• 数字文化历时性分析：采用计算社会学方法对长期数字档案进行宏观趋势分析的研究范式逐渐兴起，为本研究提供了方法论的借鉴。
  

综上所述，现有研究呈现出“重定性轻定量、重截面轻历时、重个案轻生态”的倾向。本研究针对这些不足，定位为一项基于长期、大规模数据的、量化的、生态层面的历时性分析。通过将国内外有关平台生态、流行度机制与数字文化的理论关切，与 B站“每周必看”这一具体、官方、长期的内容评选实践相结合，力求在经验发现与理论对话上均有所贡献。
本研究围绕“热门视频生成机制的演变”这一核心问题，从以下三个维度展开具体分析：

• 生产主体的生态图谱：分析 UP主群体的流动性（如新老 UP主占比）、集中度（头部 UP主的垄断程度）及成功 UP主的特征演变（如分区专注度、创作策略），以透视平台创作者生态的稳定性与开放性。
  
• 内容格局的变迁轨迹：通过对不同内容分区（如游戏、知识、生活、音乐等）在榜单中数量、比例及排名的历时性分析，可视化呈现 B站内容生态的结构演变与多元化进程。
  
• 互动模式的演化逻辑：考察用户互动行为的绝对值（如播放量）与相对比率（如点赞率、弹幕率、投币率）的长期趋势，揭示社区参与度、互动质量与用户偏好的变迁，探讨其从“流量导向”向“价值认同”的潜在转向。
  

2 研究方法

本研究采用定量分析与内容分析相结合的方法，对 B站“每周必看”栏目进行历时性研究。研究流程分为数据收集、数据处理和数据分析三个主要阶段。
2.1 数据收集与数据库构建

数据来源于 B站官方网页端应用程序所使用的未公开 API，这些 API由“哔哩哔哩- API 收集整理”[12]项目通过逆向工程获得。通过自主编写的爬虫程序，我们系统收集了自 2019 年 3 月 28 日第 1 期至 2025 年 11 月 28 日第 349 期，共计 348 期[注2]“每周必看”榜单的全部数据。数据存储采用 SQLite[13] 关系型数据库，共计收集 12725 条视频记录，涵盖包括视频标识（bvid）、所属分区、时长、各项互动数据（播放量、弹幕、评论、点赞、投币、收藏、分享）等多个维度的信息。

注2：本应收录 2021年 3 月 19 日至 25 日间发布的视频的第 105 期“每周必看”数据缺失。该期数据无法通过公开渠道获得，也许该期已被隐藏，或本来就没有发布过该期榜单。

2.2 数据处理与分析

进一步，我们使用 Mathematica[14] 对数据的各项统计指标进行计算，并绘制相关图表，以揭示“每周必看”视频在不同时间段内的表现差异和趋势变化。这些 Mathematica 代码通过 DatabaseReference 和 ExternalEvaluate 函数直接与 SQLite 数据库交互，实现数据的高效处理与分析。绘制的图表导出为高分辨率 PNG格式，嵌入本文以辅助说明分析结果。
2.3 数据与代码公开

本研究所使用的 Python爬虫代码和 Mathematica分析代码均已公开，存储在 Git仓库中，研究者可自由访问和使用这些资源，以促进相关领域的进一步研究。存储仓库的地址为：https://mirrors.sustech.edu.cn/git/szdytom/bilibili-ugc-anal
本研究所使用的“每周必看”数据均来自公开渠道。鉴于我们无法确认这些数据的版权归属问题，本文不提供数据的直接下载链接。研究者如需获取数据，可通过运行公开的爬虫代码自行收集。
3 研究结果

我们的分析结果主要涵盖创作者生态结构、视频时长与互动表现、以及视频涉及的话题三个方面。我们希望通过这些分析，揭示 B站“每周必看”内容生态的演变规律与热门视频的形成机制。
3.1 创作者分析

基于 B站“每周必看”榜单的 UP主[注3] 数据，本研究发现创作者生态呈现出显著的幂律分布特征与特定的内容策略规律，这些规律对理解“热门视频”的形成机制具有重要启示。

