高校圖書館座位管理系統(tǒng)的讀者行為分析

謝發(fā)徽

0 引言

占座現(xiàn)象一直是高校圖書館非常普遍而又難以根治的問題。為緩解占座問題并有效提高座位資源的利用率，圖書館通常采用自行開發(fā)管理系統(tǒng)或引入第三方管理系統(tǒng)進行有限座位的日常管理。兩種方式都能實現(xiàn)座位的預(yù)約、自動激活、自助暫離和釋放等基本功能，不僅規(guī)范了讀者的座位使用行為，而且提升了座位的利用率。然而，系統(tǒng)實施一段時間后也產(chǎn)生一些問題，如讀者個性化座位需求得不到滿足、高峰期一座難求、低峰期選座操作可有可無和座位使用時長設(shè)置不合理等較為精細化的服務(wù)難題。每位讀者是否都迫切需要座位？如何避免高峰期選座的排隊擁擠？讀者的使用行為是否與其專業(yè)和年級等屬性有關(guān)？面對上述座位管理實踐出現(xiàn)的新問題和讀者日益強烈的個性化座位服務(wù)需求，借助數(shù)據(jù)挖掘方法分析讀者的使用行為，把握選座的讀者群結(jié)構(gòu)和個性化需求應(yīng)運而生。圖書館也迫切需要利用這些行為的分析結(jié)果來輔助業(yè)務(wù)決策，改善和提升圖書館的管理服務(wù)水平。鑒于此，本研究以高校圖書館座位管理系統(tǒng)中的讀者行為數(shù)據(jù)為基礎(chǔ)，嘗試宏觀上通過帕累托定律識別讀者使用座位資源的分布特征，微觀上利用聚類分析把握讀者的群體分布結(jié)構(gòu)和每個群體之間的差異，探討對于異質(zhì)群體如何提供個性化和差異化的服務(wù)策略，提升讀者在座位資源上的用戶體驗，從而實現(xiàn)座位資源的最大化利用。

1 研究基礎(chǔ)

1.1 圖書館座位管理研究現(xiàn)狀

目前關(guān)于座位管理系統(tǒng)的研究主要集中于國內(nèi)的高校圖書館，國外相對較少，主要可分為：(1)優(yōu)化座位的資源配置管理模式。譚丹丹等[1]提出完善和優(yōu)化閱覽座位管理模式；陳鷹[2]提出通過環(huán)境優(yōu)化、改善座位配置等方式；北京郵電大學(xué)對座位實施隨機派號模式；深圳大學(xué)圖書館推出“簽發(fā)座位條”模式；童麗琴等[3]提出閱覽室“實名制”管理。(2)自主研發(fā)座位管理系統(tǒng)。部分高校圖書館結(jié)合業(yè)務(wù)需求和研發(fā)技術(shù)力量從信息化輔助座位管理提出解決方案，但未形成較為系統(tǒng)和規(guī)模化的研究。比較典型的解決方案有單片機識別座位狀態(tài)[4]、與門禁聯(lián)動[5-6]、指紋識別選座[7]、C/S軟硬件應(yīng)用系統(tǒng)[8-9]和基于二維碼開發(fā)的“反占座神器”[10]。(3)引進成熟的第三方管理系統(tǒng)。2011年以來，廈門大學(xué)、山東大學(xué)、北京師范大學(xué)和中國人民大學(xué)等高校圖書館陸續(xù)引進產(chǎn)品化的座位管理系統(tǒng)，經(jīng)歷試用磨合、經(jīng)驗積累和產(chǎn)品優(yōu)化等一系列實施過程，有效提高了座位的使用率，也在實踐中探索和積累座位管理中所出現(xiàn)的諸多問題及其解決方案。相應(yīng)的用戶使用行為研究有：郝亞楠等[11]全面分析了引入座位管理系統(tǒng)的利與弊，提出應(yīng)完善閱覽區(qū)的功能劃分、門禁聯(lián)動激活預(yù)約和讀者教育引導(dǎo)等問題及對策；吳開明等[12]從博弈論納什均衡展開讀者占座博弈分析，提出實現(xiàn)“微信計時法”作為解決占座問題的有效補充措施。

