Zovda
几乎每个社媒数据集都是通过一个排序界面收来的：信息流、搜索结果页、推荐。排序是为了最大化注意力而建的，而注意力不是随机样本。
然后这份数据被当成随机样本去分析，结论以问卷的自信被汇报出来。
排序取回不是抽样
排序列表返回的是「系统认为你会互动」的那些条目，它和热度、新鲜度、以及你之前看过什么相关。
这意味着数据集系统性地高估了嗓门大的、新的、眼熟的。每一条关于「大家怎么想」的结论，同时继承了这三个偏差。
该随机化什么
界面允许的话，跨时间收而不是跨热度收：按固定间隔采那条流，而不是拿它的顶部。
不允许的话，就为一个窄切片收全集，而不是为一个宽范围收残缺集。一个完整的小窗口，比一个头部偏重的大集合更值钱。
报抽样框，不只报体量
样本大小说明不了它代表什么。报抽样框：哪些账号有资格、哪些被触达、哪些被返回。
然后报这个框大概排除了什么。那一段，通常是整份备忘录里最有用的东西。
用一个无聊的查询做测试
故意跑一个毫无吸引力的查询，看看回来什么。如果结果全是高互动的，那这个界面在排序，而你的采集就是一份精彩集锦。
这些集合由 Zovda 通过 Datuva 组装，抽样框跟着导出一起走。社媒数据语料展示了抽样框是怎么记录的。
告诉我们你需要描述的是哪一群人，我们会在 1 个工作日内回复。