随机抽样了100万个uid，试图估算"新浪微博还有多少活人?"

微博uid

新浪微博的uid为10位数字，最小为1000000000，最大为78xxxxxxxx(本文只统计截止到7800000000的账号，也就是2022年11月前注册的账号)。

没有任何现存的uid属于[4000000000-4999999999]区间。也就是说，没有以数字4开头的uid。

早期新浪微博(从1000000000到5100000000)的uid生成机制不明，既不是按照注册顺序递增，也没有使用常见的分布式uid生成算法。

因此，uid小的账号不一定注册更早，相邻的uid也可能注册时间相差甚大。
例子1:

  • uid-1080000183: 2011-03-01 22:49:56
  • uid-1080000184: 2014-03-07 14:04:57

例子2:

  • uid-1080000201: 2011-12-18 09:20:33
  • uid-1080000202: 2013-08-14 19:11:52

例子3:

  • uid-1130001151: 2014-03-01 13:49:02
  • uid-1130001152: 2013-02-22 21:49:16

例子4:

  • uid-1130001401: 2014-03-01 13:49:21
  • uid-1130001402: 2013-09-10 21:13:45
  • uid-1130001403: 2014-03-02 07:47:22

用户个人说明API

本次抽样调查使用到以下API端点：

个人信息API

https://weibo.com/ajax/profile/info

  • 正常返回值
    • 当账号为正常状态时，该endpoint返回用户基本信息。
  • 非正常返回值
    • 有两类结果，一种返回用户不存在
      {'ok': 0, 'msg': '该用户不存在(20003)', 'error_type': 'toast'}
    • 另一种则返回错误，错误类型与错误信息根据账号情况各有不同。
      {'ok': 0, 'url': 嵌入错误信息的链接, 'error_type': 'link'}

总结各种非正常账号状态如下:

  • 封禁
    • 错误类型: link
    • 链接信息变体1: 该账号因被投诉违反《微博社区公约》的相关规定，现已无法查看
    • 链接信息变体2: 该账号因被投诉违反法律法规和《微博社区公约》的相关规定，现已无法查看
    • 微博用户说"炸号"，一般指封禁
  • 异常
    • 错误类型: link
    • 链接信息变体1: 该账号内容存在风险，用户验证之前暂时不能查看
    • 链接信息变体2: 该账号行为异常，存在安全风险，用户验证之前暂时不能查看
    • 链接信息变体3: 该账号当前处于异常状态，用户验证之前暂时不能查看
  • toast
    • 错误类型: toast
    • msg: 该用户不存在(20003)
    • 意义不明。一方面，有的号码新浪可能从来就没有分配给用户过，例如整个4开头的号码段都返回toast；另一方面，最初异常是其他类型的账号时间长了也可能变成toast状态，“用户不存在"不一定意味着用户从未存在过。例如uid为7031130160的用户目前返回toast， 但是根据截图， 最初该账号曾申请自行关闭。uid为1402456534的用户情况类似，根据当初的新闻报道，这个账号也是自行申请关闭账号的，按理应该返回自行关闭结果。可以通过禁言状态API区分号码从未分配和号码曾经存在的情形。
  • 自行关闭
    • 错误类型: link
    • 链接信息: 该账号因用户自行申请关闭，现已无法查看

个人详情API

https://weibo.com/ajax/profile/detail

  • 正常返回值
    • 当账号为个人信息API返回的正常状态时，返回用户细节，包含账号创建时间，IP属地等(如果用户在IP地址显示政策出台后没有发过言，则IP属地一栏为空)。
  • 异常返回值
    • 当账号为个人信息API返回的任何一种非正常状态时，返回toast。

禁言状态API

https://weibo.com/ajax/profile/getMuteuser

  • 账号存在/存在过
    • 禁言状态
      • 永久禁言: 因违反社区公约，该用户处于永久禁言状态
      • 暂时禁言: 因违反社区公约，该用户目前处于禁言状态
    • 非禁言状态
      • data字段的值为空列表
  • 账号从未存在
    • data字段不存在

