KigBeKig
返回学术索引编辑审校 · 非匿名同行评审
计算传播 × 平台文化研究观察性内容题材比较研究Rev. 1.2

哪种题材更容易被看见？Kigurumi 视频类型与公开互动表现

基于固定发布队列的播放、点赞、分享、收藏、评论与投币比较

Author
BeKig 学术编辑部
发表
修订
预计阅读
38 分钟
Abstract

摘要

什么样的 Kigurumi 内容更容易获得高播放，并不等于什么内容在被看到之后最容易得到点赞、收藏、评论或投币。本文冻结 Bilibili 公开搜索中以“kigurumi”为查询词、按最新发布排序的 2026 年 6 月 1 日至 14 日完整发布队列，从 1,086 个唯一视频中筛得 376 条满足纳入条件的 animegao/Kigurumi 相关内容，其中 370 条进入五类互斥主题比较。原编码中，结构、材质与局部特写的日均播放中位数最高（151.03），但该组优势集中于乳胶、全包、丝袜、紧身与身体—材质关系被前景化的内容，并对少数极端高播放项目敏感。随后按原五类各抽 16 条、共 80 条开展原标签遮蔽式独立复编码：观察一致率为 81.2%，Cohen’s κ = 0.766，分层 bootstrap 95% 区间为 0.672—0.859；15 条发生跨宏观题材改码。把这些改码应用回完整 370 条、其余记录保留原编码后，结构/材质的日均播放中位数仍居首（134.63），但与变装/剧情（130.78）和知识组（127.34）的距离收窄，日均播放前 25% 命中率则由结构/材质单独首位变为结构/材质与变装/剧情并列（均为 53.6%，15/28）。身体—材质强调的 34 对题材匹配显示日均播放配对中位差为 +127.09 次/日，但身体材质组与对照组的 suggestive 标记为 18/34 对 2/34；进一步精确匹配题材与 suggestive 的 25 对敏感性中，日均差为 +78.75，95% 区间 −1.70—189.29，不能排除零差，而每千播放点赞、评论与投币仍分别偏低 −38.58、−3.56 和 −1.31。角色展示的点赞、收藏和评论密度中位数首位，表演/社交的投币密度首位在混合编码后保持；分享率仍没有稳定宏观冠军。作者内中心化、极端值、编码复核和匹配试点共同提示，账号构成、标题封面、暧昧包装、制作质量与早期社会反馈均可能混入题材差异。本文因此拒绝单一“流量题材冠军”，转而区分公开播放规模、审美认可、保存价值与社群参与，并把所有结果限定为公开检索快照中的观察性关联。

关键词
Kigurumianimegao内容题材日均播放点赞率收藏率平台互动观察性研究

01

研究问题

  1. 在固定发布窗口的 Bilibili 搜索样本中，哪些 Kigurumi 题材具有更高日均播放？
  2. 点赞、分享、收藏、评论和投币是否指向同一种“高表现”题材？
  3. 结构与材质题材的播放优势究竟来自一般头壳知识，还是身体—材质视觉强调？
  4. 排除极端值、限制高置信编码、比较同一作者和改用其他发现队列后，结论是否仍然成立？
  5. 原五类题材编码在原标签遮蔽式独立复编码中是否可重复，少量跨类改码应用回完整样本后，主要题材排序是否保持？

02

方法与材料

  • 冻结 Bilibili 公开搜索“kigurumi”的两个完整发布周，按最新发布分页读取、排除推广卡并以 BVID 去重
  • 通过公开视频详情和标签补齐发布时间、时长、播放、点赞、分享、收藏、评论与投币，不使用登录 cookie
  • 按标题承诺、简介、标签与公开封面所能支持的主要任务将内容初始编码为五个宏观题材，并人工复核小样本组、结构材质组和高播放异常项
  • 从 370 条五类样本中按原题材各抽 16 条、共 80 条开展原标签遮蔽式独立复编码，报告观察一致率、Cohen’s kappa、混淆矩阵和逐类 precision、recall 与 F1
  • 将试点中 15 条跨类改码应用回完整 370 条构造混合编码敏感性，并以原始完整样本固定的前 25% 门槛复算题材中位数与命中率
  • 对身体—材质强调的 34 条视频进行题材精确匹配，并以题材与 suggestive 同时精确匹配的 25 对作为关键敏感性；小红书与 X 只作分平台语境补充，不合并不同平台指标

03

证据声明

本文的实证范围是 2026-07-13 冻结的公开检索快照：Bilibili 主样本 370 条，近期敏感性队列 524 条，综合排序敏感性队列 107 条；小红书严格纳入 34 条，X 严格纳入 20 条。检索结果不是全平台随机样本。题材编码已完成按原五类各 16 条、共 80 条的原标签遮蔽式独立复编码，观察一致率为 81.2%，Cohen’s κ = 0.766；但它不是 370 条全量双人编码，其中 1 条在 schema 检查阶段曾暴露原标签，且只有 56 条能够读取既有本地封面，24 条远端封面未在本轮联网查看。排除预暴露条目后 κ = 0.763，未改变主要判断。完整 370 条的混合敏感性只替换这 80 条中的复编码标签，其余 290 条仍沿用原编码，因此不能解释为新一轮全量重编码。身体—材质匹配仍是观察性配对：34 对主匹配中 suggestive 标记为 18/34 对 2/34，题材与 suggestive 同时精确匹配后只剩 25 对，且高 suggestive 的结构/材质内容多因缺少同层对照而无法进入。Bilibili 播放是已经实现的公开观看，不是 impression、点击率或推荐曝光；日均播放只是累计播放除以视频年龄的粗校正，不是真实逐日增长曲线。所有 p 值、bootstrap 区间和匹配差异均为探索性描述，互动比率只表示以公开播放为分母的互动密度，不等于题材、材料或平台分发的因果效应。