注3 UP主：取自英文单词 Uploader，是 B站社区对视频创作者的称呼。

3.1.1 创作者分布的幂律特征

B站 UP主的上榜表现呈现出典型的长尾分布模式，如图 1 所示。对 UP 主上榜次数的频率分布进行幂律拟合，得到拟合函数：

\[y = 732x^{-1.53} \]
其中 \(x\) 表示 UP主的上榜次数，\(y\) 表示对应的 UP主数量。

图 1 创作者分布的幂律特征
拟合指数为 \(−1.53\) 比 YouTube 等平台通常观察到的 \(−1.2\) 至 \(−1.4\) 更为陡峭，表明 B 站内容生态的“头部效应”尤为显著。数据显示，约 0.2% 的 UP主（上榜 20 次以上）占据了约 20% 的上榜次数，而 75% 的 UP 主仅上榜 1 次。这种分布模式反映了 B 站内容生态的“赢家通吃”特性：每增加一倍的上榜次数，对应 UP 主数量减少约 2.9 倍，意味着从“偶尔上榜”到“经常上榜”存在明显的跃迁门槛。
累计分布分析（图 2）进一步揭示，仅 20% 的 UP 主贡献了接近 80% 的上榜视频，凸显了核心创作者群体在内容生产中的主导地位。尽管生态中存在 27 位上榜超过 20 次的“常青 UP 主”（最高达 161 次），但中间层 UP 主相对薄弱，2 至 10 次上榜的 UP 主数量衰减迅速，表明 B 站创作者生态呈现“两极分化”结构：大量 UP 主依赖单次爆款，而极少数 UP主能够建立稳定的内容输出机制。

图 2 创作者上榜次数的累积分布图
数据说明，只有少量创作者真正把握了“热门视频”的生产规律，形成了持续输出高质量内容的能力，而大多数创作者则难以突破偶然性，缺乏稳定的上榜表现。对平台管理者而言，这种创作者生态结构高度依赖核心创作者群体，平台应重点扶持这些“头部 UP 主”，同时探索激励中间层创作者的策略，以促进内容生态的多样化和可持续发展。
3.1.2 分区专注度与成功策略

对频繁上榜 UP 主（上榜频次 ≥ 10）的分析（图 3）显示，其分区专注度分布呈现倒 U 型关系，平均涉猎 5.91 个分区，但中位数仅为 4 个分区，表明少数高分区 UP主拉高了平均值。具体而言，涉猎 3 个分区的 UP 主数量最多（34人），2个分区次之（30人），4个分区第三（21人），形成明显的“适度多元”最优策略。

图 3 创作者分区专注度分布
这一分布呈现典型的幂律特征：头部（1 至 8 个分区）占总数的 89.8%（193人），而尾部（≥ 9个分区）仅占 10.2%（22人）。数据表明，超过 8 个分区后 UP主数量锐减，存在明显的“隐形门槛”。值得注意的是，3 个分区构成“最优点”，这样的“适度多元”策略既避免了过度专一导致的内容局限，又防止了过度分散带来的专业度稀释，集中资源打造核心竞争力，是频繁上榜 UP 主最成功的策略组合。
3.1.3 新 UP主的生态流动性

我们进一步研究了每一期“每周必看”榜单中新 UP 主的占比情况，以评估创作者生态的流动性特征（图 4）。这里的新 UP 主并不是指首次在 B站上传视频的创作者，而是指首次进入“每周必看”榜单的 UP 主。由于 2019年初“每周必看”栏目刚刚上线，前几期榜单中新 UP 主比例较高（首期必然是 100%）。

