跳到主内容

231 个环保词、三天、14.7 万指数:一份可复现的百度指数拆解

写给做环境政策、环境传播、环保产业和资源循环方向的同学。你手上大概率也有这么一份指数表,也大概率正在被它「漂亮的上升曲线」误导。这篇文章把一份真实的三日数据从口径、渠道、结构、集中度、稳定性五个角度拆开,每个结论都附上可复现的算法,每个数字都能在原始表里对上。

一、先看清这份数据是什么

数据集很朴素:231 个与环境相关的关键词,全国范围,2026 年 11 月 7 日到 9 日,共 631 条日度记录。六列——关键词、区域、日期、整体指数、PC 指数、移动指数。

先说三个容易踩空的前提。

第一,百度指数不是搜索次数。 它是一个以关键词历史数据为基线、经标准化处理的相对值。同一时刻不同词的指数可以横向比较强弱,但指数 500 不代表 500 次搜索。所以这份数据能回答"谁比谁热""结构如何变化",不能回答"多少人搜了"。

第二,三天不是趋势。 三天只够看一个切片。任何写"公众环保关注度显著上升"的句子,用三天数据支撑都是不成立的——后面会看到,这三天里 31.7% 的涨幅几乎全部来自星期效应。

第三,词表本身就是一次研究设计。 231 个词怎么选出来的、覆盖哪些子领域、有没有偏重,直接决定了你能得出什么结论。这份词表偏"治理"和"消费"两端(大气治理设备、室内甲醛净水、环保上市公司、法规标准),对"生态保护""生物多样性""农村环境"的覆盖明显偏薄。这不是数据的错,是你必须写进方法一章的事。

二、拿到数据的第一小时,别画图

规范的做法是先做四项体检:重复键(关键词 + 日期是否有重复)、空值、逐日覆盖、内部恒等关系。

这份数据前三项都很干净:没有空单元格、没有重复键、区域全部为"全国"、无非数值。第四项更值得高兴——631 条记录,整体指数 = PC 指数 + 移动指数,零偏差。

图1 同口径与全量口径的三日走势对比

图1 同口径与全量口径的三日走势对比

这个恒等式看起来是废话,实际价值很大。它意味着三列数据同源同口径,任何一列的异常都能被另外两列交叉验证;也意味着后面的"渠道结构分析"不是解释性的猜测,而是数学上可分解的——移动端涨了多少、PC 端涨了多少,加起来必须等于总量涨了多少。

但覆盖率立刻暴露了问题:11 月 7 日 231 条、8 日 228 条、9 日只有 172 条。 231 个词里,三天齐全的只有 172 个(74.5%),59 个词只有一到两天,其中 50 个词三日合计为 0。

这 50 个全零词里,有"环保股""环保行业""环评公司""环保基金""污染治理""室内空气污染"。你不会相信"环保股"这个词在百度上三天无人搜索。所以这些 0 不能读作"没有需求",只能读作"低于指数可统计阈值"或"采集缺失"。把它们留在样本里,会同时拉低均值、扭曲分布、污染所有排名。

于是有了本文最重要的一条方法约定:所有趋势和结构判断,只用 172 个三天完整的关键词(同口径);全量口径只作背景交代。 这不是保守,是让结论站得住的最低门槛。

三、那个 +31.7% 里,一半是工作日

先看全量口径:43,753 → 45,164 → 58,609,三天涨 34%。再看同口径:43,258 → 44,506 → 58,609,周六到周日 +2.9%,周日到周一 +31.7%,三天累计 +35.5%。数字几乎一样,但解释完全变了——因为 11 月 7 日是周六,8 日是周日,9 日是周一。

真正的钥匙在渠道分解:

  • PC 端:9,820 → 9,185 → 18,604。周末回落 −6.5%,周一单日 +102.5%,三天累计 +89.5%。
  • 移动端:33,438 → 35,321 → 40,005。周末 +5.6%,周一 +13.3%,三天累计 +19.6%。

图2 移动端与 PC 端的指数结构

图2 移动端与 PC 端的指数结构

两条线的形状完全不同。移动端是平缓爬坡,PC 端是断崖式跳升;PC 占比从 22.7%、20.6% 一路抬到 31.7%。

这意味着周一那 31.7% 的增长里,有相当大一部分不是"更多人开始关心环保",而是"同一批人从手机换到了电脑"。周末用手机刷,周一坐在工位或实验室里查标准、写申报、找供应商——这是办公场景的回归,不是需求的爆发。