04

主要结论

  1. 高播放与高互动效率不是同一件事：混合编码后结构/材质仍为日均播放中位数首位，但与变装/剧情和知识组的差距收窄，前 25% 命中率则与变装/剧情并列。
  2. 身体—材质内容呈现“触达较高、单位播放点赞/评论/投币较低”的分叉线索；但控制题材与 suggestive 后，日均播放配对差的区间跨 0，不能写成稳定触达优势或算法偏爱。
  3. 角色展示的点赞、收藏和评论密度中位数首位，表演/社交的投币密度首位在混合编码后保持；分享中位数首位会随改码变化，宏观分享差异仍不稳定。
  4. 80 条原标签遮蔽式复编码的观察一致率为 81.2%、Cohen’s κ = 0.766；主要分歧集中在角色展示与变装/剧情、知识与商品配件、结构材质词与困住叙事之间。
  5. 作者内中心化、极端值、编码复核和匹配敏感性共同表明，题材排序与账号构成、标题封面、suggestive 包装和少数高播放项目纠缠；这些观察性结果不保证流量或播放。
正文BKA-2026-016

01Estimands

“最容易火”到底在比较哪一种成功

播放、点赞、分享、收藏、评论与投币处在不同的行为链条上。播放记录已经实现的公开观看规模，不是平台曝光或点击率；点赞是低成本认可；收藏暗示未来重访或审美保存；评论需要表达；投币又带有作品支持意味。把它们加成一个总分，做出来的不是学术结论，顶多是一锅平台按钮乱炖。[6][7][16]

表 1　本文区分的六种公开表现
↔ 横向滚动查看全部列
指标本文回答的问题主要解释风险
总播放 / 日均播放内容是否获得更多已实现的公开播放账号、发布时间、外部传播；无 impression/CTR 分母
每千播放点赞每一千次公开播放对应多少低成本认可分母过小和比率伪相关
每千播放收藏每一千次公开播放对应多少保存或重访动作平台收藏语义与教程/审美动机混合
每千播放评论每一千次公开播放对应多少提问或社交表达争议、熟人互动与活动语境
每千播放投币每一千次公开播放对应多少较高成本支持账号号召、作品完整度与社区规范
每千播放分享每一千次公开播放对应多少公开分享身份表达、私域传播与按钮可见性

同一题材可能在公开播放规模上领先、在互动密度上落后；本文不构造跨指标总冠军。

[1][17]注1注2

02Design

固定发布队列：先堵住“拿热门榜研究热门”的循环

如果从综合排序高位抽样，再问什么题材互动高，研究设计一开场就把结果塞进了样本。本文因此把主要样本改为“最新发布”固定队列：查询词只用宽泛的 kigurumi，完整读取 2026 年 6 月 1 日至 14 日两个发布周，冻结时每条视频已经发布约 29—43 天。[21][14][12]注3

表 2　Bilibili 样本流与敏感性队列
↔ 横向滚动查看全部列
队列发现方式唯一视频 / 纳入分析用途
主要发布队列最新发布，2026-06-01—06-141,086 / 370主要题材比较
近期发布队列最新发布的前 1,000 个唯一 BVID1,000 / 524发布日期中心化后的早期表现
综合排序队列综合排序前 10 页418 / 107成熟内容与搜索可见性方向复核

推广卡排除，BVID 去重；详情和标签来自公开接口，不使用登录 cookie。

[21]

互动是强烈右偏的累积计数，视频又具有不同热度生长轨迹。正文以中位数和日均播放为主要描述，完整的总播放、四分位数、bootstrap 区间与前四分位命中率保留在证据备忘和统计输出中；这里的日均播放只是累计播放除以视频年龄的粗校正，不是逐日观测的真实增长速度。近期队列再按发布日期中心化，避免把发布数小时的视频和发布十余天的视频直接硬碰硬。[13][12][19]注2

03Taxonomy

五类题材不是关键词袋，而是主要观看任务

一条视频可以同时有角色、乳胶、漫展和剧情，但统计需要一个互斥主分类。原编码优先依据标题承诺、简介、标签和公开封面能够支持的主要任务：观众究竟被邀请来学、看变化、看表演和事件、看完整角色，还是看结构与材质。跨题材机制如信息缺口、热门 IP、多角色、活动语境和身体—材质强调则另做多标签。为检查这套互斥分类是否只是规则顺序的产物，本文再按原五类各抽 16 条进行原标签遮蔽式独立复编码；因此后文同时区分“原编码主分析”与“80 条改码应用回完整样本后的混合敏感性”。[21][8]注4

