城市酷想家｜短视频和直播带货会削弱城市的空间集聚度吗

城市是流动的，是变化的，是被一些规律支配的。大数据能够帮我们观察城市街区之细微，也能俯视城市体系之宏大。

为此，上海交通大学中国发展研究院“城市酷想家”团队与澎湃研究所联合发起此专栏，旨在推进基于大数据的城市研究。

我们的目标不是描述有关城市的现象，而是将大数据与一些分析方法相结合，总结出与城市发展有关的社会科学规律及政策含义。这个专栏既发表原创的短文，也欢迎基于学术论文改写的文章。投稿信箱为citycoolcamp@163.com。

2022年11月，上海，坐在屋后台阶上玩手机的人。澎湃新闻记者 周平浪 图

疫情三年，人类的生产生活加速线上化。另一方面，第七次人口普查的数据显示，中国人口仍持续向大城市及周围地区集聚。那么，借助于互联网技术发展起来的“线上城市”（即在线的视频互动、直播带货等活动），会不会让人口集聚的趋势发生逆转呢？

如果不看数据的话，似乎线上的活动可以把任意两个距离上的人连接在一起，距离变得不重要，人口在城市的集聚也就不重要了。依照这个逻辑，“线上城市”的空间分布可能更加扁平，随着线上活动在人们生产生活中越来越重要，人口的空间分布也可以变得越来越分散。但数据是不是支持这个判断就另当别论了。

最近一段时间，上海交通大学的“城市酷想家”团队与巨量引擎旗下的巨量引擎城市研究院开展合作，用抖音上的公开数据对“线上城市”的经济活动进行了研究。我们重点关注了两种活动，第一是短视频，第二是直播带货。如果说，直播带货还是线上销售手段对于线下销售的赋能，那么，短视频显得更加容易脱离实体空间的局限，可以在任何地方随手拍，随手发。

为了展现“线上城市”的集聚程度，我们主要计算了三个线上城市指标的集聚度，依次是：（1）流量的集聚状况。流量包括视频发布的数量、点赞数量、主播和直播间数量，以及直播带货的购买数量。（2）MCN（Multi-Channel Network）账号的集聚状况。MCN账号通常是由一个团队或一家企业来运营的，它需要对相应视频进行拍摄、剪辑、传播，或进行直播前后的选品、商务谈判、销售对接，还有直播中的流程控制。本质上讲，MCN是一种企业化运作的组织，需要人与人之间的相互协作，甚至是专业团队的配合。（3）非MCN个人账号的集聚状况。无论视频发布还是直播带货，有一些达人是相对独立工作的，团队生产性质较弱，对地理区位的要求相对也较低。比如说，如果一个人进行线上演艺，而且是独立完成的话，在任何地方都可以做。再比如说个人账号的直播带货，带货对象往往是当地甚至家庭经营的一些产品，这种个人账号的地理位置也更依赖于产品所处的地理位置。

以上基于抖音公开数据进行的评估，肯定会得到账户高度集聚的结果，道理很简单，因为人口就是高度集聚的，哪怕“线上城市”承载的经济活动是均匀分布在人群之中的，只要人口是集聚的，线上活动就是集聚的。所以，我们有必要把“线上城市”三个指标的集聚度，与第四个指标即人口的集聚度进行对比。如果线上活动的空间集聚度大于人口的空间集聚度，那么，基于线上技术的“线上城市”就显示出更强的空间集聚度；反之，如果线上活动的集聚度小于人口集聚度，那么“线上城市”则有分散化的倾向。

进一步地，由于MCN账号需要团队配合进行运营，它本身依赖于线下的互动和各种技术的外溢，因此，它的集聚度应该是高于非MCN的个人账号集聚度。而由于生产侧的边际成本为零，以及需求侧通过流量减少试错成本等因素，导致了流量的规模经济性，流量的集聚度又应该高于MCN账号的集聚度。因此，通过以上四个指标的比较，我们就可以回答“线上城市”相对线下城市是更集聚还是更分散。