只报总指数,这次渠道切换就被彻底掩盖,你会把一次办公行为迁移写成一次公众意识觉醒。这是搜索指数研究里最常见、也最容易被审稿人一击致命的错误。

处理办法有三个层次:只取工作日;做 7 日移动平均;或者把 PC 与移动分列、分别建模解释。这份数据只有三天(六、日、一),最诚实的写法是明说——"本窗口含一次周末到工作日的切换,总量增幅不可直接解释为关注度上升"。

四、PC 占比:一个免费的 B 端 / C 端判别器

三日全量口径下,移动端占 74.2%,PC 端 25.8%。环保议题的公众侧已经彻底移动化,这一点没有悬念。

但把词拆开,会长出两个性质完全不同的群体。

移动主导组(≥90% 来自移动):生物除臭 97.9%、除甲醛 97.8%、除尘设备 96.4%、净水器 96.2%、活性炭 96.2%、催化燃烧 95.8%、工业废水处理 91.1%、检测公司 90.9%。

PC 主导组(≥50% 来自 PC):低碳生活 83.1%、排污许可证 67.1%、固体废物 59.5%、固体废物污染环境防治法 55.5%、环境保护税法 53.3%、生态环境部 53.0%、RTO 52.5%、长江保护法 52.5%。

图3 PC 占比与指数规模的分布

图3 PC 占比与指数规模的分布

前一组是消费决策与工程选型——家里要除甲醛、买净水器,工厂要选除尘设备,行为发生在客厅和车间,用手机。后一组是合规、申报、政策追踪——排污许可证怎么办、固废法怎么改、碳足迹怎么核算,行为发生在办公室,用电脑。

这条分界线本质上就是需求侧与供给侧的分界。对研究者来说,PC 占比是一个免费的 B 端 / C 端判别器:PC 占比过半的词,搜索者大概率是环评工程师、企业 EHS、监管人员或研究生;移动占比超过 90% 的词,大概率是普通消费者或一线操作人员。这个方法便宜、可复制,而且几乎没人写进方法章节。

五、谁在被搜索:头部十五个词讲完半个行业

三日合计前十五名:除甲醛 8,317、净水器 7,996、活性炭 7,284、除尘设备 5,261、甲醛 4,397、生态环境部 3,444、CMA 3,185、鄱阳湖 3,106、催化燃烧 2,889、生物除臭 2,754、ESG 2,558、洞庭湖 2,283、格林美 2,141、PM2.5 2,039、检测公司 1,990。

图4 三日合计 Top 15

图4 三日合计 Top 15

三个观察。

榜首不是"环保",是"装修"。 除甲醛、净水器、活性炭、甲醛四个词构成前五中的四席,加上第 23 名空气净化器(1,382)和第 42 名新风系统(817)。"室内环境与健康消费"这一类只有 12 个词,占词表 5.2%,却贡献 30,952 的指数、21.0% 的占比,类均 2,579,是全部 11 类里最高的。公众语境里的"环保",第一联想不是政策,不是污染,是"我家的空气和水"。

供给侧的硬通货是资质与工艺。 CMA(3,185)排在绝大多数政策词前面;排污许可证 1,451、检测公司 1,990、检测报告 544、第三方检测 394、ISO14001 1,069 合起来是一个不小的合规服务市场。工艺侧是除尘设备 5,261、催化燃烧 2,889、生物除臭 2,754、RTO 531。VOCs 治理与除尘是工程侧的两个高频入口,这和近五年大气治理从"脱硫脱硝"转向"VOCs 与超低排放"的产业节律是吻合的。

地理标签意外地强。 鄱阳湖(第 8)和洞庭湖(第 12)双双进前十五,合计 5,389。在纯政策词库里看不到这种现象——具体水体的公众关注度远高于抽象的"水污染防治法"(490)。对做环境传播的同学,这是一个好切口:抽象法条无人搜索,具体地标自带流量。