1.2 帕累托定律

帕累托定律也稱最省力的法則、不平衡原則和二八定律，由意大利經(jīng)濟學(xué)家帕累托在經(jīng)濟學(xué)領(lǐng)域的調(diào)查取樣中總結(jié)得出，即“80%的收入來自于20%的客戶”。它體現(xiàn)了投入與產(chǎn)出之間的不對稱關(guān)系，這種在取得最佳管理績效的同時減少資源投入的定量分析方法在圖書館理論與實踐領(lǐng)域得到了廣泛的應(yīng)用研究。王瑋[13]和王君學(xué)[14]將帕累托定律與阮岡納贊的五定律相結(jié)合，討論帕累托在圖書館資源建設(shè)與服務(wù)管理中的實踐意義。楊秀敏[15]探究了帕累托在讀者服務(wù)工作的指導(dǎo)策略，促使圖書館以低成本投入獲得高產(chǎn)出效益。黃艷芬[16]基于帕累托原則提出了館藏圖書建設(shè)、文獻信息資源共享和資源優(yōu)化配置的建議。曲皎[17]等從高校科研競爭力的視角采用數(shù)據(jù)包絡(luò)分析法對高校圖書館的技術(shù)效率進行帕累托最優(yōu)分析。劉立云等[18]從機制設(shè)計角度出發(fā)，通過帕累托定律探究如何調(diào)整圖書館座位資源與讀者之間的供需關(guān)系。

1.3 K-Means聚類分析

K-Means聚類算法常用于對大規(guī)模的用戶數(shù)據(jù)進行聚類分析。K-Means聚類算法速度快、簡單，效率高、可伸縮性強[19]。宋楚平等[20]應(yīng)用K-Means對圖書借閱數(shù)據(jù)進行挖掘，識別借閱圖書不同興趣愛好的讀者群體。李萍[21]通過使用Hadoop計算平臺，運用K-means算法中的數(shù)據(jù)挖掘技術(shù)，開展圖書館個性化服務(wù)。鞠秀芳等[22]將K-means聚類算法用于檢驗期刊排名因子的有效性。孫敏杰[23]采用K-Means聚類算法識別用戶行為模式，依此劃分用戶群體類型，創(chuàng)建機構(gòu)倉儲系統(tǒng)的人物角色-行為特征矩陣量化模型。實踐證明應(yīng)用K-means聚類算法識別圖書館業(yè)務(wù)系統(tǒng)中的用戶行為特征效果顯著。

2 研究設(shè)計

2.1 研究思路設(shè)計

根據(jù)帕累托定律和聚類分析的實證方法需要，本研究采取網(wǎng)絡(luò)問卷方式確立宏觀和微觀分析所需要的用戶行為變量，而后根據(jù)確立的變量從座位管理系統(tǒng)的后臺數(shù)據(jù)庫獲取相關(guān)字段值，K-means聚類分析的變量因子則通過聚類預(yù)分析和判別分析法遴選出適宜的群體分類方案。再針對每個細分群體結(jié)合讀者的學(xué)科專業(yè)、年級、訪問時段和訪問頻率等屬性提出其群體特征和相應(yīng)的座位管理服務(wù)改進策略，最后通過聚類和對比分析跟蹤實施服務(wù)改進措施后帶來的讀者行為變化，從而進一步論證和改進讀者細分結(jié)果的實際適配度。綜上，高校圖書館座位管理系統(tǒng)讀者行為分析的具體思路如圖1所示。

圖1 高校圖書館座位管理系統(tǒng)讀者行為研究思路

2.2 行為變量設(shè)計與獲取

基于座位管理系統(tǒng)的數(shù)據(jù)庫字典定義，擬定將讀者自然屬性和選座行為特征等兩個屬性類別組成實證變量。自然屬性也稱人口統(tǒng)計屬性，包含讀者證號、性別、年級和專業(yè)等；讀者行為屬性包含選座次數(shù)、使用時長、常用時段、常用時段次數(shù)、常用月份、常用月份次數(shù)等。為達到變量的有效性，筆者通過網(wǎng)絡(luò)問卷調(diào)查向座位管理系統(tǒng)的利益相關(guān)者和管理者進行調(diào)研，涵蓋選座頻率較高的學(xué)生、教師、座位巡查志愿者和圖書館館員等類型讀者，問卷中要求受訪者對以上變量進行重要性排序，可以選擇備選變量替換其他變量。收集到的變量通過SPSS軟件匯總整理。至2016年9月，共收到問卷調(diào)查320份，有效問卷295份。最終確定的實證變量見表1。根據(jù)統(tǒng)計結(jié)果和問卷調(diào)研增加變量的建議，讀者行為屬性增加“選座方式”“預(yù)約次數(shù)”字段，這兩個字段顯示了讀者在座位使用行為上的自助程度及對座位資源的需求強烈程度，能反映讀者在座位使用中的行為差異。