根据我们的分析结果，得到了这样一个“城市酷想家不等式”，即:

流量集聚度 > MCN账号集聚度 > 非MCN账号集聚度 > 人口集聚度

接下来，我们看具体的数据分析结果，这些数据是由巨量引擎城市研究院提取抖音上的公开数据加工而成的，数据覆盖2021年3月、6月、9月、11月这四个月，所有数据均经过脱敏处理。人口数据来自2020年第七次全国人口普查。

一、视频和作者的空间集聚：MCN账号>非MCN账号>常住人口

无论按常驻城市还是按投稿城市计算，MCN和非MCN账号的视频数量和作者数量，均显示出向大城市集聚的特征。MCN作者比非MCN作者更加集聚，并且他们的集聚程度均超过人口的集聚程度。

1. MCN账号的视频和作者均比非MCN账号更加集聚

首先，MCN账号作者的空间分布，比非MCN账号作者的空间分布更加集聚。统计结果显示（见表1），MCN和非MCN作者按常驻城市计算，投稿作者数量排名前10位的城市，作者总数占比分别为31.4%和16.4%，排名前20位的城市，作者总数占比分别为44.4%和25.8%。

同时，MCN账号比非MCN账号投稿视频的空间分布也更加集聚。统计结果显示（见表1），MCN和非MCN作者投稿视频总数排名前10位的城市，视频总数占比分别为29.9%和15%，排名前20位的城市，视频总数占比分别为42.8%和23.8%。无论作者的数量还是视频的数量，相比于非MCN账号，MCN账号更加集中在国家级中心城市和大城市。

将MCN和非MCN账号的作者及视频的空间分布与城市常住人口的空间分布相比较，发现城市人口规模排名前十的城市，人口之和占比13%，排名前20的城市，人口之和占比21%，均小于两类账号作者和视频数量的集聚程度。也就是说，视频和作者的空间分布均比人口的空间分布更加集聚。

表1： MCN和非MCN账号作者数量和视频数量排名前20城市。注：数据做脱敏处理，具体做法是，头部城市的数量均设为100，其余城市的数量以此为基数并按其实际数量与头部城市实际数量的比例进行计算。以下表格的数据均做相同的处理。

2. 视频数量和作者数量与城市人口规模高度相关

为了更精确展示MCN和非MCN账号作者数量和视频数量的空间分布情况，以及它们与线下城市人口规模之间的关系，我们通过散点图展示了两类账号作者按常驻地计算的投稿作者数量、按投稿地计算的投稿视频数量与城市常住人口数量之间的关系。从图1和图2可以明显看到，投稿作者数和投稿视频数与城市人口规模高度相关，拟合优度R方均超过80%，并且人口规模越大的城市，两类账号的作者数和视频数量也更多，拟合线的斜率也就是弹性系数均大于1，意味着作者数量和视频数量的增加程度要快于人口规模的增加程度。其中，MCN账号作者数量和视频数量对人口规模拟合线的斜率分别为1.296和1.311，意味着城市人口规模每扩张1倍，作者数量和视频数量将增加1.296倍和1.311倍，非MCN账号作者数量和视频数量的斜率略微大于1。这进一步说明，视频的生产和视频的生产者都高度依赖城市的人口规模，需要团队合作的MCN账号比非MCN的个人账号更依赖城市的人口规模，因为大城市更加能够满足视频生产的人才需要，这与线下城市人才空间分布的特征相互吻合。

图1：MCN和非MCN账号常驻城市作者数量与城市人口规模关系。注：图1散点图和方程去掉海南三沙和青海海南藏族自治州两个异常点后绘制和计算。

图2：MCN和非MCN账号视频投稿数与投稿城市人口规模关系

二、点赞数量的空间集聚：流量>视频作者和视频数量

1. MCN比非MCN账号在点赞总数和被本市人点赞数量上均更加集聚

投稿视频被点赞体现了发布视频者和观看者之间线上的互动，一个城市视频被点赞数量也体现了这个城市在线上的受关注程度。我们通过对比MCN账号和非MCN账号视频被点赞数量发现，点赞数量的空间分布同样呈现向大城市集聚的特征，且MCN视频的被点赞数更加集聚，甚至超过视频投稿作者数量和视频数量的集聚度。