六、11 类主题:两个引擎,一条落差

把 231 个词按语义归入 11 类,结构性事实就出来了。

主题 词数 三日合计 占比 类均 PC 占比
大气污染防治与空气质量 43 32,759 22.2% 762 19.6%
室内环境与健康消费 12 30,952 21.0% 2,579 5.9%
水污染防治与水环境 30 16,729 11.3% 558 24.3%
环保上市公司与产业 22 14,582 9.9% 663 31.0%
环境法治与监管 20 10,879 7.4% 544 52.3%
检测认证与环境监测 15 10,687 7.2% 712 29.3%
固废与资源循环 29 10,375 7.0% 358 36.1%
双碳与绿色低碳 14 8,826 6.0% 630 47.8%
生态、核与辐射及公共议题 26 8,039 5.4% 309 39.7%
土壤与生态修复 16 2,606 1.8% 163 40.8%
噪声污染防治 4 1,092 0.7% 273 18.6%

图5 11 类主题的指数结构

图5 11 类主题的指数结构

两个引擎:大气(22.2%)与室内健康(21.0%),合计 43.2%,加上水(11.3%),前三类占 55.3%。

词数分布却很不均衡:大气用了 43 个词才拿到 32,759,室内只用 12 个词就拿到 30,952,类均效率差 3.4 倍。这个"词数—指数"效率差比排名本身更值得写一段:大气的关注是分散的(每个子话题都有人搜,但都不深),室内的关注是聚合的(少数几个词吸走绝大部分流量)。

一条落差:土壤与生态修复 1.8%、噪声 0.7%。而"土壤污染防治法""噪声污染防治法"都是近年立法重头。这是一个漂亮的对照——立法显著性不等于公众搜索显著性。原因不难推测:土壤与噪声的受害主体分散、慢性、缺少可执行的个人行动项;而"我家甲醛超标"有明确的行为出口(买净化器、找检测)。

一个议题能不能变成搜索,取决于它有没有"下一步动作"。这句话可以直接做成论文里的一个论点,也可以反过来指导科普传播:想让人搜,先给他一个动作。

七、集中度:HHI 只有 172 的市场

  • CR5 = 22.5%,CR10 = 33.0%,CR20 = 46.3%,CR30 = 54.9%
  • HHI = 172(一般认为低于 1000 即极度分散)
  • 头部 33 词(≥1000)贡献 57.1%,腰部 121 词(200–999)贡献 40.7%,长尾 77 词(<200)只贡献 2.3%

图6 指数贡献的层级结构

图6 指数贡献的层级结构

HHI 172 是个重要数字。它说明这个领域不存在"一个词代表整个行业"的情况——砍掉前 10 个词,仍有 67% 的量留在其余 221 个词里。对研究的直接含义是:任何只取 5 到 10 个关键词合成"环保关注度指数"的做法,都会严重失真。一个能用的合成指数至少需要覆盖 30 个词以上(本数据 CR30 才刚过半),并且必须做频次加权,不能简单等权平均。

分布形态同样有话说。

图7 三日指数合计的区间分布

图7 三日指数合计的区间分布

0 值 50 个(21.6%,全是缺失);1–99 只有 7 个;100–199 有 20 个;而 200–499(65 个)与 500–999(56 个)合计 121 个,占 52.4%。也就是说大量长尾词挤在 60 到 130 这个极窄的区间里。这几乎可以肯定是最小可统计值截断造成的:真实搜索量低于阈值时,指数被压到 100 上下甚至归零。

所以:跨词比较绝对值要极其小心,看结构(占比、排序、平台构成)永远比看绝对值可靠。本文前面所有结论都建立在结构而非绝对量上,原因就在这里。

八、涨跌榜背后是三条独立的时钟

148 个有基数(11 月 7 日大于 0)的完整词里,涨 115 个、跌 32 个、平 1 个,中位涨幅 +16.4%,涨超 50% 的有 43 个。整体普涨——但这恰恰是周一效应,别急着讲故事。有信息量的是相对排序。

图8 涨幅 Top 10

图8 涨幅 Top 10

榜首是"低碳生活":152 → 1,070,+603.9%。 但请看渠道:PC 占 83.1%,三天移动端只有 233。一个词在周一从 152 跳到 1,070 且几乎全部来自 PC,不像自然搜索,更像某个集中触发的办公或教学场景(课程作业、专题活动、内部培训),或者一次小型传播事件。这类单点异动必须单独标注,不能混进"整体上升"。