3 實證分析

3.1 數(shù)據(jù)獲取及樣本基本特征

本研究以筆者所在圖書館的座位管理系統(tǒng)為實證對象。系統(tǒng)自2013年部署與實施以來，為讀者提供1600個座位，支持讀者通過網(wǎng)上自助預(yù)約、圖書館微信公眾號預(yù)約和APP預(yù)約等三種方式，讀者入館時通過刷卡門禁系統(tǒng)自動激活座位。每個座位可提供從上午8時到晚上22時的使用時限，以1小時為最小時長單位，讀者可根據(jù)自己的使用需求進行預(yù)約和現(xiàn)場刷卡選座。同時引入失約懲罰機制，2次連續(xù)失約、7天內(nèi)失約3次和7天內(nèi)提前離場未返回3次均被列入黑名單7天。系統(tǒng)運行3年多來，有效緩解了占座現(xiàn)象，座位利用率得到顯著提高。

表1 高校座位管理系統(tǒng)讀者行為分析變量

為有效跟蹤讀者在座位管理系統(tǒng)的行為變化，基于讀者細分即“一個讀者不能同時屬于兩個細分群體”的前提條件，且考慮到單個讀者在不同學(xué)年的選座行為會伴隨著系統(tǒng)熟練程度、學(xué)習(xí)需求和學(xué)年安排等因素發(fā)生變化，故此結(jié)合前述的研究思路，數(shù)據(jù)獲取分為兩個部分：第一部分選取2015-2016學(xué)年(即2015年9月至2016年7月)的讀者選座行為數(shù)據(jù)作為聚類分析的樣本數(shù)據(jù)；第二部分選取2016-2017學(xué)年(即2016年9月至2017年7月)的讀者選座行為數(shù)據(jù)對聚類的細分結(jié)果進行對比跟蹤分析。

根據(jù)表1確立的行為變量表，第一部分數(shù)據(jù)獲取方法如下：通過MySQL工具從座位管理系統(tǒng)后臺獲取讀者的借書證號、性別、年級和專業(yè)等人口統(tǒng)計特征數(shù)據(jù)組成“讀者信息表”；然后以“讀者ID”為主關(guān)鍵字，實證選座時間限定為2015年9月至2016年7月，依次累加統(tǒng)計每位讀者的“選座次數(shù)”“使用時長”和“預(yù)約次數(shù)”，建立“讀者選座行為特征表”。之后，通過SPSS軟件進行表合并操作，共獲得有效數(shù)據(jù)17977條。為保證數(shù)據(jù)分析的有效性，對獲取的所有數(shù)據(jù)進行缺失值分析、重復(fù)值記錄刪除和異常值分析處理等操作，最后獲得有效的讀者選座行為數(shù)據(jù)為17845條。據(jù)此方法對第二部分即2016年9月至2017年7月數(shù)據(jù)進行清理，共獲得有效的讀者選座行為數(shù)據(jù)17252條。

對獲得的第一部分數(shù)據(jù)，按照人口統(tǒng)計特征進行描述性分析，本科生、研究生和教師的比例分別為95.6%、3.3%和1.1%，而本科生中大三、大四選座的人數(shù)比例分別為27.1%和29.4%，高年級入館選座比例較高。專業(yè)方面，文科專業(yè)和理科專業(yè)比例適中，各占比為49.4%和48.3%，藝術(shù)類為2.3%。選座方式的比例中，全年到館現(xiàn)場預(yù)約79.4%，通過APP和微信公眾號預(yù)約為20.6%。