表 3　原编码主样本的五个宏观题材
↔ 横向滚动查看全部列
题材n占主样本典型内容任务
角色展示与审美短片25970.0%造型、写真、可爱动作、完整角色视觉
表演、漫展与社交纪实4712.7%舞蹈、舞台、展会、外拍、聚会与合作
结构、材质与局部特写277.3%头壳、Kig 皮、乳胶、拉链、手脚与身体材质
变装、剧情与挑战215.7%穿戴揭示、小剧场、锁定、耐久与反差
知识、制作与测评164.3%教程、制作、维修、开箱、选购与比较

原编码中角色展示 259 条、占 70.0%。80 条复编码产生 15 条跨类改码；应用回完整样本后的混合计数为角色展示 252、表演/社交 50、结构/材质 28、变装/剧情 28、知识 12。原表保留为冻结主分析，不把部分复编码冒充全量新标签。

[21]注5

04Public Views

高播放区：原编码结构材质居首，复编码后差距收窄

表 4　原编码五类题材的公开表现中位数
↔ 横向滚动查看全部列
题材n日均播放每千点赞每千分享每千收藏每千评论每千投币
角色展示与审美短片25940.47136.001.4270.189.244.63
表演、漫展与社交纪实4769.0498.512.2360.298.066.33
结构、材质与局部特写27151.0399.612.3437.923.991.71
变装、剧情与挑战21134.0257.740.8949.313.271.78
知识、制作与测评16127.3453.682.6839.396.652.75

日均播放全局检验为探索性 p < 0.0001。结构/材质与角色展示的 Holm 校正成对比较为 p < 0.0001，但与变装/剧情、知识组分别为 p = 1.0000 和 p = 1.0000；中位数首位不等于稳定击败相邻小组。这些数值属于冻结原编码。80 条改码应用回完整样本后，结构/材质、变装/剧情、知识、表演/社交和角色展示的日均播放中位数依次为 134.63、130.78、127.34、69.16 和 39.99；前三类差距比原表更窄。

[21]
图 1　五类题材的日均播放中位数与 bootstrap 区间点为原编码主分析的中位数，线为 bootstrap 95% 区间；宽区间和后续复编码敏感性都提醒读者，不要把样本排序写成固定总体名次。
结构／材质n=27
中位数与 bootstrap 95% 区间151.03 次/日；95% 区间 43.45—550.94
变装／剧情n=21
中位数与 bootstrap 95% 区间134.02 次/日；95% 区间 69.73—182.96
知识／制作／测评n=16
中位数与 bootstrap 95% 区间127.34 次/日；95% 区间 49.45—438.82
表演／社交n=47
中位数与 bootstrap 95% 区间69.04 次/日；95% 区间 35.47—143.88
角色展示n=259
中位数与 bootstrap 95% 区间40.47 次/日；95% 区间 34.59—47.47

数据集：genredataset2026，原编码主样本 n=370，冻结于 2026-07-13。结构/材质原中位数为 151.03 次/日，区间 43.45—550.94；80 条复编码形成的混合敏感性中，该中位数降至 134.63，变装/剧情为 130.78。日均播放不是 impression、CTR 或真实逐日增长速度。

[21]注2注5

原编码中，结构、材质与局部特写的日均播放中位数为 151.03，高于变装/剧情的 134.02、知识组的 127.34 和角色展示的 40.47。80 条复编码的 15 个跨类改码应用回完整样本后，结构/材质仍以 134.63 位于中位数首位，但变装/剧情为 130.78、知识组为 127.34，前三者已非常接近；日均播放前 25% 命中率中，结构/材质与变装/剧情又同为 53.6%（15/28）。因此可以说“原编码及混合敏感性中结构/材质的日均中位数较高”，不能写成它稳定击败所有相邻小类。[21]

表 5　结构/材质组内部的互斥拆分
↔ 横向滚动查看全部列
子组n日均播放每千点赞每千收藏每千评论
身体—材质强调12890.1337.3128.351.40
头壳与硬件（不含身体—材质）1442.56115.0038.065.17
一般结构展示1单一个案不作组估计不作组估计不作组估计

一般结构只有 1 条，仅保留个案计数，不报告组中位数。身体—材质强调与其余结构内容的日均播放比较：p = 0.0027，Cliff's δ = 0.69。该特征是在初步结构组异常后新增的事后诊断变量，检验均属探索性；特征先由标题、简介和标签自动标记，重点样本再结合封面复核，仍需独立样本与逐帧测量复现。裸拆分同时混合题材构成、suggestive 包装、作者和发布时间。题材精确匹配的 34 对中，身体材质组与对照组的 suggestive 标记为 18/34 对 2/34；题材与 suggestive 同时精确匹配后只得到 25 对，日均播放配对中位差为 +78.75，95% 区间 −1.70—189.29。故 890.13 对 43.45 只保留为原组内描述，不作为调整后的材料效应量。