图 4 每期“每周必看”榜单中新 UP 主占比时序分析
新 UP 主占比的时序分析揭示了 B站“每周必看”内容生态中持续而稳定的流动性特征。数据显示，尽管平台存在显著的头部效应，但每期仍有约三分之一（中位数 33.33%）的上榜 UP 主是首次进入榜单的新面孔，这一比例在三百多期的长期运行中保持相对稳定，表明平台在建立了相对稳定但仍有活力的生态结构。
这种持续的流动性与前述幂律分布特征形成看似矛盾却实际互补的关系：一方面，头部 UP 主凭借稳定产出占据大量曝光机会；另一方面，平台机制持续为新创作者提供展示窗口。值得注意的是，新 UP 主比例并未随时间推移而显著下降，这表明“每周必看”栏目并未陷入完全封闭的循环，而是保持了对新兴创作者的开放性。这种“头部稳固、中层流动”的结构，既保证了内容质量的稳定性，又维持了生态的创新活力，为理解 B 站热门视频的持续生产机制提供了关键视角——热门内容的产生不仅依赖于已建立影响力的创作者，也持续受益于新鲜血液的注入。
3.1.4 创作者生态的结构启示

B站创作者生态呈现出“头部效应显著、中间层薄弱、新入口开放”的三重特征。虽然马太效应明显，成功 UP 主的护城河深厚，但每年仍有大量新 UP主首次上榜，表明平台仍保持一定的流动性。与国际平台相比，B站更陡峭的幂律分布（−1.53）可能反映了中国观众口味的相对集中性、B站推荐算法对头部内容的偏好，以及社区文化中“梗”和“潮流”更易形成共识的特点。
这些发现对理解“热门视频”的形成机制提供了重要视角：成功不仅依赖于单次爆款，更需要在 2 至 4 个相关分区建立持续产出能力；同时，创作者需在专业深度与内容多样性之间找到平衡点，避免过度专一或过度分散。这种“适度多元”策略既符合平台算法偏好，又能满足用户多元化需求，成为频繁上榜 UP主的共同成功要素。
3.2 视频时长与互动表现分析

我们还聚焦视频本身，根据其时长和互动表现数据，进行了历时性分析，以揭示视频内容特征与用户参与度之间的关系。
3.2.1 视频时长的分布特征与离散趋势

我们使用均值、中位值和四分位数（Q1、Q3）等统计指标，对“每周必看”榜单中视频时长的分布特征进行了历时性分析（图 5）。并使用 IQR（四分位距）指标和 QCD（四分位数离散系数）指标（图 6），评估视频时长的离散趋势。

图 5 上榜视频时长的均值，中位值，四分位数及四分位距历时性统计分析

图 6 上榜视频时长的四分位数离散系数（QCD）历时性分析
总体而言，视频时长呈现显著的历时性波动与离散度扩大特征。均值从 2019年的 10.09分钟逐渐上升至 2025年的 19.07分钟。Q3的上升也较为明显（从 9.6分钟升至 18.62分钟），显示出长视频比例的增加。相比之下，中位数变化相对平缓（2019年 5.34分逐渐上升至 2025年 7.95分钟），但也有上升趋势，而 Q1则基本保持稳定（约 3.0分钟上下波动）。
这些数据表明，在意识到短视频赛道竞争激烈的背景下，B站鼓励长视频内容的发展，以满足用户对深度内容的需求和赛道多样化。这些政策有效地推动了内容生态逐渐向多样化时长结构转型。同时，我们观察到，仍稳定存在 25%的视频时长低于 3 分钟，表明短视频内容依然具有重要市场地位。
在这一背景下，我们不难理解，视频时长的离散趋势也在逐渐扩大。IQR指标和 QCD指标均显示出显著的上升趋势。这一趋势表明，B站内容生态正从早期标准化短内容向多元化时长结构转型，同时 B站在短视频与长视频之间寻求平衡：用户既有对碎片化短内容的需求，也对深度长内容表现出兴趣。平台也在逐步适配碎片化消费与沉浸式内容的双轨需求。
值得一提的是，视频时长均值在 2021年出现了一个明显的异常点（29分钟，甚至超过该年度的 Q3值 12.1分钟的两倍）。这一异常主要源于 2021年 7月的第 120期“每周必看”榜单中一个名为“冒死上传！目前 B站最完整的绘画教程，包含所有绘画风格！插画|厚涂|原画|板绘!”的视频（BV1d64y197gj），该视频时长高达 1521455秒（约 17天 14小时），这严重拉高了该年度的时长均值。该年度未见其他异常点，表明该异常为孤立事件，对实际上的整体趋势影响有限。
3.2.2 互动行为的整体演变与分化