3.2 帕累托分析

座位管理系統(tǒng)的帕累托分析立足通過定量分析的方式獲取圖書館座位資源被利用的情況，從而全面把握座位資源的使用效率和圖書館讀者的大部分需求。使用時段是座位資源最核心的屬性，座位資源的分配本質(zhì)就是以最均衡和高效的方式將座位的單位使用時間提供給每位讀者。故此，“常用時段”和“常用月份”兩個行為屬性最能反映座位資源的利用率，讀者每天對于當日座位資源的總體需求可通過“選座次數(shù)”字段值的高低體現(xiàn)需求的強烈程度。借助SPSS軟件的累積效應(yīng)分析，獲取的讀者行為結(jié)果如圖2所示。

按照帕累托定律的累積效應(yīng)分析，“常用時段”基本符合二八定律，“常用月份”傾向于四六法則。從圖2(a)可以看出，每日選座時段80%集中于8時、18時、9時和19時等4個時段。對時段的使用時長進行累加，以圖書館2015年開放290天為基數(shù)，平均每個座位使用時長為4小時。從圖2(b)可以發(fā)現(xiàn)，80%讀者入館集中在12月、6月、11月、7月和10月。直觀來看，這幾個月份的密集選座均跟期末復(fù)習(xí)迎考、圖書館空調(diào)環(huán)境和復(fù)習(xí)氛圍等因素密切相關(guān)。

圖2 高校圖書館座位管理系統(tǒng)的總體行為特征分析

從上述基于讀者選座行為字段的帕累托分析來看，“常用月份”“常用時段”基本符合帕累托定律。因此，針對每日的高頻率選座時段，高校圖書館可以多投入館員、學(xué)生志愿者以及讀者服務(wù)中心成員等參與督導(dǎo)，引導(dǎo)讀者的選座行為形成規(guī)范并自助化。而每年的高峰期月份，頻繁通過APP和微信選座的讀者提前預(yù)約量激增，此時圖書館可加強后臺技術(shù)服務(wù)保障，在自助化選座的各個系統(tǒng)環(huán)節(jié)和業(yè)務(wù)聯(lián)動上充分給予保障，以確保座位管理系統(tǒng)的可靠性和易用性。從宏觀視角看，圖書館“一座難求”的現(xiàn)象集中于每年高頻月份(6月、7月、11月和12月)，每日入館選座高峰期集中于上午(8時、9時)和晚上(18時、19時)，圖書館有限的座位資源與讀者無限的選座需求之間矛盾將長期共存，高校圖書館應(yīng)及時做好高峰期選座告知、讀者分流和讀者群體細分，這對于提高讀者使用座位資源的滿意度大有裨益。

3.3 聚類分析

3.3.1 K-Means聚類

本節(jié)對第一部分數(shù)據(jù)即2015-2016學(xué)年的讀者選座行為數(shù)據(jù)進行聚類分析。從3.1節(jié)中得知，獲得的有效讀者選座行為數(shù)據(jù)為17845位讀者數(shù)據(jù)。根據(jù)“組內(nèi)行為特點相似、組間行為差異大”的聚類規(guī)則對選座的讀者群體展開細分。聚類結(jié)果產(chǎn)生的各個差異群體可以為圖書館管理者提供較為清晰的細分群體特征。為此，以表1確立的“基礎(chǔ)數(shù)據(jù)表”字段為分析對象，選取與選座行為屬性相關(guān)的為聚類字段，剔除“常用時段”“常用月份”“選座方式”等不能等級排序的靜態(tài)屬性，采用K-Means聚類算法對以上字段聚類，由于聚類的變量存在量綱不一致且差異較大，因此對聚類變量采用量綱標準化處理。其次，基于K-Means聚類算法容易受到初始聚類中心隨機選擇的影響而導(dǎo)致聚類結(jié)果不佳，本節(jié)嘗試聚類結(jié)果為3至6，采用判別分析法對每個聚類結(jié)果進行純度回代檢驗，選取分類概率識別正確最高的聚類結(jié)果為最終聚類中心。每個聚類的判別分析和最終的聚類中心如表2所示。