[21]注6
图 2　身体—材质强调内容的匹配配对方向横轴为配对中身体材质组指标高于对照组的比例；50% 表示正负方向各半。点的位置只编码方向一致性，原单位的配对中位差和 bootstrap 95% 区间直接写在数值标签中。
  • 题材精确匹配（34 对）
  • 题材 + suggestive 精确匹配（25 对）
日均播放控制 suggestive 后方向仍偏正，但区间跨 0
题材精确匹配（34 对）+127.09 次/日；95% 区间 51.16—235.29；28/34 对为正
题材 + suggestive 精确匹配（25 对）+78.75 次/日；95% 区间 −1.70—189.29；17/25 对为正
每千点赞
题材精确匹配（34 对）−46.42 次/千播放；95% 区间 −75.66—−25.18；6/34 对为正
题材 + suggestive 精确匹配（25 对）−38.58 次/千播放；95% 区间 −59.17—−9.55；6/25 对为正
每千分享
题材精确匹配（34 对）+0.16 次/千播放；95% 区间 −0.99—0.83；18/34 对为正
题材 + suggestive 精确匹配（25 对）0.00 次/千播放；95% 区间 −1.10—0.83；12/25 对为正
每千收藏
题材精确匹配（34 对）−7.62 次/千播放；95% 区间 −24.76—7.17；13/34 对为正
题材 + suggestive 精确匹配（25 对）+5.77 次/千播放；95% 区间 −28.39—22.45；15/25 对为正
每千评论
题材精确匹配（34 对）−3.40 次/千播放；95% 区间 −5.72—−1.83；5/34 对为正
题材 + suggestive 精确匹配（25 对）−3.56 次/千播放；95% 区间 −5.72—−0.86；5/25 对为正
每千投币
题材精确匹配（34 对）−1.57 次/千播放；95% 区间 −3.64—−0.56；7/34 对为正
题材 + suggestive 精确匹配（25 对）−1.31 次/千播放；95% 区间 −3.90—−0.48；5/25 对为正

主匹配精确控制宏观题材，并按时长、发布日期、热门 IP、活动语境和同作者优先配对，但 suggestive 为 18/34 对 2/34；第二系列同时精确匹配题材与 suggestive，只形成 25 对，9 条 suggestive 结构/材质视频和 1 条 suggestive 表演/社交视频大多因缺少同层对照而未进入。匹配差异是观察性方向，不是 CTR、推荐权重或材料因果效应。

[23][21]注6注8注4

05Engagement

点赞、收藏、评论与投币各有自己的题材偏好

原编码中，角色展示与审美短片的每千播放点赞中位数为 136.00、收藏为 70.18、评论为 9.24，均居五类首位；表演、漫展与社交纪实的每千投币为 6.33，位于首位。80 条改码应用回完整样本后，这四个中位数首位均保持：角色展示的点赞、收藏和评论分别为 136.14、71.06 和 9.23，表演/社交的投币为 6.12。它们仍只是样本描述排序，不等于相邻题材之间存在稳定成对差异；完整角色画面可被解释为审美对象和可保存资产，活动与表演则可能为较高成本支持提供作品语境。[21][20]

表 6　按目标指标读取题材，而非寻找万能冠军
↔ 横向滚动查看全部列
目标主样本中较强的题材信号不能偷换的结论
日均播放原编码结构/材质中位数首位；混合编码后仍居首，但前 25% 命中率与变装/剧情并列不等于更受喜欢、算法偏爱或稳定击败相邻小类
点赞、收藏与评论密度角色展示与审美短片不等于获得最大公开播放
投币效率表演、漫展与社交纪实不等于所有活动视频都高支持
分享效率没有稳定宏观组间差异不能根据小组中位数宣布分享冠军

点赞密度全局差异为 p < 0.0001；分享密度为 p = 0.0751，后者不支持稳定宏观题材差异。角色展示与表演/社交的评论密度 Holm 成对比较为 p = 1.0000，两者投币密度为 p = 0.3760，因此相邻首位只作描述排序。混合编码中分享中位数首位由知识组转为结构/材质，但原全局 p = 0.0751，本就不支持稳定宏观冠军；这项改码敏感性应被解释为“不稳定”的额外证据，而不是改封新冠军。

[21][6][7]
图 3　五类题材进入各指标前 25% 的命中率每格为该题材中进入冻结样本相应指标前四分位的视频比例；25% 参考线仅帮助读取样本内相对集中。
单位：%；参考值：25060
横向滚动查看全部列
比较维度日均播放每千点赞每千分享每千收藏每千评论每千投币
结构／材质n=27；组内命中率59.3%（16/27）3.7%（1/27）25.9%（7/27）0.0%（0/27）7.4%（2/27）3.7%（1/27）
变装／剧情n=21；组内命中率57.1%（12/21）9.5%（2/21）9.5%（2/21）14.3%（3/21）9.5%（2/21）4.8%（1/21）
知识／制作／测评n=16；组内命中率50.0%（8/16）6.2%（1/16）18.8%（3/16）18.8%（3/16）12.5%（2/16）6.2%（1/16）
表演／社交n=47；组内命中率38.3%（18/47）17.0%（8/47）29.8%（14/47）10.6%（5/47）34.0%（16/47）38.3%（18/47）
角色展示n=259；组内命中率15.1%（39/259）31.3%（81/259）25.9%（67/259）31.7%（82/259）27.4%（71/259）27.8%（72/259）

数据集：genredataset2026，主样本 n=370，冻结于 2026-07-13。阈值分别为日均播放 122.64、每千点赞 178.95、每千分享 3.986、每千收藏 86.83、每千评论 14.21、每千投币 8.234。命中率不是未来视频的预测概率。 混合编码后，日均播放前 25% 命中率为结构/材质 53.6%（15/28）与变装/剧情 53.6%（15/28）并列；其余互动指标的首位方向保持。热图仍展示冻结原编码，混合敏感性见表 7B。