随机抽样

按每一亿个uid号码分段，进行随机抽样，根据用户信息API返回结果，统计各种状态的账号的数量。

对状态正常的账号，检查个人详情API返回结果是否包含IP属地信息，如果包含，则视为近期活跃。(未列入表格)

完整流程如图:

flowchart TD A[uid] --> B{getMuteuser返回值
是否包含data字段?} B -->|是| C{info返回值
是否包含data字段?} B ----->|否| D[uid从未分配] C -->|是| E{detail返回值的IP属地
是否为空字符串?} C -->|否| F{错误类型?} F --->|toast| G[账号曾存在,
因各种原因目前显示用户不存在] F -->|link| H{链接信息是什么?} H --> |"该账号因被投诉"| I[封号] H --> |"用户验证之前暂时不能查看"| J[异常] H --> |"用户自行申请关闭"| K[自行关闭] E --->|是| L[账号状态正常,
2022年4月以来没有发帖] E --->|否| M[账号状态正常,
2022年4月之后发过贴]

抽样结果

详细结果表格
  • ks检验: 对抽样进行均匀分布ks检验的p值。
  • 样本量: 该号码段抽中的账号数量。
  • 正常计数: 样本中状态正常的账号数量。
  • 正常: 状态为正常的账号的比例的99%置信区间。
  • 异常: 状态为异常的账号的比例的99%置信区间。
  • 封禁: 状态为封禁的账号的比例的99%置信区间。
  • 自行关闭: 状态为自行关闭的账号的比例的99%置信区间。
  • 号码未分配: 从未分配过的uid的比例的99%置信区间。
  • 原因不明toast: 样本中曾经存在过但目前显示账号不存在的账号的数量。
  • 发过贴: 状态数非0的账号的比例。
    uid号码段 ks检验 样本量 正常计数 正常 异常 封禁 自行关闭 号码未分配 原因不明toast 发过贴
    1000000000_1100000000 0.7057 14425 3250 22.53±0.90% 1.11±0.22% 0.31±0.12% 0.00±0.00‱ 76.04±0.92% 1 12.95%
    1100000000_1200000000 0.6545 14729 2328 15.81±0.77% 1.15±0.23% 0.31±0.12% 0.00±0.00‱ 82.73±0.80% 0 16.45%
    1200000000_1300000000 0.7706 14438 1344 9.31±0.62% 1.50±0.26% 0.57±0.16% 0.00±0.00‱ 88.61±0.68% 2 27.83%
    1300000000_1400000000 0.1794 16799 941 5.60±0.46% 1.06±0.20% 0.55±0.15% 0.60±1.53‱ 92.77±0.51% 1 26.99%
    1400000000_1500000000 0.8231 14399 397 2.76±0.35% 0.74±0.18% 0.31±0.12% 0.00±0.00‱ 96.19±0.41% 0 68.26%
    1500000000_1600000000 0.1572 14764 578 3.91±0.41% 1.40±0.25% 0.59±0.16% 0.00±0.00‱ 94.08±0.50% 3 45.85%
    1600000000_1700000000 0.3857 16622 1729 10.40±0.61% 2.44±0.31% 1.14±0.21% 0.00±0.00‱ 85.99±0.69% 3 50.32%
    1700000000_1800000000 0.4309 14682 2936 20.00±0.85% 4.00±0.42% 2.49±0.33% 0.00±0.00‱ 73.47±0.94% 5 51.50%
    1800000000_1900000000 0.8611 17704 4731 26.72±0.86% 6.96±0.49% 6.69±0.48% 0.00±0.00‱ 59.51±0.95% 19 50.54%
    1900000000_2000000000 0.8760 18515 5207 28.12±0.85% 6.11±0.45% 10.24±0.57% 0.00±0.00‱ 55.43±0.94% 19 52.16%
    2000000000_2100000000 0.5298 18535 3794 20.47±0.76% 6.46±0.47% 9.66±0.56% 0.00±0.00‱ 63.33±0.91% 14 46.39%
    2100000000_2200000000 0.9489 18590 4118 22.15±0.78% 9.56±0.56% 13.86±0.65% 0.00±0.00‱ 54.34±0.94% 18 50.58%
    2200000000_2300000000 0.8980 19187 3423 17.84±0.71% 8.25±0.51% 16.68±0.69% 0.00±0.00‱ 57.17±0.92% 12 54.72%
    2300000000_2400000000 0.7925 19045 4026 21.14±0.76% 13.55±0.64% 14.17±0.65% 1.05±1.91‱ 51.08±0.93% 10 52.06%
    2400000000_2500000000 0.1741 19519 4228 21.66±0.76% 16.11±0.68% 8.92±0.53% 0.00±0.00‱ 53.24±0.92% 14 52.79%