紧随其后的是一串环保上市公司:先河环保 +211.0%、盈峰环境 +190.1%、碧水源 +175.2%、格林美 +158.8%、高能环境 +120.1%。"环保上市公司与产业"这一类,周一的指数(7,486)是周六(3,666)的 2.04 倍,是全部 11 类里弹性最高的。

图9 跌幅 Top 10

图9 跌幅 Top 10

跌幅侧是另一套逻辑:白色污染 −47.6%、工业废水 −39.0%、环卫公司 −37.8%、废气处理 −33.2% 领跌;两个体量最大的消费词也在跌——除甲醛 −20.2%(2,975 → 2,374)、甲醛 −15.4%(1,562 → 1,322)。

消费词在周一回落是合理的:家装决策发生在周末(看房、逛建材市场、比价),周一到周五回到工位,搜索自然衰减。工程与工业词在周一下跌,可能是周末有值班检索、周一转向实际业务系统。

把 11 类主题的周六与周一放在一起,三条时钟就看得见了。

图10 各主题从周六到周一的弹性

图10 各主题从周六到周一的弹性

  • 资本时钟:上市公司 ×2.04、双碳 ×1.97、法治 ×1.93——周末没人看盘、没人办证,周一集中复盘与申报。
  • 生产时钟:检测认证 ×1.35、水 ×1.23、固废 ×1.30——工作日推进项目。
  • 生活时钟:大气 ×1.14、室内 ×1.07、土壤 ×1.07——几乎不动,因为空气和甲醛不分工作日。

一句话:消费词周末强、产业词工作日强、资本词交易日强。 三种节律叠在同一条曲线上,就是你看到的"上涨 31.7%"。对做环保产业舆情的人来说,这意味着用公司名做指数代理时必须先剔除交易日效应,否则每个周一都会被你写成"市场高度关注"。

九、噪声与底噪:79 个词是"真需求"

数据一直在动,最该问的是哪些是噪声、哪些是底噪。用两个条件筛"平稳高位":日均 ≥100 且三日变异系数 CV ≤15%,结果 79 个词入选(放宽到 25% 是 98 个)。

波动最小的十个:环卫工人 0.75%、生物除臭 0.86%、厨余垃圾 0.88%、雾霾 2.08%、空气质量预报 2.15%、电磁辐射 2.32%、沙尘暴 2.53%、固废处理 2.57%、鄱阳湖 2.64%、飞灰 2.71%。

这批词的共同点是日常性:空气质量每天要看,湖泊常年有话题,除臭与固废是工程侧常态查询。CV 低说明需求不依赖事件驱动,适合做存量分析。

另一端,高波动词是事件敏感的候选:低碳生活 CV 93.8%、排污许可证 58.6%、先河环保 57.5%、盈峰环境 57.2%、脱硝 56.7%、碧水源 54.1%、格林美 51.4%。它们与涨幅榜高度重合,几乎一定是被某件事触发的。

于是分类就自然出来了:

  • CV 低 + 均值高 = 基本盘,做存量分析、做基线;
  • CV 高 + 涨幅大 = 事件驱动,做归因,且必须外部验证(政策发布、财报、事故、会议);
  • 均值极低 + 全零或阶梯 = 数据缺陷,剔除并单列说明。

这一段可以直接放进论文的"指标筛选"章节。

十、五件必须写进局限性的事

一份好的分析,价值一半在结论,一半在知道自己哪里不可靠。这份数据至少五处要交代。

覆盖不齐。 11 月 9 日只有 172 条,59 个词缺失。所有趋势判断已改用同口径,但同口径本身丢掉了 26% 的样本,选择偏差仍然存在。

零值语义混淆。 50 个词三日合计为 0,其中包含明显有真实需求的词。0 必须读作"低于阈值",不能读作"无需求"。

阶梯型爬升。 24 个完整词在 11 月 7 日为 0,随后 0 → 128 → 139 整齐上扬(低碳环保、布袋除尘、限塑令、生活垃圾一类)。还有"湿地保护" 0 → 288 → 122 这种先冲高再回落的形态。这种整齐的阶梯不像真实行为,更像采集窗口或回溯补齐,需要向数据供应方确认。