[21]注2注1注5

06Mechanisms

从题材到互动：中间还隔着标题、兑现与社交语境

图 4　题材表现的分阶段机制
  1. 01

    观看钩子

    材质新奇、反差、问句、结构秘密或热门事件可能伴随更高公开播放，但本数据不能拆分曝光、点击与分发

  2. 02

    内容兑现

    画面、教程或剧情是否回答标题承诺，影响继续观看与满意度

  3. 03

    低成本认可

    角色完整、审美愉悦与身份认同可能转化为点赞

  4. 04

    保存与转递

    实用价值、角色资产和分享者身份决定收藏与分享

  5. 05

    高成本参与

    社交事件、提问空间和可见劳动更可能引发评论或投币

  6. 06

    社会反馈

    早期互动又会改变后续可见性，制造累积优势与不确定性

[4][5][1][11]

好奇心研究支持“已知—未知缺口”能够激发信息获取，但它没有证明问号标题一定提高 Kigurumi 播放。病毒传播研究也提示高唤醒、惊奇和实用价值可能促进转递，却不能把新闻、广告或实验任务的效应量原样贴到 Bilibili。理论在这里负责提出机制，不能冒充平台后台。[4][5][2][1][3]

制作形式也会与题材纠缠。镜头数量、图像复杂度、画幅、语速、字幕、音乐和视频时长都可能改变互动；热门角色、账号关系和活动节点又参与身份呈现。只按标题分题材而不测这些变量，无法把差异全部归给内容主题。[8][20][21]

07Robustness

极端值、作者内与编码复核：题材排序明显收缩

表 7　主要稳健性检查
↔ 横向滚动查看全部列
检查可用样本主要结果解释
排除转载369主方向基本不变转载只有 1 条，影响很小
只保留高置信编码120结构/材质 n=26，日均中位数 180.59 仍居首方向复现，但各小组和账号构成仍不稳定
移除日均播放前 1%366首位转为变装、剧情与挑战，中位数 134.02四条被移除项目全部属于身体—材质子组
作者内中心化35 位作者 / 132 条结构 1.05 倍（n=6）；知识 1.61 倍（n=8）作者内日均播放整体检验不稳定，小组尤其小
近期队列按发布日期中心化524知识 2.13（n=14）、变装/剧情 1.92（n=13）、结构 1.24（n=26）倍同日基线完整样本的结构首位没有在近期队列复现
综合排序队列107表演/社交 624.93（n=6）；结构 226.58（n=21）排序可能已经吸收互动和相关性信号
原标签遮蔽式复编码原五类各 16 条，共 80 条观察一致率 81.2%，Cohen’s κ = 0.766；15 条跨宏观题材改码不是 370 条全量双人编码；1 条预暴露，排除后 κ = 0.763
身体材质题材 + suggestive 精确匹配25 对日均播放差 +78.75，95% 区间 −1.70—189.29；每千点赞 −38.58、评论 −3.56、投币 −1.31高 suggestive 身体材质内容多因无同层对照未进入；触达方向不能写成稳定效应
[21][18][16]注7

80 条原标签遮蔽式复编码中，原编码与复编码一致 65 条，观察一致率为 81.2%，Cohen’s κ = 0.766，分层 bootstrap 95% 区间为 0.672—0.859。分歧不是全部来自低置信样本：15 条改码中有 10 条在复编码时仍为高置信。最大流向是角色展示转入变装/剧情 4 条，其次是知识转入结构/材质 3 条和结构/材质转入变装/剧情 3 条，提示“展示兜底”“商品配件”和“材质词压过困住情节”是最需要收紧的编码边界。[22]注4

表 7A　原编码与原标签遮蔽式复编码混淆矩阵
↔ 横向滚动查看全部列
原编码 \ 复编码知识变装/剧情表演/社交角色展示结构/材质原类召回率
知识、制作与测评12100375.0%
变装、剧情与挑战01510093.8%
表演、漫展与社交纪实001600100.0%
角色展示与审美短片0429156.3%
结构、材质与局部特写03001381.3%

按原五类各抽 16 条，共 80 条；观察一致率 81.2%，Cohen’s κ = 0.766，分层 bootstrap 95% 区间 0.672—0.859。原编码不是金标准；precision/recall/F1 只用于定位边界。1 条在建盲表前曾暴露原标签，排除后 n=79、κ=0.763。

[22]注4
表 7B　完整 370 条原编码与混合编码的日均播放敏感性
↔ 横向滚动查看全部列
题材原 n混合 n原日均中位数混合中位数原前25%命中率混合前25%命中率
角色展示与审美短片25925240.4739.9915.1%（39/259）15.1%（38/252）
表演、漫展与社交纪实475069.0469.1638.3%（18/47）38.0%（19/50）
结构、材质与局部特写2728151.03134.6359.3%（16/27）53.6%（15/28）
变装、剧情与挑战2128134.02130.7857.1%（12/21）53.6%（15/28）
知识、制作与测评1612127.34127.3450.0%（8/16）50.0%（6/12）

混合编码只替换 80 条试点样本的复编码标签，其余 290 条沿用原编码；前 25% 阈值固定为原始完整样本的 122.64 次/日。结构/材质仍为中位数首位，但前 25% 命中率与变装/剧情同为 53.6%，不是新的全量双人编码结果。

