惠普实验室研究人员发现，网络新闻或视频最初的表现决定了其长期的流行度。广告客户也将因准确地预测内容流行度而受益。

　　尽管网络广告支出已经开始萎缩，一些研究人员仍然在研究如何使广告支出效益最大化。惠普实验室最近的研究表明，通过发布后数小时的流行度，可以预测一个视频或一则新闻的长期流行度。如果内容提供商能够预测内容的流行度，就可以在流行度最高的内容中发布价格最高的广告。另外，内容提供商可以将高流行度的内容放到网站上显眼的地方，使更多受众看到内容以及其中的广告。

　　惠普负责这项研究的伯纳德@胡伯曼(Bernardo Huberman)及其同事研究了YouTube和新闻聚合站点Digg的历史数据。他们在研究中利用数学模型确定不同内容的“流行度曲线”，通过内容发布后数小时或数天的流行度预测其未来的流行度。

　　除惠普外，谷歌、雅虎、微软和IBM等公司也在研究这一问题。现为雅虎一名研究人员的邓肯@瓦特斯(Duncan Watts)数年前就指出，一首歌曲能否流行开来不完全取决于其质量，只要能够确定“流行度曲线”，就可以提前预测歌曲能否真正流行开来。

　　胡伯曼指出，Digg上一则新闻头几个小时的浏览量就能决定其最终的浏览量。研究人员发现，考虑到新闻发布时间的因素(平均而言，中午发布的新闻得到的投票是午夜发布新闻的两倍)，如果一则新闻得到的投票很少，成为当天浏览量最高新闻之一的可能性就很低；相反，如果一则新闻在发布后数小时就获得了数百次投票，其浏览量就可能较高。

　　YouTube视频观看量也符合相似的模式。通过研究一个视频发布后第一天的观看量，研究人员就可以预测未来较长一段时间内其观看量达到一定水平的可能性。例如，如果一个视频发布一天后观看量只有15次，其未来的观看量也不会很高。如果第一天观看量就达到了100次，未来观看量达到数万次的可能性会相当高。

　　胡伯曼指出，研究数据的时间范围越大，预测结果就越精确。例如，根据前7个小时的浏览量，能够近乎完美地预测Digg上一条新闻未来的浏览量。对于YouTube上的视频，则需要将时间范围延长至20天。

　　胡伯曼称，网络新闻等其它站点则需要不同的流行度预测方法，因为每个站点的特性各不相同。他说，能够预测内容流行度的广告客户可以更好地投放广告。

　　IBM沃森研究中心研究人员克劳迪娅@珀利彻(Claudia Perlich)说，“我认为流行度预测是一个有趣的课题。我明白流行度预测对广告的重要性，但它只是广告拼图中的一部分而已。”广告客户对内容受众类型很感兴趣。他们认为，了解用户在访问一个站点前访问的其它站点非常有用，有助于向用户发送更有针对性的广告。

　　珀利彻还对研究的两个系统提出了疑问，“我担心预测结果与站点使用的技术有关。研究人员可能只是研究了Digg的专有技术和YouTube的视频推广功能，在专有系统上获得的结果可能无法推广到其它站点。”

　　胡伯曼坚信其预测内容流行度的方法与站点使用的具体算法无关。他正在分析Twitter上用户受欢迎的程度，“更好地了解这些社交网络将催生全新的商业模式。目前有价值的只是人们的注意力，巨额资金被用于吸引人们的注意力。”