表2 K-Means聚類結(jié)果F值及判別分析正確分類概率

依據(jù)上述聚類結(jié)果，根據(jù)判別分析的概率值逐步下降的變化情況，選取聚類個數(shù)為3，獲取的最終聚類中心如表3所示。

以表3中3個聚類在5個行為屬性的均值為參考值，根據(jù)其聚類特征可將該3類讀者命名為如下3個差異群體：

群體Ⅰ：選座高頻型讀者(688人，3.9%)。該群體的讀者比例雖少，但使用座位時間占全年圖書館總時數(shù)的25.49%。使用座位時間年均733小時以上。

表3 2015-2016學(xué)年讀者聚類中心

群體Ⅱ：選座低頻型讀者(13148人，73.7%)。該群體的讀者比例最高，但使用座位時間僅占全年圖書館總時數(shù)的22.81%。使用座位時間年均僅33小時。

群體Ⅲ：選座階段型讀者(4009人，22.4%)。該群體的讀者比例不足三分之一，但使用座位時間占全年圖書館總時數(shù)的51.7%。使用座位時間年均229小時。

3.3.2 群體總體差異性分析

對于上述3個聚類群體，本研究采用卡方檢驗分析不同群體在性別、專業(yè)和年級等分類變量上是否存在顯著差異。性別在群體中的差異屬于常規(guī)的人口統(tǒng)計應(yīng)用中一個重要的研究內(nèi)容，以群體分類和性別放入SPSS描述性統(tǒng)計分析中進行卡方檢驗，sig=1.00(＞0.05)，說明性別變量不存在顯著性差異。專業(yè)變量的卡方檢驗P=0.000(＜0.05)，存在顯著性差異。從圖3(a)專業(yè)變量與聚類群體的對應(yīng)分析發(fā)現(xiàn)，選座高頻型讀者主要集中于經(jīng)濟學(xué)、法學(xué)和文學(xué)類專業(yè)。以年級變量展開的卡方分析中，P=0.000(＜0.05)，也存在顯著性差異，這表明本科生到研究生、教師的年齡成長順序和伴隨圖書館使用熟悉程度的遞增存在強相關(guān)。通過圖3(b)的對應(yīng)分析可以發(fā)現(xiàn)，大四和研究生是高頻選座的主要群體，基于復(fù)習(xí)迎考的大二和大三是階段型選座的主力群體，而大一、教師和校友則是低頻選座的主要群體。因此，若要實施圖書館座位資源精細化服務(wù)，就必須結(jié)合專業(yè)和年級因素，每個細分群體的服務(wù)策略才能更加有效和精細化。

圖3 高校座位管理系統(tǒng)細分群體的交叉分析

采用ANOVA單因素方差分析對“最常用時段次數(shù)”“最常用月份次數(shù)”“預(yù)約次數(shù)”等變量在3個群體中展開顯著性差異分析，三個變量的P=0.000(＜0.05)，均存在顯著性差異。通過三個變量的對應(yīng)分析發(fā)現(xiàn)(限于篇幅不列舉具體圖例)：高頻選座群體提前預(yù)約座位已成為其入館使用座位的習(xí)慣行為；階段型選座群體的預(yù)約次數(shù)與每個月份圖書館座位資源形成負關(guān)系；低頻選座群體只存在少數(shù)預(yù)約的情況，結(jié)合常用時段來看，該群體讀者大多選擇到館選座。

3.3.3 群體特征與服務(wù)策略討論

選座高頻型讀者：該群體高年級讀者較多，采用提前預(yù)約方式的居多，且比較習(xí)慣于使用APP預(yù)約，入館時間集中在早8時和晚18時，各個月份不存在顯著性差異。座位使用的高頻率與讀者利用圖書館的習(xí)慣、學(xué)業(yè)任務(wù)、升學(xué)、公務(wù)員考試、教師招考等相關(guān)。該群體是座位管理系統(tǒng)的成熟階段型讀者，他們熟悉各項自助選座功能，無違約記錄和進入黑名單情況。針對此類群體，建議結(jié)合圖書館空間特點，在座位管理系統(tǒng)的空間設(shè)置上采取集中區(qū)域選座，增加常用座位快速預(yù)約功能。并在系統(tǒng)上引入讀者履約積分制，積累的積分可兌換圖書館其他業(yè)務(wù)系統(tǒng)的成長值，該群體的示范帶動將引導(dǎo)其他細分群體向此類型轉(zhuǎn)化。