基于前述视频时长的演化趋势，本研究进一步分析了上榜视频的各项用户互动指标（包括弹幕、评论、点赞、投币、收藏、分享）与播放量的比值（图 7-12）。该比值反映了单位播放量所能激发的用户互动深度，是衡量视频“互动效率”或“观众粘性”的关键指标。历时性分析揭示了 B站用户互动行为模式的显著变迁。
纵观 2019 至 2025 年的数据，不同互动指标的演变路径呈现显著分化，勾勒出用户参与行为从“泛化互动”向“精准表达”与“私域留存”转变的图景。
首先，即时性互动衰减，深度交流趋稳：弹幕比值的下降趋势最为显著，均值从 2019年的 0.592%骤降至 2023年的 0.250%，尽管在 2025年有所回升（0.490%），但仍低于早期水平。这或与 B站社区规模扩大、弹幕文化从“全民狂欢”步入“常态分层”有关，用户发送弹幕变得更审慎。相比之下，评论比值的均值相对稳定，在 0.134%至 0.191%的区间内窄幅波动，中位数亦保持平稳。这表明，尽管即时性的弹幕互动可能降温，但用户对于进行相对深度的、结构化的文字交流的需求始终存在，构成了稳定的互动基底。

图 7 上榜视频投币数与播放量比值的历时性分析

图 8 上榜视频弹幕数与播放量比值的历时性分析
第二，轻量化反馈经历“过山车”，价值型互动持续收紧：点赞比值呈现明显的“倒 U型”曲线，均值从 2019年的 5.68%一路攀升至 2022年的峰值 8.00%，随后连续三年下降至 2025年的 5.79%。其早期上升与平台力推“一键三连”及培养用户点赞习惯密切相关，而近期的回落则可能意味着点赞行为的“通货膨胀”或用户对“轻量化”正向反馈的阈值提高。更具成本意味的投币比值则呈现单边下滑态势，均值从 4.07%降至 1.83%，中位数从 2.92%大幅降至 1.16%。这强烈表明，随着内容供给爆炸式增长，用户的“硬币”这一稀缺资源分配变得极为审慎，仅对价值感知极高的内容才愿意给予实质性激励。

图 9 上榜视频收藏数与播放量比值的历时性分析

图 10 上榜视频点赞数与播放量比值的历时性分析
第三，私域留存行为稳定，社交传播效率走低：收藏比值是所有指标中最为稳定的，均值始终围绕 1.8%小幅波动。这揭示了用户“标记优质内容以备后看”的私域工具性需求具有刚性，不受社区公开互动氛围短期波动的显著影响。分享比值则呈波动下降趋势，均值从 0.615%降至 0.420%，说明视频通过用户社交关系链进行病毒式传播的整体效率在降低，内容消费可能更集中于站内或特定圈层。

图 11 上榜视频评论数与播放量比值的历时性分析

图 12 上榜视频分享数与播放量比值的历时性分析
四分位距（IQR）离散趋势的分析，进一步揭示了不同互动行为在视频间的集中度变化。

• 弹幕与投币：从普遍参与到核心聚焦。弹幕比和投币比的 IQR虽有所波动，但结合其中位数的大幅下降（弹幕中位数从 0.444%降至 0.210%；投币中位数从 2.92%降至 1.16%）观察，表明能够引发高浓度弹幕讨论或获得大量投币的视频变得更加稀有，互动资源向少数“爆款”集中。特别是投币行为，其 Q1值在 2025年已低至 0.451%，意味着大量视频仅能获得极低的硬币投入。
  