窗口太短。 三天做不了趋势推断,也压不住星期效应。可发表的分析建议至少 8 周,且必须做星期对齐(同期同一星期几相比)。

没有地域维度。 全部为"全国",无法做省市异质性分析——而这恰恰是环境政策研究最想要的那一层。如果研究问题涉及区域差异,这份数据直接不适用。

十一、把流程搬到你自己的题目上

八步,按顺序做,基本不会翻车。

  1. 验数据:重复键、空行、逐日覆盖、整体 = PC + 移动 恒等式。恒等式不成立,说明数据被处理过,先查清再分析。
  2. 定口径:只保留全窗口齐全的词,把缺失清单写进附录。口径不写清,后面所有数字都不可复核。
  3. 拆渠道:PC 与移动分开看。PC 占比当 B 端 / C 端判别器用。
  4. 控星期:窗口跨周末必须处理。最诚实的做法是明说,其次取工作日,最好做星期对齐。
  5. 算结构不算绝对量:CR5/CR10、HHI、头部腰部尾部贡献比、区间分布。指数有截断,绝对量不可跨词硬比。
  6. 分稳定性:按 CV 分层,把基本盘和事件驱动分开,事件必须外部验证。
  7. 做主题聚合:8 到 11 类起步,报告"词数—指数"效率差,而不只是排名。
  8. 写局限:覆盖、零值语义、采集形态、窗口长度、空间粒度,一个都别省。

如果要写代码,整个流程不超过百行:用 pandas 读表、按关键词 pivot 成宽表、算逐日合计与 PC 占比、算 CV 与 CR/HHI、按语义字典 groupby 聚合。真正花时间的不是计算,是词表设计和口径判断——这两件事没有现成脚本能替你做。

十二、五个可以直接接着做的题目

这份数据只覆盖三天,但已经足够支撑几个方向的前期设计。

一是星期效应本身。 把窗口拉到 12 周,对每个词做「星期几 + 是否工作日」的双因素分解,量化 PC 端的工作日弹性。PC 周一翻倍这个现象如果稳定成立,它本身就是一个可以发表的传播学结论,而不只是一个需要控制的干扰项。

二是主题效率差。 为什么大气类需要 43 个词才拿 22% 的指数,室内类 12 个词就拿 21%?可以引入"词—量集中度"作为主题成熟度的代理指标:成熟议题的关注聚合在少数标准词上,不成熟议题则分散在大量长尾词里。这个假设用多期数据很好检验。

三是立法—搜索落差。 取近十年环境立法节点(大气法修订、固废法修订、噪声法实施、土壤法实施),做事件研究(event study),看立法前后的搜索峰值与衰减速度。落差越大,说明该议题的公众行动出口越少,这直接是政策传播的建议。

四是上市公司词与交易日。 用 20 家环保上市公司的公司名做指数面板,扣除交易日与大盘效应后,剩余部分能否预测异常收益或舆情事件?这是环保产业研究里比较容易做出增量的一块。

五是地理标签。 鄱阳湖、洞庭湖这类具体地标的关注度远超抽象法条,这个现象值得用省域指数(如果拿得到)验证:地标词的搜索是否高度集中于本地?如果是,它就能作为区域环境议题活跃度的低成本代理变量。

十三、结语

这份数据最迷人的地方不是那个 +31.7%,而是它把三种完全不同的时间节律压进了同一条曲线:消费词在周末走强,产业词在工作日走强,资本词在交易日走强。叠在一起是一个平滑上升的总量,拆开是生活、生产、资本三台各自走时的钟。

还有一个更朴素的发现:公众搜索里的"环保",首先是自家的空气和水,其次才是工厂的烟囱和政府的文件。大气、水、固废、法治、土壤、噪声这六类治理与法规词合计 142 个、占词数的 61%,指数却只占 50.5%;12 个家居消费词用 5.2% 的词数拿走了 21.0% 的关注。如果研究问题和传播对象是普通公众,这个错位值得认真对待。

最后一句,也是全文的方法底线:搜索指数从来不测量"关注度",它测量的是"在某个设备上、某个时间点、带着某个目的发出的查询"。 记住这句话,你就不会再把周一上午的 PC 流量,写成一场公众意识的觉醒。


数据说明:本文全部数字由脚本从原始表(231 词 × 3 日,631 条记录,区域全国)计算得出,未做手工录入;同口径样本为 172 个三日齐全关键词;主题归类为人工语义标注(11 类,231 词全覆盖、无重复)。图表由 Python + matplotlib 生成,配色与标注可复现。

分享到:

本文链接:https://www.biyeyuanma.cn/post/419.html

服务热线

加我微信

加我微信