選座低頻型讀者：該群體的預(yù)約時段集中在第四季度的早8時和晚18時，該群體在選座月份、選座時段、專業(yè)和年級上分布不存在顯著性差異，大部分是到館選座，提前預(yù)約較少。可判斷該群體是座位管理系統(tǒng)的低頻型讀者，流動性大且易流失。針對此類群體，隨著讀者使用座位需求的增長與變化，高校圖書館可采取加強座位系統(tǒng)使用宣傳、社交平臺及時收集選座問題反饋和選座攻略密集推送等多種積極的關(guān)系維系營銷策略，縮短讀者自助選座的磨合期。同時，可借助系統(tǒng)向讀者提供常用座位快速選取、提前預(yù)約座位和推送微信選座等便捷選座服務(wù)，提高讀者的選座效率。

選座階段型讀者：該群體讀者選座時段集中于第四季度的上午8時、9時和晚上18時、19時，常用選座月份集中于6月、7月和12月，結(jié)合高校讀者專業(yè)學(xué)習(xí)階段和復(fù)習(xí)迎考氛圍的特點，可判斷其為選座階段型讀者。對于該群體讀者，當圖書館出現(xiàn)選座高峰期時，按照公平原則優(yōu)先保障預(yù)約座位的讀者，借助社交媒體及時疏導(dǎo)和告知無法選座的讀者，分流到校內(nèi)其他教學(xué)區(qū)域?qū)W習(xí)。該群體的規(guī)模人數(shù)超過圖書館座位資源總數(shù)，當圖書館座位一座難求時，此群體的讀者滿意度會有所下降。有座必選是該群體的主要特征。為此，針對上下兩個時段的選座高峰期情況，應(yīng)及時告知讀者要關(guān)注圖書館大屏幕、網(wǎng)站頁面和APP上動態(tài)顯示的座位余量情況，提醒讀者擅用隨機派座功能，系統(tǒng)管理員調(diào)整座位管理策略，例如縮短提前取消預(yù)約的時長限制、延長提前簽到的分鐘數(shù)和中途離場產(chǎn)生的座位回收時限等精細服務(wù)，從而應(yīng)對此類讀者的碎片化選座特征，提高單一座位分時段多次被預(yù)約的效率。

3.4 服務(wù)策略實施后的行為跟蹤分析

根據(jù)上述討論的服務(wù)策略，筆者所在圖書館于2016年8月對座位管理系統(tǒng)進行升級與優(yōu)化，調(diào)整空閑座位釋放與回收的事務(wù)邏輯，系統(tǒng)后臺增加手動調(diào)配現(xiàn)場選座和場外預(yù)約的座位資源配比，研發(fā)圖書館官方微信公眾號上的現(xiàn)場選座功能。對改進服務(wù)策略之后的第二部分讀者選座行為數(shù)據(jù)采用帕累托分析，“常用時段”仍然符合二八定律，“常用月份”接近于四六法則，這說明當前圖書館的空間資源與讀者的使用需求不對等的矛盾依舊存在。按照本文確立的K-Means聚類方法對其展開分析，聚類個數(shù)仍為3，聚類結(jié)果如表4所示。

表4 2016-2017學(xué)年讀者聚類中心

將表4與表3的聚類結(jié)果對比發(fā)現(xiàn)，3個差異群體比例基本保持一致，說明前述聚類分析的結(jié)果合理，比較符合圖書館的座位管理實踐。從聚類結(jié)果的均值來看，聚類1代表的選座高頻型讀者群體在“選座次數(shù)”的均值發(fā)生質(zhì)心負偏離，這是因為引入了圖書館微信公眾號快速選座的服務(wù)改進策略，提前預(yù)約座位功能在此類群體得到大范圍使用，現(xiàn)場觸摸屏選座方式較少，該讀者相對上學(xué)年的比例提升不少。聚類2代表的選座低頻型讀者與上學(xué)年聚類結(jié)果在均值上基本保持不變，但讀者比例有所下降。聚類3代表的選座階段型讀者群體在預(yù)約次數(shù)和選座次數(shù)的均值提升較大，這得益于服務(wù)策略實施了系統(tǒng)選座效率優(yōu)化、APP用戶體驗改善、座位回收時限縮短和延長讀者提前簽到時長等細節(jié)性控制。