• 点赞与评论：分布相对稳定。点赞比和评论比的IQR变化幅度相对其他指标较小，表明用户进行点赞和评论的行为分布在不同视频间的差异度保持相对稳定。尤其是评论比，其 IQR始终维持在较窄水平（约 0.11至 0.14），说明无论是头部还是中腰部视频，其引发评论的“效率”差异相对可控。
  

3.2.3 对“热门视频”形成机制的启示

视频时长与互动表现的历时性分析为理解“热门视频”的当代标准提供了关键维度：

• 多样化时长结构：B站内容生态正从单一短视频向多元化时长结构转型，创作者应根据内容需求灵活选择时长，以平衡碎片化消费与深度体验。
  
• 互动质量重于数量：单纯追求高播放量已不足以定义“热门”。成功的视频需要能撬动更深层、更“昂贵”的用户互动。能够稳定获得评论与收藏，并能在特定节点激发高浓度弹幕或收获大量投币，成为当前热门视频更核心的特征。
  
• 用户决策更加理性：投币比值的持续下降和收藏比值的稳定，共同反映了用户在信息过载下的行为模式：即时冲动性打赏减少，转而更倾向于将内容标记为个人数字资产。这对创作者的内容“长效价值”提出了更高要求。
  
• 互动模式与内容时长可能存在关联：结合视频时长向多元化发展的趋势，长视频更可能通过深度内容赢得收藏、深度评论和“物有所值”的投币；而精悍的短视频则可能更依赖点赞、分享和即时弹幕引爆流量。内容策略与预期互动模式需精准匹配。
  

综上所述，B站“每周必看”上榜视频的互动生态正经历深刻的结构性调整。用户互动行为从早期的泛化、轻量趋向于理性、分化与深化。这对于创作者而言意味着，制造“热门”不仅需要吸引眼球，更需要创造能够经得起理性考量、值得用户投入“高成本”互动（如时间、硬币、收藏夹位置）的内容价值。这也预示着 B站的内容竞争，正从流量争夺进阶到用户心智与价值认同的更深层次竞争。
3.3 视频涉及的话题的分析

视频的“话题”或“分区”，是 B站社区文化的重要载体，直接反映了平台的内容生态结构与用户兴趣变迁。本节基于“每周必看”榜单中视频的主分区数据，对其历时性变化进行统计分析，旨在揭示热门内容背后的社区趋势、平台策略与社会动因。
3.3.1 总体生态结构：双核驱动与多元长尾

从 2019至 2025年的总体数据来看，B站“每周必看”的内容生态呈现出鲜明的“双核驱动，多元并存”格局。游戏（14.55%）与动画（12.67%）两大核心分区合计贡献了超过四分之一的上榜视频，构成了 B站热门内容的传统基本盘与社区文化底色。紧随其后的是知识区（8.36%），标志着 B站“学习网站”的标签已深入人心。音乐、美食、小剧场等分区构成了重要的多元化支撑力量，占比均在 7%至 8%之间。值得注意的是，“其他分区”总和高达 13.32%，显示出尽管头部效应显著，但海量中小垂类内容共同构成的“长尾”同样是热门榜单不可或缺的组成部分，体现了平台内容生态的丰富性与活力。

图 13 上榜视频分区构成的总体分析
3.3.2 主要分区的动态演变轨迹

通过对主要分区年度占比的历时性分析（图 14），可以发现各分区并非一成不变，而是经历了显著的起伏与轮动，勾勒出 B站内容生态的动态演化图景。

图 14 上榜视频分区构成的历时性分析

• 游戏区的韧性与周期性爆发：游戏区占比始终保持在 12% 以上，长期位居榜首，展现了其作为 B站“压舱石”的稳固地位。其演变路径呈现出明显的周期性波动，在 2024年达到峰值（18.36%）。这并非偶然，通常与现象级单机游戏（如 2024 年国产大作《黑神话：悟空》[15]）、爆款网游新版本或全球性电竞赛事高度相关，反映了游戏内容强烈的“事件驱动”特征和强大的即时社区爆发力。
  