MCN视频投稿城市被点赞总数和被本市人点赞的数量均呈现出高度集聚特征。计算结果显示（见表2），MCN视频被点赞总数和被本市人点赞总数排名前10的城市，点赞数占比分别为49%和52.6%，排名前20的城市，点赞数占比分别为64.7%和66.8%，MCN视频被本市人点赞数量更加集聚。非MCN视频被点赞总数和被本市人点赞总数排名前10的城市，点赞数占比分别为20.3%和15.7%，排名前20的城市，点赞数占比分别为30.1%和25.3%。MCN视频被点赞总数排名较高的城市主要是国家级中心城市和其他大城市，非MCN视频点赞数排名较高的城市则多样化一些。  

表2：MCN和非MCN账号视频被点赞数量排名前20的城市

2.视频被点赞数量与城市人口规模高度相关

我们同样通过图3和4的散点图展示两类账号的视频被点赞总数、被本市人点赞数量与城市人口规模之间的关系，来呈现视频关注度在城市间的分布及其与人口规模之间的关系。结果显示，视频点赞数量的分布与城市人口规模高度相关，拟合优度R方约在70%-80%之间，并且人口规模越大的城市，视频被点赞总数越高，拟合线的斜率均大于1，说明视频关注度的集聚速度要快于人口的集聚速度。其中，MCN视频被点赞总数和被本市人点赞数量与人口规模拟合线的斜率分别为1.614和1.790，意味着，平均而言城市人口规模每增加1倍，该城市的视频被点赞数量和被本城市人点赞的数量将增加1.614倍和1.79倍，非MCN账号与城市人口规模的回归系数也大于1.1。相比于非MCN账号，MCN账号发布的视频在线上的互动更加集聚。

对比第一节和本节的结果，可以看到，视频受关注程度的集聚度，不仅远高于人口的集聚程度，也高于视频作者数量和视频数量的集聚程度。

图3：MCN账号视频被点赞总数、被本市人点赞数量与城市人口规模的关系

图4：非MCN账号视频被点赞总数、被本市人点赞数量与城市人口规模的关系

三、主播和直播间的空间集聚：MCN账号>非MCN账号

1. MCN账号的主播和直播间均比非MCN账号更加集聚

计算结果显示（见表3），MCN账号直播主播数和直播间数排名前10的城市占比分别为31.3%和31%，排名前20的城市占比分别为 44%和43.5%；非MCN账号直播主播数和直播间数排名前10的城市占比分别为18.4%和18%，排名前20的城市占比分别为29.4%和28.9%。MCN账号比非MCN账号在开播城市的直播主播数量和直播间的数量上都更加集聚。MCN账号和非MCN账号在主播数和直播间数上的集聚程度，都与视频的作者数量和视频数量的集聚程度类似。

值得注意的是，直播主播数量和直播间数量的排名，与其他线上城市的指标排名稍有不同，也不同于经济指标的排名。杭州、成都、广州等直播发达城市的排名比较靠前，而北京、天津等城市的排名相对靠后。这也反映数字化在一些维度上悄悄改变城市的分布格局。

表3：MCN和非MCN账号主播数和直播间数排名前20的城市

2.主播数量和直播间数量与城市人口规模高度相关

一个城市的主播数量和直播间数量，同样与城市人口规模高度相关。图5和6的散点图显示，MCN账号和非MCN账号的主播数和直播间数均与城市人口规模正相关，拟合线的R方在80%左右，拟合线的斜率均大于1，其中MCN直播主播数和直播间数的斜率分别为1.181和1.378，而非MCN账号的系数在1.1左右。这同样意味着，人口规模大1倍的城市，MCN主播数量和直播间数量要高1.181倍和1.378倍，而非MCN账号的主播数量和直播间数量大约高1.1倍左右，直播主播与直播间的集聚速度同样快于城市人口的集聚程度。