將兩學(xué)年的選座行為數(shù)據(jù)以“讀者借書證號”為關(guān)鍵字進行內(nèi)部關(guān)聯(lián)和各字段數(shù)值對比分析，可跟蹤發(fā)現(xiàn)讀者行為和細分群體身份轉(zhuǎn)變發(fā)生如下變化：在新的群體Ⅰ(選座高頻型讀者)結(jié)果中，從群體Ⅱ(選座低頻型讀者)轉(zhuǎn)換過來的有473位讀者，從群體Ⅲ(選座階段型讀者)轉(zhuǎn)換過來的有444位讀者。從各個字段的數(shù)值變化來看，微信或者APP選座為群體Ⅰ的顯著行為特征，現(xiàn)場選座比例減少2/3，學(xué)年使用時長均值達到854小時以上，這說明在實施有效服務(wù)策略后，選座高頻型讀者群體數(shù)量遞增，該群體雖流失192位讀者，但加上留存讀者380位，讀者群體轉(zhuǎn)化率較高。在新的群體Ⅱ結(jié)果中，從群體Ⅰ轉(zhuǎn)換過來的有75位讀者，均是高年級或即將畢業(yè)的讀者。有4773位讀者仍留存在此群體中，985位讀者從群體Ⅲ轉(zhuǎn)換到群體Ⅱ中，從字段數(shù)值變化對比來看，預(yù)約次數(shù)提高9倍，學(xué)年使用時長減少一半，微信或者APP的選座方式比例提高20%。在新的群體Ⅲ結(jié)果中，從群體Ⅰ轉(zhuǎn)換過來的有117位讀者，從群體Ⅱ轉(zhuǎn)換過來的有1986位讀者，留存在群體Ⅲ中的有879位讀者，整體預(yù)約次數(shù)遞增，現(xiàn)場觸摸屏選座方式較為常用，學(xué)年使用時長翻倍，達到學(xué)年內(nèi)的294小時。從以上三個群體的對比分析可以看出，根據(jù)前述首次聚類分析提出的精細化服務(wù)改進策略帶來了后續(xù)每個群體更好的圖書館座位服務(wù)用戶體驗，讀者座位自助管理的習(xí)慣正逐步形成。

4 結(jié)語

本研究旨在將帕累托分析和K-Means聚類應(yīng)用于高校圖書館座位管理系統(tǒng)的讀者行為分析。研究結(jié)果表明，圖書館座位資源的利用需求并非存在均等分布，對讀者選座行為屬性的“常用月份和常用時段”進行分析，發(fā)現(xiàn)其基本符合帕累托定律，造成此種不均等分布的根源在于讀者對于高校圖書館的基本定位為復(fù)習(xí)迎考的最佳氛圍和舒適的空間環(huán)境。這就意味著，高校圖書館要從宏觀角度上增加座位資源才能緩解一座難求的困境，目前可從改善座位管理系統(tǒng)的用戶體驗，發(fā)布選座攻略和提高空閑座位釋放效率等方面優(yōu)先保障最急需的讀者。本文從后續(xù)學(xué)年的讀者選座行為跟蹤分析也證實了這一點。從聚類分析獲取的3個差異群體來看，長期使用座位的讀者比例不高，階段性選座的群體集中于6月、7月和12月，高校圖書館一座難求的困境不可避免，必須通過差異化的服務(wù)組合和精細化的系統(tǒng)管理策略有針對性的改善選座體驗。而后通過得出的改善性服務(wù)策略落實到系統(tǒng)的升級完善、社交平臺功能擴展和功能優(yōu)化控制等有效措施，從再次獲取的聚類結(jié)果來看，讀者選座行為得到有效的優(yōu)化和引導(dǎo)，高校圖書館座位資源的自助服務(wù)得到進一步優(yōu)化和提升。

本研究不可避免存在局限性，未來研究將擴大樣本數(shù)和比較分析同類師范院校圖書館的座位管理系統(tǒng)的讀者選座行為，以提高分析結(jié)論的可適用性。在分析范圍上擴展和綜合圖書館門禁系統(tǒng)、圖書借閱系統(tǒng)和電子資源訪問控制系統(tǒng)等其他業(yè)務(wù)系統(tǒng)的讀者行為數(shù)據(jù)，以期更加全面和系統(tǒng)地分析讀者在圖書館的使用行為特征。

[1]譚丹丹，孫陽陽，劉金濤，等.大學(xué)圖書館閱覽座位利用及管理優(yōu)化研究：以上海財經(jīng)大學(xué)圖書館為例[J].上海高校圖書情報工作研究，2012（4）：47-53.