[22][21]注4注5

编码敏感性与作者内中心化指向同一条限制：裸题材标签会把账号构成、包装方式和分类规则一起带入组间比较。完整 370 条混合编码中，结构/材质仍是日均播放中位数首位，但从 151.03 降至 134.63，变装/剧情为 130.78；日均播放前 25% 命中率又变为两类并列。作者内检查没有形成稳定题材差异，复编码也没有支持一个与分类边界无关的固定冠军。[22][21]注4注7

图 5　移除日均播放最高 1% 前后的题材中位数同一题材并列显示完整样本与移除最高 4 条后的中位数；数值比纯名次更重要。
  • 完整样本 n=370
  • 移除最高 1% 后 n=366
结构／材质样本数 27→23
完整样本 n=370151.03 次/日（n=27）
移除最高 1% 后 n=366131.30 次/日（n=23）
变装／剧情样本数 21→21
完整样本 n=370134.02 次/日（n=21）
移除最高 1% 后 n=366134.02 次/日（n=21）
知识／制作／测评样本数 16→16
完整样本 n=370127.34 次/日（n=16）
移除最高 1% 后 n=366127.34 次/日（n=16）
表演／社交样本数 47→47
完整样本 n=37069.04 次/日（n=47）
移除最高 1% 后 n=36669.04 次/日（n=47）
角色展示样本数 259→259
完整样本 n=37040.47 次/日（n=259）
移除最高 1% 后 n=36640.47 次/日（n=259）

数据集：genredataset2026，冻结于 2026-07-13。被移除 4 条日均播放为 6,314.395、6,305.126、2,856.738、1,338.144，均属于结构／材质中的身体—材质内容；结构中位数 151.03→131.30，变装／剧情以 134.02 转为描述性第一。

[21]注5注6
图 6　作者内日均播放相对自身中位基线的近似倍率1.0 表示与该作者自身中位基线相当；点为 log1p 中心化结果换算的近似倍率。
知识／制作／测评作者内视频 n=8
相对作者中位基线1.61×（n=8）
变装／剧情作者内视频 n=13
相对作者中位基线1.25×（n=13）
结构／材质作者内视频 n=6
相对作者中位基线1.05×（n=6）
角色展示作者内视频 n=86
相对作者中位基线1.00×（n=86）
表演／社交作者内视频 n=19
相对作者中位基线0.96×（n=19）

数据集：genredataset2026；35 位作者、132 条视频。作者内日均播放整体探索性 p=0.228；结构／材质为 1.05×但仅 n=6，知识为 1.61×但仅 n=8，不能解释为因果增幅或稳定推荐倍数。

[21]注7注5

作者内中心化仅覆盖 35 位作者和 132 条视频。结构/材质视频的日均播放约为各自作者中位基线的 1.05 倍，但只有 6 条；知识组为 1.61 倍，也只有 8 条。作者内日均播放组间整体检验没有形成稳定差异，点赞、收藏与评论的题材差异也明显收缩。[21][18]注7

08Platform Boundaries

小红书与 X：方向可以对照，指标不能拼盘

表 8　跨平台补充快照
↔ 横向滚动查看全部列
平台严格纳入样本内较高的方向不可比较之处
小红书34变装/剧情 n=8，点赞中位数 782.5、收藏 214.5网页端没有跨笔记可比的公开播放分母
X20表演/社交 n=4，浏览中位数 1,424.5、每千浏览点赞 49.85浏览字段可见性、账号构成和媒体类型不同

两个补充样本都很小，只能说明冻结检索结果中的方向，不能代表平台总体。

[21]

小红书补充样本中，变装、剧情与挑战的原始点赞和收藏中位数较高；X 补充样本中，表演与社交内容的浏览和互动率方向较高。这些方向并未组成跨平台统一冠军，反而说明每个平台的内容语法、样本入口和按钮成本不同。[21][15]

09Conclusion

结论：没有万能题材，只有不同指标的更优匹配

在本次固定发布队列的原编码中，结构/材质的日均播放样本中位数最高，但这一首位由身体—材质内容推动，并对四条极端值和分类边界敏感。80 条原标签遮蔽式复编码的 Cohen’s κ 为 0.766；15 条跨类改码应用回完整样本后，结构/材质仍是日均中位数首位（134.63），但变装/剧情（130.78）和知识组（127.34）紧随其后，前 25% 命中率又与变装/剧情同为 53.6%。身体材质匹配试点支持“触达较高、单位播放点赞/评论/投币较低”的分叉线索，但控制 suggestive 后日均播放差的区间跨 0，不能写成稳定触达效应。角色展示的点赞、收藏和评论密度中位数首位、表演/社交的投币密度首位在混合编码中保持；分享中位数首位会随改码变化，且宏观组间差异仍不稳定。现有证据因此支持指标特定、对编码与混杂敏感的描述关联，不支持万能题材、算法偏爱或可复制流量配方。[21]

  • 想研究公开播放规模：优先看固定观察窗、年龄校正和高播放区命中，而不是只看点赞率。
  • 想研究审美认可：角色完整、造型和摄影兑现比单纯猎奇更值得检验。
  • 想研究保存价值：教程、结构知识和可反复观看的角色资产需要分开编码。
  • 想研究社群参与：多角色、活动、舞台和合作劳动可能比孤立展示更重要。
  • 想研究可复制策略：必须继续控制作者、发布时间、时长、标题封面、suggestive 包装和制作形式，并以全量独立复编码或预注册匹配复核分类边界。