图5：MCN主播数和直播间数与城市人口规模的关系

图6：非MCN主播数和直播间数与城市人口规模的关系

四、直播城市订单量的空间集聚： MCN账号>非MCN账号

直播城市的订单数量呈现高度集聚的特征，且MCN比非MCN更加集聚。计算结果发现（见表4），MCN账号直播城市订单总量和本市用户支付的订单量排名前10的城市，订单量占比分别为70.1%和72.9%，排名前20的城市，订单量占比分别为79.9%和83.8%。非MCN账号直播城市订单总量和本市支付的订单量排名前10的城市，订单量占比分别为50.7%和50.5%，排名前20的城市，订单量占比分别为64.5%和66%。订单量的集聚程度明显高于账号及点赞的集聚度，这也可能与平台直播带货正在发展过程中，大城市优先发展起来有关。

表4：MCN和非MCN账号支付订单数量排名前20的城市

进一步观察直播带货订单量与城市人口规模之间的关系，同样可以看到（见图7和图8）MCN账号和非MCN账号直播城市交易的订单量与人口规模高度相关，拟合优度R方在50%到76%之间，人口规模越大的城市，无论订单总量还是本城市支付的订单总量均更高，并且MCN比非MCN账号的集聚程度更高。回归结果显示，平均而言，城市人口规模每增长1倍，MCN直播带货订单总量和本市支付的订单总量的增长都超过2.3倍，非MCN订单量增加则在2倍左右，略低于MCN账号的订单总量。

图7：MCN直播带货的订单总量和本城市支付订单量与城市人口规模的关系

图8：非MCN直播带货的订单总量和本城市支付订单量与城市人口规模的关系

五、总结

根据我们的大数据分析，可以给“线上城市”的集聚做出总结了。

第一，数字化的手段不仅没有使得流量的分布更加扁平化，相反，流量的集聚度超过账户的集聚度，账户的集聚度又超过人口的集聚度，在这个意义上，线上城市更加集聚了。人口多的地方有更多需求，而且也有更多可供直播或视频制作的场景和内容，线上城市放大了线下商品需求和线下场景及内容的集聚度。在我们所分析的线上城市里活动的，就是很多人所称的数字游民。很多人认为数字游民，是不依赖于空间集聚的。在个体层面，有可能存在这样的现象。总体上，我们的结论恰恰相反，他们比一般人群更加集中在少数地区，其中关键仍然是一句话，线上和线下是互补的。

第二，MCN的集聚度超过非MCN账户的集聚度，这说明，即便是在城市数字化转型过程中，线下的团队协作生产仍然需要面对面的交流和集聚。大城市，有更多的年轻人和教育水平更高的人群，有更加细致的分工，对于利用线上技术来发展生产性服务业或提高生活便捷度具有人才优势。这时，线上技术不是在取代线下见面，而是为线下的活动和交易进行赋能。

第三，相比之下，视频流量的集聚度小于直播带货的集聚度。因为线上销售更加服从于由人口空间分布延伸出来的商品需求空间分布。而视频所反映出来的则更加是内容供给侧的集聚度，线上技术可以让相对边缘的地区能够看到视频内容，它放大了线下场景和内容的集聚度，但也的确让偏远地区和小城市拥有了更多在线上城市中被关注的机会。

第四，一些中小城市的确可以通过线上手段强化竞争力，这与线上城市的向心化趋势不矛盾。甚至应该说，例如，金华这样的制造业城市，可以借助于线上手段来扩大销售覆盖范围，而毕节这样的城市，则可以借助于线上手段来让更多的人关注本地。

（作者魏东霞系广东金融学院国际教育学院教授；陆铭系上海交通大学安泰经济与管理学院特聘教授；李杰伟系上海海事大学经济管理学院副教授；夏怡然系温州大学商学院教授；其余合作者来自巨量引擎城市研究院）