    2500000000_2600000000 0.5004 19089 3458 18.12±0.72% 14.49±0.66% 6.57±0.46% 0.00±0.00‱ 60.75±0.91% 15 50.52%
    2600000000_2700000000 0.4881 17343 4522 26.07±0.86% 11.85±0.63% 4.77±0.42% 0.00±0.00‱ 57.20±0.97% 17 55.40%
    2700000000_2800000000 0.3060 16929 4030 23.81±0.84% 12.72±0.66% 4.80±0.42% 1.77±2.64‱ 58.54±0.98% 19 50.60%
    2800000000_2900000000 0.2142 19400 3735 19.25±0.73% 16.20±0.68% 6.36±0.45% 0.00±0.00‱ 58.08±0.91% 22 53.20%
    2900000000_3000000000 0.2650 17998 4045 22.47±0.80% 20.86±0.78% 3.07±0.33% 0.00±0.00‱ 53.53±0.96% 10 51.37%
    3000000000_3100000000 0.2361 14499 2339 16.13±0.79% 24.88±0.92% 2.85±0.36% 0.00±0.00‱ 56.08±1.06% 8 56.18%
    3100000000_3200000000 0.3506 15068 3073 20.39±0.85% 28.31±0.95% 2.52±0.33% 0.00±0.00‱ 48.66±1.05% 19 57.63%
    3200000000_3300000000 0.8891 14559 3341 22.95±0.90% 26.31±0.94% 3.54±0.39% 0.00±0.00‱ 47.11±1.07% 13 55.43%
    3300000000_3400000000 0.7065 15502 1716 11.07±0.65% 21.22±0.85% 2.01±0.29% 0.00±0.00‱ 65.65±0.98% 7 46.10%
    3400000000_3500000000 0.8862 15472 1279 8.27±0.57% 24.23±0.89% 1.42±0.25% 0.00±0.00‱ 66.04±0.98% 7 47.07%
    3500000000_3600000000 0.3419 17576 2278 12.96±0.65% 23.99±0.83% 1.72±0.25% 0.00±0.00‱ 61.29±0.95% 6 44.56%
    3600000000_3700000000 0.4001 17968 2276 12.67±0.64% 18.98±0.75% 0.78±0.17% 0.00±0.00‱ 67.53±0.90% 8 42.88%
    3700000000_3800000000 0.9928 14170 2133 15.05±0.77% 17.31±0.82% 1.15±0.23% 0.00±0.00‱ 66.46±1.02% 3 40.27%
    3800000000_3900000000 0.5531 14410 3156 21.90±0.89% 25.37±0.93% 1.71±0.28% 0.00±0.00‱ 50.94±1.07% 11 45.31%
    3900000000_4000000000 0.7974 15726 4703 29.91±0.94% 33.21±0.97% 3.17±0.36% 0.00±0.00‱ 33.64±0.97% 13 39.83%
    5000000000_5100000000 0.6762 14717 4050 27.52±0.95% 38.38±1.03% 3.76±0.40% 0.00±0.00‱ 30.20±0.97% 20 42.00%
    5100000000_5200000000 0.9196 18939 5682 30.00±0.86% 37.35±0.91% 9.64±0.55% 0.00±0.00‱ 22.87±0.79% 27 45.58%
    5200000000_5300000000 0.8817 17905 5573 31.13±0.89% 21.85±0.80% 6.85±0.49% 0.00±0.00‱ 40.01±0.94% 30 47.35%
    5300000000_5400000000 0.7259 17327 6182 35.68±0.94% 32.83±0.92% 5.71±0.45% 0.00±0.00‱ 25.54±0.85% 42 39.24%
    5400000000_5500000000 0.7345 19422 4980 25.64±0.81% 38.09±0.90% 11.35±0.59% 0.51±1.33‱ 24.79±0.80% 24 41.61%
    5500000000_5600000000 0.5183 19349 9440 48.79±0.93% 25.97±0.81% 18.96±0.73% 0.00±0.00‱ 5.97±0.44% 62 38.63%
    5600000000_5700000000 0.1518 24000 10793 44.97±0.83% 13.12±0.56% 26.16±0.73% 0.42±1.07‱ 15.38±0.60% 86 50.05%