• 动画区的平台定位转移：动画区占比在 2020 年达到顶峰（15.74%）后逐年回落并趋于稳定。这一轨迹清晰表明了动画内容从 B站早期赖以生存的“核心护城河”，逐渐演变为与平台共同成长的“文化基本盘”。其峰值的出现往往与年度“霸权”番剧或原创国创作品的上线紧密绑定，而占比的稳定则说明，尽管面临其他内容品类的分流，二次元文化依然是 B站不可动摇的社区根基和用户情感连接的核心。
  
• 知识区的价值沉淀与常态化：知识区占比在 2020 年疫情期间冲高（11.66%）后有所回调，但自 2023 年起重回升势。这表明知识内容经历了从“特殊时期的应急需求”到“后疫情时代的常态需求”的转变。用户不再仅仅将其视为临时补充，而是内化为一种稳定的内容消费习惯。平台通过系统性的品牌运营，成功将知识区从流量风口塑造成了代表平台深度与价值的“金字招牌”。
  
• 小剧场的结构性崛起：小剧场（或微短剧）是变化最显著的分区之一。其占比从 2019 与 2020 年的不足 5%，到 2023年后稳定在接近 9%，完成了从边缘品类到主流形式的跃迁。这一变化精准回应了当代用户碎片化、强情节的观看偏好，也是 B站积极拥抱市场趋势、主动调整内容供给结构的直接体现。
  
• 美食区的分流与转型：与此相对，美食区占比从 2019 年的高位（11.59%）持续下滑至2025年的 5.56%。这反映了在短视频平台专业化美食内容的激烈竞争下，B站美食内容面临的挑战。这可能与后疫情时代经济下滑、实体餐饮业持续受挫有关，从而导致用户对“探店”“测评”等内容的兴趣减弱。平台需重新审视美食区的内容策略，以适应新的市场环境。
  

3.3.3 分区变迁的多重动因分析

“每周必看”榜单分区结构的演变，是平台算法机制、官方创作导向、创作者生态、用户代际变迁及外部社会环境共同作用的结果。

• 平台算法与运营策略的导向作用：平台的推荐机制与专项激励计划如同“指挥棒”，直接影响内容流向。例如，对知识区的长期扶持、对小剧场的流量倾斜，以及对游戏直播和赛事版权的加码，都直接体现在对应分区占比的提升上。榜单本身作为官方精选，也承担着向社区示范“何为优质内容”的引导功能。
  
• 社会趋势与热点事件的催化效应：外部环境是内容潮流的放大器。2020年的疫情直接催生了“知识普惠”的窗口期；2024年国产 3A游戏《黑神话：悟空》[15]的现象级破圈，则瞬间点燃了社区的游戏创作与讨论热情。这些社会性热点为特定分区注入了爆发性增长动力。
  
• 用户代际变迁与需求演化：随着 B站主流用户年龄增长，其内容消费需求也从单纯的娱乐消遣，向知识获取、技能学习、社会议题探讨等更复合的方向扩展。这为知识、科技、财经等分区提供了持续增长的用户基础。同时，年轻用户对高密度、快节奏叙事（小剧场）的偏爱也塑造了新的内容风口。
  
• 跨平台竞争下的生态位选择：在短视频平台侵蚀部分生活、娱乐内容的压力下，B站的内容生态自觉或不自觉地强化了其差异化的“生态位”：即依靠社区文化和用户关系，深耕需要一定理解门槛、具备深度或强叙事性的中长视频内容。游戏、知识、深度解说、系列短剧等分区的稳固或崛起，正是这一战略选择的体现。
  

