基于爬蟲系統的省級公共圖書館微信平臺運用調查

謝 輝

0 前言

近年省級公共圖書館(以下簡稱“省館”)紛紛開通微信公眾號服務平臺(以下簡稱“微信公眾號”)，學者開始研究圖書館微信公眾號運營情況。張正等[1]認為，微信為擴展圖書館服務范圍、方式和內容提供了新途徑。郭春俠等[2]調查31家省館微信公眾號現狀，指出服務功能設置和服務水平良莠不齊。整體而言，關于省館微信公眾號的研究側重于應用現狀、功能等方面；而關于微信公眾號服務情況及數據分析等定量研究較少。為此，本研究采集2016年5月1日至2017年5月1日各省館微信公眾號推送的文章、文章閱讀量、發布時間等作為研究數據，構建微信傳播指數WCI評價指標體系，并針對試驗數據，從宏觀和實例角度探討省館微信公眾號服務現狀及存在問題。

1 研究過程

1.1 數據源選擇

本研究數據來自清博指數。清博指數是我國最大的第三方新媒體搜索引擎、微信數據庫，其收錄的數據包括頭條閱讀量、發布時間、總閱讀量、詳細內容、總點贊數、最多閱讀文章、圖文消息鏈接、當日閱讀量、最近一周閱讀量等。依托該平臺，本研究統計分析各省館微信公眾號推送文章的傳播量、覆蓋度、賬號成熟度和影響力等。

1.2 數據收集

1.2.1 爬蟲系統原理及架構

網絡爬蟲(Web Crawler)是一種用于自動提取網絡信息的工具，主要利用C/C++、Java、Python、Perl等程序語言撰寫，自動抽取網頁并保存在數據庫中，以作為分析或數據探勘使用。網絡爬蟲基本架構見圖1[3]：首先提取程序(Fetcher)抓取HTML文件，并將HTML文件內容放進控制器(Controller)分析；當超鏈接被搜尋到后，將被鏈接提取程序抽取出來建立增加新節點到網絡爬蟲的工作量中，可視為數據結構的隊列方式；然后將抽取的HTML文件或想獲得的信息通過匯總程序存入數據庫，直到網絡爬蟲工作量內沒有要接入的節點之后結束。一般而言，網頁搜尋策略方式有4種：IP地址搜尋方法、廣度優先、深度優先和最佳優先策略。

圖1 網絡爬蟲系統架構圖

1.2.2 微信爬蟲系統設計

為方便采集各館微信公眾號推送文章及相關數據，以Python語言為基礎，構建微信公眾號爬蟲系統，主要步驟：(1)統計各館微信公眾號開通情況。通過網上搜索查詢和篩選，獲得32個省館微信公眾號。(2)通過微信公眾號爬蟲系統搜尋2016年5月1日至2017年5月1日32個館微信公眾號推送的文章、閱讀量、點贊率、鏈接地址等數據，將其放到非關系型數據庫MongoDB的URL_list集合中進行存儲，通過爬蟲系統搜尋推送文章的鏈接地址、文章標題和內容，同樣存儲在URL_list集合中。(3)導出文件。從數據庫中導出推送文章鏈接地址和文本內容數據，以URL.CSV和INFO.CSV格式進行分析使用。

1.3 數據處理

1.3.1 篩選重復數據

利用EXCEL中COUNTIF函數篩選重復的文章鏈接地址，將其刪除。浙江省館和云南省館均開通微信訂閱號和服務號，因此，將其鏈接地址及內容數據合并在同一個賬號下。由于URL.CSV文件中有24條被發布者刪除或內容被舉報而無法查看的記錄數據，將其進行刪除，剩余8065條微信公眾號推送文章的鏈接地址記錄，INFO.CSV文件做相應的刪除修改，導出數據8065條鏈接地址，包含文本內容、標題、摘要、點贊數、推送時間等數據。

1.3.2 基于Tableau的數據分析

Tableau是一款可視化數據分析產品。本研究將篩選后的數據導入Tableau中進行分析，結合WCI對各館微信公眾號推送文章位置、日期、時間、傳播指數排名、推送時間、推送內容等指標數據進行統計分析。部分數據見圖2。