    5700000000_5800000000 0.1661 20177 6281 31.13±0.84% 19.34±0.72% 23.48±0.77% 0.50±1.28‱ 25.81±0.79% 48 52.30%
    5800000000_5900000000 0.6016 18506 7480 40.42±0.93% 12.42±0.62% 8.87±0.54% 0.54±1.39‱ 37.93±0.92% 66 52.26%
    5900000000_6000000000 0.6615 18755 6524 34.79±0.90% 14.89±0.67% 13.06±0.63% 0.00±0.00‱ 37.00±0.91% 50 50.55%
    6000000000_6100000000 0.4173 18354 9377 51.09±0.95% 23.56±0.81% 9.33±0.55% 1.09±1.98‱ 15.55±0.69% 84 50.31%
    6100000000_6200000000 0.7955 18546 10933 58.95±0.93% 13.66±0.65% 8.97±0.54% 0.00±0.00‱ 18.01±0.73% 75 32.29%
    6200000000_6300000000 0.7272 20368 12312 60.45±0.88% 15.49±0.65% 17.26±0.68% 0.00±0.00‱ 6.44±0.44% 75 25.52%
    6300000000_6400000000 0.8990 18936 11290 59.62±0.92% 21.01±0.76% 9.04±0.54% 0.53±1.36‱ 9.79±0.56% 101 35.48%
    6400000000_6500000000 0.2952 28881 17882 61.92±0.74% 21.35±0.62% 9.71±0.45% 0.35±0.89‱ 6.60±0.38% 122 35.77%
    6500000000_6600000000 0.8896 15858 8068 50.88±1.02% 36.74±0.99% 3.56±0.38% 0.00±0.00‱ 8.34±0.57% 78 46.73%
    6600000000_6700000000 0.9096 14066 5287 37.59±1.05% 31.61±1.01% 2.79±0.36% 0.71±1.83‱ 27.74±0.97% 37 46.49%
    6700000000_6800000000 0.2000 17041 8175 47.97±0.99% 34.02±0.93% 4.91±0.43% 0.00±0.00‱ 12.94±0.66% 27 31.12%
    6800000000_6900000000 0.4533 14295 6894 48.23±1.08% 31.24±1.00% 3.36±0.39% 0.70±1.80‱ 16.86±0.81% 44 37.79%
    6900000000_7000000000 0.5817 14042 5234 37.27±1.05% 24.78±0.94% 3.11±0.38% 0.00±0.00‱ 34.62±1.03% 29 38.57%
    7000000000_7100000000 0.8152 16878 7972 47.23±0.99% 46.53±0.99% 4.53±0.41% 1.18±2.16‱ 1.37±0.23% 54 28.95%
    7100000000_7200000000 0.6633 17127 9003 52.57±0.98% 37.63±0.95% 3.93±0.38% 0.00±0.00‱ 5.68±0.46% 34 20.75%
    7200000000_7300000000 0.3627 17137 12160 70.96±0.89% 18.80±0.77% 6.91±0.50% 0.00±0.00‱ 2.94±0.33% 68 18.17%
    7300000000_7400000000 0.6622 16211 12204 75.28±0.87% 14.38±0.71% 6.85±0.51% 0.00±0.00‱ 2.63±0.32% 139 31.94%
    7400000000_7500000000 0.2601 16032 12512 78.04±0.84% 13.40±0.69% 3.63±0.38% 0.00±0.00‱ 3.94±0.40% 157 28.61%
    7500000000_7600000000 0.1711 17444 11884 68.13±0.91% 21.45±0.80% 5.28±0.44% 2.87±3.30‱ 3.87±0.38% 218 24.29%
    7600000000_7700000000 0.1484 16877 8074 47.84±0.99% 31.88±0.92% 4.50±0.41% 2.37±3.05‱ 11.56±0.63% 709 17.33%
    7700000000_7800000000 0.5162 16643 13013 78.19±0.82% 13.32±0.68% 3.98±0.39% 4.81±4.38‱ 2.22±0.29% 374 27.57%
总样本量 1001495
(估算)分配过的uid数量 3407919172
(估算)状态正常账号数量 1911705522
(估算)状态异常账号数量 1105453587
(估算)被封禁账号数量 372398833
(估算)发过贴账号数量 732428299
(估算)仍活跃账号数量 70060425