3.3.4 小结：动态平衡中的生态演进

综上所述，“每周必看”榜单的分区变迁史，是一部 B站内容生态在动态平衡中不断演进的历史。它呈现出“稳定性与流动性并存、从‘兴趣部落’到‘数字市集’、‘热门’定义的多元化”这三条核心特征。
其中，“游戏+动画”的双核结构保持了基本稳定，确保了社区文化基石的牢固。与此同时，知识、小剧场等分区的崛起与更迭，则展现了生态内部的充沛活性和对时代脉搏的敏锐响应。进一步的，B站正从一个以特定兴趣（ACG[注4]）为核心的“部落”，演变为一个包罗万象、满足用户多元化精神消费需求的“数字市集”。热门话题的多样性，正是这一转型的最直观注脚。分区的轮动表明，成为“热门”的路径不再是单一的。无论是依靠瞬间爆发的社区情绪（游戏赛事），还是依靠长期沉淀的认知价值（知识科普），或是依靠抓人的叙事技巧（小剧场），都能在当前的 B站生态中找到自己的位置。

注4 ACG：英文单词 Anime、Comics、Game的缩写，即动画、漫画、游戏。

因此，对创作者而言，理解分区趋势不仅关乎内容选题，更关乎对平台生态位和用户深层需求的把握。对平台而言，维持这种核心稳固与边缘创新的动态平衡，是保持社区长期健康与吸引力的关键。这揭示了“热门视频炼成”的另一重要维度：它不仅关乎视频本身的品质，也深刻依赖于其所处话题领域在特定历史时刻的“势能”。
4 结论与展望