Notes

注释

  1. 1

    每千播放互动是以已经实现的公开播放为分母的描述性比率。播放可能同时位于题材影响互动的中介路径并受平台分发影响；比率还可能因共同分母产生伪相关，因此正文同时保留原始播放规模和标准化互动密度。[16][17]

  2. 2

    Bilibili 公开播放记录已经实现的观看，不提供推荐曝光、impression 或点击率分母。日均播放是累计播放除以截至统一快照的视频年龄，只用于粗略校正发布时间，不等于真实逐日增长速度、留存曲线或算法分发量。[21][12][13]

  3. 3

    主要样本来自单一查询词 kigurumi 的公开网页搜索快照。固定发布窗口降低了累计时间差异和热门排序循环，但不解决搜索召回、删帖、账号可见性和平台排序偏差。[21][14]

  4. 4

    初始规则编码后，对结构材质组、知识组、变装剧情组、日均播放前 1% 以及低置信高播放项进行定向人工复核；该阶段是非盲、按结果分层的，高播放项目获得了更多纠错机会。后续从原五类各抽 16 条、共 80 条进行原标签遮蔽式独立复编码，观察一致率为 81.2%，Cohen’s κ = 0.766，分层 bootstrap 95% 区间 0.672—0.859。它仍不是 370 条全量双人编码：1 条在建表前的 schema 检查中曾暴露原标签，56 条有既有本地封面，24 条远端封面未在本轮联网查看；排除预暴露条目后 κ = 0.763。完整样本的混合敏感性只替换试点复编码标签，其余记录保留原编码，因此用于检查排序敏感性，不用于宣称全量编码可靠度。[22]

  5. 5

    原编码主样本中知识、制作与测评仅 16 条，变装、剧情与挑战仅 21 条，结构/材质仅 27 条；混合敏感性中三类分别为 12、28 和 28 条。小组中位数、bootstrap 区间与前 25% 命中率都可能被少数改码或极端视频明显改变；尤其不能用“中位数第一”替代稳定成对优势。[21]

  6. 6

    身体—材质强调是在初步看到结构组异常后新增的事后诊断特征，并非预注册变量。它先根据标题、简介和标签中的乳胶、胶衣、全包、紧身、丝袜、连体袜、层穿、腿部与包臀等线索编码，重点样本再结合公开视频封面复核；它表示内容包装中的显著信号，不等于对每一帧身体面积、高光或镜头时长的测量，相关 p 值与效应量均需独立样本复现。[21]

  7. 7

    作者内中心化要求同一作者至少有 2 条视频且覆盖至少 2 个宏观题材，最终只有 35 位作者、132 条视频可用；该设计按作者自身基线重新表达指标，但不能控制同一作者内部的制作投入、角色和发布时间变化。[21][18]

  8. 8

    身体—材质主匹配对宏观题材作精确匹配，并按时长、发布日期、热门 IP、活动语境和同作者优先配对，但 suggestive 在身体材质组与对照组中为 18/34 对 2/34。题材与 suggestive 同时精确匹配后只形成 25 对，高 suggestive 的结构/材质内容多数因缺少同层对照而未进入；匹配结果仍不能控制封面构图、标题强度、粉丝量、发布时间段和完播率，也不识别因果。[23][21]

Bibliography

参考文献

  1. [1]

    BERGER J, MILKMAN K L. What Makes Online Content Viral?[J]. Journal of Marketing Research, 2012, 49(2): 192-205. DOI: 10.1509/jmr.10.0353.

    同行评审研究DOI: 10.1509/jmr.10.0353
  2. [2]

    BERGER J. Arousal Increases Social Transmission of Information[J]. Psychological Science, 2011, 22(7): 891-893. DOI: 10.1177/0956797611413294.

    同行评审研究DOI: 10.1177/0956797611413294
  3. [3]

    TELLIS G J, MACINNIS D J, TIRUNILLAI S, ZHANG Y. What Drives Virality (Sharing) of Online Digital Content? The Critical Role of Information, Emotion, and Brand Prominence[J]. Journal of Marketing, 2019, 83(4): 1-20. DOI: 10.1177/0022242919841034.

    同行评审研究DOI: 10.1177/0022242919841034
  4. [4]

    LOEWENSTEIN G. The psychology of curiosity: A review and reinterpretation[J]. Psychological Bulletin, 1994, 116(1): 75-98. DOI: 10.1037/0033-2909.116.1.75.

    同行评审研究DOI: 10.1037/0033-2909.116.1.75
  5. [5]

    KANG M J, HSU M, KRAJBICH I M, et al. The Wick in the Candle of Learning[J]. Psychological Science, 2009, 20(8): 963-973. DOI: 10.1111/j.1467-9280.2009.02402.x.

    同行评审研究DOI: 10.1111/j.1467-9280.2009.02402.x
  6. [6]

    DE VRIES L, GENSLER S, LEEFLANG P S H. Popularity of Brand Posts on Brand Fan Pages: An Investigation of the Effects of Social Media Marketing[J]. Journal of Interactive Marketing, 2012, 26(2): 83-91. DOI: 10.1016/j.intmar.2012.01.003.