[2]陳鷹.高校圖書館座位的設(shè)置優(yōu)化及管理[J].圖書館論壇，2009（4）：164-166，111.

[3]童麗琴，丁小琴.淺談高校圖書館閱覽室座位“實名制”管理：以華中科技大學(xué)武昌分校圖書館為例[J].高校圖書情報論壇，2011（4）：38-40.

[4]王祥斌.基于讀卡器時分復(fù)用技術(shù)的自習(xí)室座位管理系統(tǒng)設(shè)計研究[J].情報探索，2011（12）：99-101.

[5]王立峰，鄭燕林.與門禁聯(lián)動的座位管理系統(tǒng)設(shè)計與實現(xiàn)[J].圖書情報工作，2013（13）：106-109.

[6]陳武，錢青，趙熊，等.清華大學(xué)智能座位管理系統(tǒng)的設(shè)計與實現(xiàn)[J].現(xiàn)代圖書情報技術(shù)，2013（10）：90-95.

[7]王守紅.高校圖書館自習(xí)座位管理系統(tǒng)設(shè)計[J].大學(xué)圖書館學(xué)報，2010（2）：38-40.

[8]謝紅，王炳江.基于VB的圖書館閱覽座位管理系統(tǒng)的開發(fā)及應(yīng)用[J].圖書館論壇，2010（5）：58-60.

[9]程坤，王麗麗.圖書館座位資源管理系統(tǒng)研究與應(yīng)用：以哈爾濱理工大學(xué)圖書館為例[J].上海高校圖書情報工作研究，2012（3）：44-48.

[10]陽淑華.揭秘湖南師大圖書館“反占座神器”[EB/OL].[2017-04-06].http：//www.hunnu.edu.cn/info/1011/24615.htm.

[11]郝亞楠，邵紅宇.高校圖書館座位管理系統(tǒng)的利與弊[J].晉圖學(xué)刊，2014（4）：17-20.

[12]吳開明，李淑敏.高校圖書館占座現(xiàn)象的博弈分析[J].大學(xué)圖書館學(xué)報，2015（6）：38-44.

[13]王瑋.帕累托原則與阮岡納贊圖書館學(xué)五定律[J].圖書與情報，2002（1）：7-9.

[14]王君學(xué).圖書館學(xué)五定律、帕累托原則與4Rs理論[J].現(xiàn)代情報，2006（5）：171-172，179.

[15]楊秀敏.基于帕累托定律的圖書館讀者服務(wù)策略研究[J].圖書館研究，2013（2）：68-70.

[16]黃艷芬.基于帕累托原則的高校圖書館文獻信息資源配置[J].圖書館論壇，2007（2）：114-116.

[17]曲皎，張瑜.DEA方法在高校圖書館技術(shù)效率評價中的應(yīng)用——基于二十五所985院校的實證分析[J].大學(xué)圖書情報學(xué)刊，2015（1）：46-49.

[18]劉立云，雷宏振，邵鵬.高校圖書館座位資源配置的帕累托優(yōu)化解決方案[J].圖書情報工作，2012（5）：102-105.

[19]吳夙慧，成穎，鄭彥寧，等.K-means算法研究綜述[J].現(xiàn)代圖書情報技術(shù)，2011（5）：28-35.

[20]宋楚平，李少芹.一種K-Means改進算法在圖書館主題挖掘中的應(yīng)用研究[J].情報理論與實踐，2014（11）：120-123.

[21]李萍.基于Hadoop的K-Means聚類算法在高校圖書館工作中的應(yīng)用研究[J].圖書情報論壇，2014（2）：30-35.

[22]鞠秀芳，孫建軍，鄭彥寧，等.基于K-means聚類的期刊操控引用行為特征指標研究[J].圖書情報工作，2013（3）：114-119.

[23]孫敏杰，吳振新.基于用戶行為聚類的人物角色量化模型創(chuàng)建實證研究[J].現(xiàn)代圖書情報技術(shù)，2010（12）：15-20.