本研究基于 B站“每周必看”栏目自 2019年 3月至 2025年 11月共 348期、超过 1.27万条视频数据，通过长期、大规模的定量分析与历时性视角，系统揭示了 B站热门视频内容生态的演变轨迹与形成机制。研究围绕创作者生态、视频时长与互动表现、内容分区变迁三个核心维度展开分析，得到以下主要结论：
第一，创作者生态呈现出“幂律分布显著、中间层薄弱、新入口持续开放”的结构特征。研究发现，上榜 UP主的上榜次数遵循陡峭的幂律分布（指数为 −1.53），约 0.2% 的头部 UP主占据了约 20% 的上榜机会，而超过 75% 的 UP主仅上榜一次，体现出明显的“赢家通吃”效应。然而，每期榜单中仍有约三分之一为新 UP主，表明平台在维持头部稳定的同时保持了生态流动性，形成“头部稳固、中层流动”的动态结构。频繁上榜的 UP主普遍采用“适度多元”策略（平均涉猎 3 至 4 个分区），在专业深度与内容多样性之间取得平衡，这是其持续成功的重要策略基础。
第二，视频时长结构呈现多元化发展趋势，用户互动行为从“轻量化泛化”向“理性化与分化”转型。 视频时长均值从 2019年的 10.09分钟上升至 2025年的 19.07分钟，同时四分位距（IQR）与四分位数离散系数（QCD）持续扩大，表明平台内容结构正从早期相对统一的短视频向长、中、短并存的多元化形态演进。在互动行为方面，即时性弹幕与轻量化点赞比例呈下降或波动趋势，而具有较高成本的投币行为显著收紧，收藏行为则保持稳定。这反映出用户互动逐渐从追求即时、泛化的表达，转向更为理性、精准的价值认同与私域留存。
第三，内容分区格局呈现“双核驱动、动态轮动、生态演进”的特征。游戏区（14.55%）与动画区（12.67%）构成 B站热门内容的传统基本盘，知识区（8.36%）的稳步崛起则标志着平台从“娱乐社区”向“学习平台”的深度转型。小剧场等新兴分区在近年快速成长，而美食区等内容则面临分流与转型压力。分区结构的变迁不仅是算法推荐与平台运营策略的直接体现，也深刻反映了社会热点、用户代际更迭与跨平台竞争的外部影响，呈现出“稳定中有流动、核心与边缘共同演进”的生态韧性。
理论贡献方面，本研究通过长期、大规模的实证数据，揭示了在强社区属性与官方精选机制双重作用下，视频平台内容生态的历时性演变逻辑。研究发现丰富了关于算法、社区互动与内容生产动态关系的理论讨论，并为数字文化历时性研究提供了基于中文视频平台的经验案例。
实践意义方面，本研究为内容创作者、平台运营者与研究者提供了可操作的参考：创作者应注重在适度多元的分区策略下构建持续产出能力，并关注用户互动行为向“价值认同”的转变；平台应继续优化对中腰部创作者的扶持机制，并在长短视频并行的趋势下平衡内容多样性；研究者可借助公开的数据与代码进一步探索平台治理、社区文化与数字青年等议题。
本研究的局限与未来展望：首先，数据来源仅限于“每周必看”榜单，未涵盖全站流量分布，未来可结合推荐流数据进行比较分析。其次，研究侧重于宏观趋势，对具体视频内容、创作叙事与用户情感等微观机制探讨不足，后续可结合文本挖掘、情感分析等方法深化理解。最后，研究时段截至2025年 11月，未来可继续追踪生态变化，尤其关注AIGC等新技术对内容生产与消费模式的深远影响。
总之，B站“每周必看”不仅是热门视频的展示窗口，更是观察中国青年数字文化变迁、平台治理逻辑与内容生态演进的重要镜鉴。在算法、社区与创作者的三重互动中，“热门视频”的炼成既是技术与流量的博弈，更是文化价值与用户认同的沉淀。
参考文献
[1] 何海翔,夏临.使用与满足理论视域下大学生 B站弹幕文化解析[J/OL].当代电视, 2025(6): 76-79. DOI:10.16531/j.cnki.1000-8977.2025.06.011.
[2] 王亮,王鹤颖.“ 滚动许愿池”何以形成?——Z世代用户弹幕许愿行为影响因素的扎根研究 [J].数字出版研究, 2025: 1-10.
[3] 王崇锋,李安,王世杰.二次元社区企业战略转型绩效评价研究——以哔哩哔哩为例[J].财务管理研究, 2021(9): 1-10.
[4] 李瑶.价值共创视角下哔哩哔哩商业模式及其用户评价研究[D/OL]. 2022: 1-91. DOI:10.27412/d.cnki.gxncu.2022.001800.
[5] 李朝昆.互联网社区的运营研究[D/OL]. 2021: 1-89. DOI:10.27272/ d.cnki.gshdu.2021.001225.
[6] LI Y s, SONG M n, E H h,等. Social recommendation algorithm fusing user interest social network[J/OL]. The Journal of China Universities of Posts and Telecommunications, 2014, 21: 26-33. https://www.sciencedirect.com/science/ article/pii/S1005888514605161. DOI:https://doi.org/10.1016/S1005-8885(14)60516-1.
[7] 杜东舫,徐童,鲁亚男,等.基于信任机制下概率矩阵分解的用户评分预测[J/OL].软件学报, 2018, 29(12): 3747-3763. DOI:10.13328/j.cnki.jos.005322.
[8] 周晔,张宇涵.短视频算法推荐对大学生价值观塑造的影响机制研究 [J/OL].北京科技大学学报(社会科学版), 2026, 42(1): 31-38. DOI:10.19979/ j.cnki.issn10082689.2025060124.
[9] CHOI F, LAMBERT C, KOSHY V,等. Creator Hearts: Investigating the Impact Positive Signals from YouTube Creators in Shaping Comment Section Behavior[C/OL]//Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM, 2025: 1-18. http://dx.doi.org/10.1145/3706598.3713521. DOI:10.1145/3706598.3713521.
[10] KINGSLEY S, SINHA P, WANG C,等.“ Give Everybody[..] a Little Bit More Equity”: Content Creator Perspectives and Responses to the Algorithmic Demonetization of Content Associated with Disadvantaged Groups[J/OL]. Proceedings of the ACM on Human-Computer Interaction, 2022, 6(CSCW2): 1-37. http://dx.doi.org/ 10.1145/3555149. DOI:10.1145/3555149.
[11] XU Y, WU J, WAN H,等. Forecastin g the Buzz: Enrichin g Hashta g Po p ularit y Prediction with LLM Reasonin g[C/OL]//Proceedin g s of the 34th ACM International Conference on Information and Knowled g e Mana g ement. ACM, 2025: 5396-5400. htt p
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！