    同行评审研究DOI: 10.1016/j.intmar.2012.01.003
  7. [7]

    KIM C, YANG S U. Like, comment, and share on Facebook: How each behavior differs from the other[J]. Public Relations Review, 2017, 43(2): 441-449. DOI: 10.1016/j.pubrev.2017.02.006.

    同行评审研究DOI: 10.1016/j.pubrev.2017.02.006
  8. [8]

    XIAO L, LI X, MOU J. Exploring user engagement behavior with short-form video advertising on short-form video platforms: a visual-audio perspective[J]. Internet Research, online 2024, 36(1): 154-188. DOI: 10.1108/INTR-07-2023-0521.

    同行评审研究DOI: 10.1108/INTR-07-2023-0521
  9. [9]

    BERLYNE D E. Novelty, complexity, and hedonic value[J]. Perception & Psychophysics, 1970, 8(5): 279-286. DOI: 10.3758/BF03212593.

    同行评审研究DOI: 10.3758/BF03212593
  10. [10]

    SALGANIK M J, DODDS P S, WATTS D J. Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market[J]. Science, 2006, 311(5762): 854-856. DOI: 10.1126/science.1121066.

    同行评审研究DOI: 10.1126/science.1121066
  11. [11]

    MUCHNIK L, ARAL S, TAYLOR S J. Social Influence Bias: A Randomized Experiment[J]. Science, 2013, 341(6146): 647-651. DOI: 10.1126/science.1240466.

    同行评审研究DOI: 10.1126/science.1240466
  12. [12]

    SZABO G, HUBERMAN B A. Predicting the popularity of online content[J]. Communications of the ACM, 2010, 53(8): 80-88. DOI: 10.1145/1787234.1787254.

    同行评审研究DOI: 10.1145/1787234.1787254
  13. [13]

    FIGUEIREDO F, BENEVENUTO F, ALMEIDA J M. The tube over time: Characterizing popularity growth of YouTube videos[C]. Proceedings of the Fourth ACM International Conference on Web Search and Data Mining, 2011: 745-754. DOI: 10.1145/1935826.1935925.

    同行评审研究DOI: 10.1145/1935826.1935925
  14. [14]

    TUFEKCI Z. Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls[J]. Proceedings of the International AAAI Conference on Web and Social Media, 2014, 8(1): 505-514. DOI: 10.1609/icwsm.v8i1.14517.

    同行评审研究DOI: 10.1609/icwsm.v8i1.14517
  15. [15]

    RUTHS D, PFEFFER J. Social media for large studies of behavior[J]. Science, 2014, 346(6213): 1063-1064. DOI: 10.1126/science.346.6213.1063.

    同行评审研究DOI: 10.1126/science.346.6213.1063
  16. [16]

    ROHRER J M. Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data[J]. Advances in Methods and Practices in Psychological Science, 2018, 1(1): 27-42. DOI: 10.1177/2515245917745629.

    同行评审研究DOI: 10.1177/2515245917745629
  17. [17]

    KRONMAL R A. Spurious Correlation and the Fallacy of the Ratio Standard Revisited[J]. Journal of the Royal Statistical Society. Series A (Statistics in Society), 1993, 156(3): 379-392. DOI: 10.2307/2983064.

    同行评审研究DOI: 10.2307/2983064
  18. [18]

    ROSENBAUM P R. Design of Observational Studies[M]. New York: Springer, 2010. DOI: 10.1007/978-1-4419-1213-8.

    学术专著DOI: 10.1007/978-1-4419-1213-8
  19. [19]

    SALGANIK M J. Bit by Bit: Social Research in the Digital Age[M]. Princeton: Princeton University Press, 2018.

    学术专著
  20. [20]

    GOFFMAN E. The Presentation of Self in Everyday Life[M]. Garden City, NY: Doubleday, 1959.

    学术专著
  21. [21]

    BEKIG 学术编辑部. Kigurumi 内容题材与公开互动表现：冻结数据与分析证据备忘[R]. 变娃 / BeKig 独立研究计划, 2026-07-13.

    一手作品
  22. [22]

    BEKIG 学术编辑部. BKA-016 原标签遮蔽式复编码与混合敏感性分析[R]. 变娃 / BeKig 独立研究计划, 2026-07-13.

    一手作品
  23. [23]

    BEKIG 学术编辑部. 身体材质强调内容的触达—互动率分叉：Bilibili 匹配试点[R]. 变娃 / BeKig 独立研究计划, 2026-07-13.

    一手作品

Citation / Revision

推荐引用

BeKig 学术编辑部. 哪种题材更容易被看见？Kigurumi 视频类型与公开互动表现[EB/OL]. BeKig Academic Review, 2026-07-13 （修订 2026-07-13）. https://bekig.top/academic/kigurumi-content-genre-performance/

顺序编码制 / 接近 GB/T 7714 网页呈现
BKA-2026-016
修订
1.2

Related research

BKA-2026-008平台化角色身体：短视频、封面与界面如何重塑 Kigurumi 视觉BKA-2026-013从上锁到永久变娃：Bilibili、X 与小红书中的 Kigurumi 关联词网络BKA-2026-014上锁会带来更多播放吗？Kigurumi 锁定叙事与平台互动的观察性分析BKA-2026-015缝线与无缝：背部拉链、脸入式胶衣与 Kigurumi 视频互动