估算说明: \begin{align} \hat n_{allocated} & = \sum_{i} (1-p_{i}^{\textit{never_existed}}) \cdot 100000000 \\ \hat n_{normal} & = \sum_{i} p_{i}^{normal} \cdot 100000000 \\ \hat n_{abnormal} & = \sum_{i} p_{i}^{abnormal} \cdot 100000000 \\ \hat n_{banned} & = \sum_{i} p_{i}^{banned} \cdot 100000000 \\ \hat n_{spoken} & = \sum_{i} p_{i}^{normal} \cdot p_{i}(spoken|normal) \cdot 100000000 \\ \hat n_{active} & = \sum_{i} p_{i}^{normal} \cdot p_{i}(active|normal) \cdot 100000000 \\ \end{align}

观察

  1. 不同号码段的账号，状态比例有极大差别。
  2. 即使不考虑状态为该用户不存在的账号(因为无法区分是炸号销号后,还是号码从未分配)，许多号码段，状态正常的账号没有状态为异常和封禁的账号加起来多。
  3. 估算的被封禁账号数量少于实际被封禁账号数量, 因为部分被封禁账号可能已经变成了该用户不存在状态。由于无法得知曾经存在过但目前状态为该用户不存在的账号状态变化的原因，没有把这部分账号(数量较少比例较低)计入被封禁账号中。
  4. 申请自行关闭且返回自行关闭账号状态的账号极少。在许多号码段，目前的抽样数量不足以捕捉到这样的账号。
  5. 近期号码段虽然状态为正常的账号比例相对较高，但发帖数大于0的用户比例反而更低。
  6. 早期号码段绝大部分该用户不存在状态账号的uid都从未分配过。但是近期该用户不存在状态的账号uid曾经分配过的比例大幅上升。
  7. 目前新浪微博对外宣称的月活数字为6亿左右，可见这个数字有极大水分。所谓的活跃用户大部分连帖子都不发。

结论

目前新浪微博上的活人账号(标准是显示IP属地后发过贴)数量大约有7000万。

活人用户数量应该更低，因为一个用户可以拥有多于1个账号。

（以上包括营销号，水军，奉旨发帖）