本文摘要：摘要:[目的/意義]微信公眾號用戶行為規律的數據挖掘對于高校圖書館開展新媒體營銷具有重要的意義。[方法/過程]以閩南師范大學圖書館微信公眾號為例，從菜單訪問數據、推文數據及用戶關注量等三個指標體系展開分析研究，并建立微信公眾號關注量的ARIMA模型和
摘要:[目的/意義]微信公眾號用戶行為規律的數據挖掘對于高校圖書館開展新媒體營銷具有重要的意義。[方法/過程]以閩南師范大學圖書館微信公眾號為例，從菜單訪問數據、推文數據及用戶關注量等三個指標體系展開分析研究，并建立微信公眾號關注量的ARIMA模型和多項式擬合模型。[結果/結論]該公眾號用戶的主要群體學生較多關注的大多是與自己專業學習有直接關聯的推文內容，對其他內容關注度較低;關注量具有季節性規律，受假期、新生入學及推文發文數量等因素影響;可以預見，關注量仍將持續呈上升趨勢;ARIMA(2，2，8)模型對用戶關注量的中短期具有較好的預測效果。
關鍵詞:圖書館;微信公眾號;ARIMA模型
0引言
用戶的數量和活躍度是高校圖書館微信公眾平臺信息服務模式是否取得成效的關鍵指標之一，它間接體現了高校圖書館開展微服務的用戶黏度、效果以及服務價值等。因此，高校圖書館微信公眾平臺服務能否契合業務目標及營銷策略最大地發揮其效能，在很大程度上取決于用戶的持續使用關注情況。但由于受到微信公眾號推廣工作的力度、推送圖文消息的頻率、圖文內容、功能菜單的利用率以及后臺響應留言的及時性等因素的影響[1]，用戶關注量會時刻發生變化。因此，分析圖書館微信公眾號的運營數據并預測用戶關注量的變化趨勢對把握高校圖書館微服務規律、特征及發展趨勢，更為精準地提高圖書館的服務效能，非常有指導意義。
1相關研究綜述
目前高校圖書館微信公眾號的研究歷經服務現狀、營銷內容、效果評價、傳播影響力和運營策略等方面之后，在微信公眾號用戶行為和運營規律等方面的研究逐步增多。
李夢楠等[2]從用戶視角結合用戶滿意指數和精細化Kano模型對高校圖書館微信公眾號服務內容進行了分類和供給優先序研究;馬帥等[3]采用客觀賦權法中的主成分分析法構建了高校圖書館微信公眾號與用戶的互動效果評價模型;王宗水等[4]指出高校圖書館微信公眾號所提供的服務中，用戶信息、資源檢索、信息快遞三類服務在關聯網絡中的相對重要性較高，但信息快遞類服務內容對信息傳播影響力的影響最大，資源檢索、用戶信息、互動咨詢、其他類服務的影響較小。
而將高校圖書館微信公眾號運營數據分析與運維策略相結合的文獻則較少，羅孟儒等[5]對中南大學圖書館微信平臺用戶、推文以及菜單三個方面的運營數據進行了統計分析，總結出了目前微信公眾號在新媒體運營過程中的不足并提出了相關意見建議;黃國凡等[6]基于WCI微信影響力指數分析了國內圖書館微信公眾號影響力排名，結合湖南省圖書館和廈門大學圖書館的微信運營實踐總結出行之有效的微信內容營銷策略;劉佳靜等[7]通過研究發現可從用戶反饋、后臺運營、微博影響力、點贊率4個方面評價高校圖書館微信公眾號傳播力。這些研究從運營數據、平臺用戶行為和傳播力指數等不同視角探尋高校圖書館微信公眾號的用戶運維規律和服務績效。
目前，基于時間序列分析的ARIMA模型(AutoregressiveIntegratedMovingAveragemodel)廣泛應用于交通客流預測[8]、價格預測[9]、公共衛生人流量預測[10]和圖書館入館行為[11]等方面。熊楓等[1]對某醫科大學圖書館2016年至2018年的微信公眾號用戶量建立了ARIMA模型并進行了預測。ARIMA模型通過對用戶行為數據的季節周期性、趨勢性等規律的識別及預測，能有效支持對產品或者服務的精準調配和運營優化。
為探索基于數據驅動的微信公眾號運維模式，更好地運用用戶行為數據把握高校圖書館微信公眾號的變化趨勢，從而有效驅動和精準提升圖書館的微信服務效能，本文擬以閩南師范大學圖書館微信公眾號為例，從菜單訪問數據、推文數據及用戶關注量等三個指標體系展開分析，進而建立ARIMA模型和多項式擬合模型重點來分析用戶關注量的變化趨勢并作出預測。
2模型介紹
2.1ARIMA模型ARIMA模型稱為差分整合移動平均自回歸模型，根據時間序列動態記憶性的內容不同，ARIMA模型包括自回歸AR模型、移動平均MA模型和自回歸移動平均ARMA模型。AR模型描述的是系統對過去自身狀態的記憶，MA模型描述的是系統對過去時刻進入系統噪聲(隨機擾動項)的記憶，而ARMA模型則是系統對過去自身狀態以及進入系統噪聲的記憶[12]。
2.1.1ARIMA模型優點
此模型操作簡捷、建模步驟程序化，建模過程只需要內生變量而不需要借助外生變量，廣泛應用于平穩性時間序列建模，是一種精度較高的中短期預測模型。
2.1.2建模步驟:
(1)平穩性檢驗。利用ADF單位根方法檢驗數據的平穩性，若序列非平穩，則運用差分算法消除趨勢性、季節性等使其轉換為平穩序列。(2)模型識別。利用自相關函數(ACF)和偏相關函數(PCF)圖，判斷模型的類型和階數。(3)參數估計和診斷。檢驗模型估計系數的顯著性，判斷殘差序列是否為白噪聲。(4)運用建立的ARIMA(p，d，q)模型進行預測并檢驗預測效果。
2.2多項式擬合模型
多項式擬合又稱為曲線擬合，即選取合適的多項式函數來擬合、逼近數據所出現的趨勢，其系數采用最小二乘法計算。
3實證分析
3.1數據來源
從微信后臺獲取2016—2020年圖書館微信用戶日增長數據，整理得到2018年、2019年微信用戶月凈增和取關人數及2016—2020年微信公眾號累計關注人數的月數據。將2016年1月至2020年12月的微信公眾號累計關注人數的月數據作為微信關注量。
人均點擊次數前三位的依次是詩頌新時代、微閱讀、電子借閱證。人均點擊次數后三位的依次是征訂目錄、我的推薦、2019宣傳月。分析以上六個子菜單發現，“詩頌新時代”人均點擊次數最高的原因是詩詞大賽采用的線上線下互動大比拼的組織方式可以充分提升微信公眾號的用戶黏性;微閱讀人均點擊次數高比較符合當前移動互聯網環境下不受時空限制的碎片化閱讀特征;隨著圖書館信息化建設的改造升級，電子借閱證使用的范圍更為廣泛，因此這一功能的人均點擊率相對也較高。而從人均點擊次數后三位的子菜單可以看出讀者在館藏資源的建設方面參與度不高，在宣傳月活動的組織策劃方面圖書館相關部門還需不斷開拓新思路。
3.3.2推文數據分析
查閱閩南師范大學圖書館2019公眾號年報(壹伴出品)數據，2019年全年發文106篇，其中頭條94篇，累計閱讀次數為93503次，累計點贊次數為361次，累計分享次數1380次，累計留言條數412次。分析發文詳細圖文數據發現，4月份、6月份發文量分別為24篇和18篇，合起來約占全年發文量的40%;2月份和11月份總發文量為4篇，僅約占全年發文量的3.8%。
8月份發文量為0;9月份和10月份發文量分別為13篇和12篇，合起來約占全年發文量的24%;12月份發文數為6篇，僅約占全年發文量的5.7%，但是由于推文內容大多與假期開館安排及圖書館設備更新有關，讀者的閱讀人數和次數都比較高。分析2019年微信公眾號推文閱讀數和分享次數TOP10的推文發現，涉及各類假期圖書館開館安排、圖書館空間服務的推文約占60%，其它排名靠前的主要涉及到圖書館各類讀者自助服務系統等。
圖書館論文范例： 讀秀百鏈和全國圖書館參考咨詢聯盟使用方法和技巧
4結語
通過對閩南師范大學圖書館微信公眾號的運維行為數據的清洗整理，從菜單訪問數據、推文數據及用戶關注量等三個關鍵指標體系展開定量分析，并在分析微信公眾號關注量變化趨勢的基礎上，建立了ARIMA模型和多項式擬合模型對其進行預測分析。
結合實際營銷推文內容，分析結果顯示，該公眾號用戶的主要群體學生在使用過程中較多關注的大多是與自己專業學習有直接關系的內容，對其他內容關注度低;公眾號關注量整體的變化有季節性，受 假期、推文發文數量及內容影響較大;微信關注量在未來仍將持續呈上升趨勢;ARIMA(2，2，8)模型對該公眾號關注量的中短期預測精度較高，可以較為精準地預測微信公眾號的周期性變化規律。下一步研究的方向是對運營數據進一步細化分析，找出關注量的重要影響因素加入到預測模型中，建立更完善的預測分析模型。
參考文獻
[1]熊楓，宋國強.基于ARIMA模型的圖書館微信公眾號用戶量預測[J].中國科技信息，2019(13):72-74.
[2]李夢楠，周秀會.基于Kano模型的高校圖書館微信公眾號服務內容分類和供給優先序研究[J].圖書情報工作，2019，63(10):39-47.
[3]馬帥，王昌，毛鵬樂.高校圖書館微信推送服務互動效果評價研究[J].新世紀圖書館，2020(8):68-73.
[4]王宗水，劉霞，孫倬，等.高校圖書館微信服務項目共現關聯及信息傳播影響力研究:以“C9聯盟”高校圖書館微信公眾號為例[J].圖書情報工作，2020，64(3):83-91.
[5]羅孟儒，舒薇，崔永.高校圖書館微信公眾號運營數據研究:以中南大學圖書館為例[J].資源信息與工程，2020，35(2):143-147，151.
[6]黃國凡，張鈺梅.圖書館微信公眾號內容營銷策略:基于微信傳播指數WCI的分析[J].圖書館雜志，2015，34(9):91-96.
[7]劉佳靜，金潔琴，趙乃瑄.高校圖書館微信公眾號傳播力評價研究:以“雙一流”大學為例[J].圖書館工作與研究，2019(2):40-46.
[8]趙鵬，李璐.基于ARIMA模型的城市軌道交通進站量預測研究[J].重慶交通大學學報(自然科學版)，2020，39(1):40-44.
作者：盧成曉陳添源
轉載請注明來自發表學術論文網：http://www.zpfmc.com/jzlw/28045.html