2 調查實踐及結果分析

2.1 宏觀分析

2.1.1 區域推送數量

為直觀地展示各館地理位置及其推送文章情況，利用EXCEL工具將各館微信公眾號推送文章數量在地圖相應位置上進行標記。從圖3可以看出，江蘇、湖南、黑龍江等省館微信公眾號推送文章數量最多，分別達1325篇、1103篇、850篇。分區域看，東部和南部省館微信公眾號推送文章數量明顯較西部和北部多，表明各館微信平臺運行狀況與當地經濟水平有直接的關系。

2.1.2 推送時間的選擇

圖2 各省館公眾號采集數據(部分)

圖3 省館微信公眾號文章推送量分布

根據爬蟲遍歷得到的文章推送日期和數量，得出各館微信公眾號推送文章數量隨月份變化情況，見圖4。2016年12月推送最多，可能逢元旦假期，活動增多；其次是9月、11月推送較多；10月出現低谷，可能與國慶假期有關，影響微信管理人員推送文章。2016年與2017年上半年和對應的下半年相比，上半年微信平臺活躍度不如下半年。2.1.3 時間選擇

圖4 各省館月均推送數量

根據爬蟲搜尋得到各館推送文章及其推送時間段，以24小時為橫坐標，各時間段所有館推送文章數量的平均數作為縱坐標軸，數據計算結果見圖5。由圖5可見，各館0-6點推送文章最少，與工作人員作息保持一致。在上午和下午工作時間段推送數量隨時間推移增多，分別在12時和17時達到高峰。13時、14時推送數量出現低谷，這與午休時間相符。在晚上時間段，各館平均推送文章的數量出現隨時間推移而遞減趨勢，23時達到最低點，這和作息時間相符。

2.2 實例分析

2.2.1 微信公眾平臺開通現狀

截至2017年5月1日，32家省館全部開通微信平臺且完成認證，見表1。其中首都圖書館、天津圖書館、河北省圖書館、黑龍江省圖書館、山東省圖書館、湖南圖書館、浙江圖書館、上海圖書館等8家開通了兩個微信平臺。山東省圖書館只有一個公眾號“山東省圖書館資訊平臺”通過認證，另一個公眾號是“山東省圖書館”，顯示尚未認證。

表1 省館微信平臺開通情況

圖5 各時段推送數量統計

圖6 省館微信平均閱讀量、平均點贊數統計

圖7 省館微信推文數量統計

2.2.2 推送文章情況分析

整理分析2016年5月1日至2017年5月1日各館微信公眾號推送文章的數量、平均閱讀量、平均點贊量(見圖6和圖7)。鑒于數據完整及公眾號的穩定性、可查詢性等原因，剔除無效的公眾號數據，本文最終選取了27個公眾號進行研究。推送數量前4位是湖南圖書館、黑龍江省圖書館、甘肅省圖書館和浙江圖書館，均超過400篇，湖南圖書館更達到1103篇。各館微信公眾號平均閱讀量是指所有文章閱讀量總和除以文章推送數量求得的平均值，平均閱讀量超過1000次的包括湖南、湖北和山東3個省館，湖南圖書館平均閱讀量達5734次。平均點贊數是指各館微信公眾號推送文章的點贊總數除以文章數量所求得的平均值，湖南、四川、山東、吉林4個省館推送文章的平均點贊數最高，均超過1000個，其中湖南圖書館達5734個。

2.2.3 推送時間

選取湖南、四川、黑龍江、甘肅、浙江5個省館微信平臺服務數據進行統計分析，得到圖8。縱坐標用于說明各館推送文章時間段的選擇和平均閱讀量，橫坐標為一天內各時段。5家省館微信公眾平臺推送文章均在12時和15時達到高峰，且12時推送數量遠高于其他時段，其中浙江圖書館12時推送文章數量僅次于湖南圖書館，17時甘肅省圖書館推送文章數量排名第二。

圖8 各省館各時段推送文章數量及閱讀量均值統計

雖然湖南圖書館將12點作為推送文章的首選時間段，但平均閱讀量并非處于全天最高峰，全天閱讀最高峰出現在16-20時，說明用戶在下午及晚上時段的關注度更高。甘肅省圖書館與黑龍江省圖書館的平均閱讀量均較低，說明微信平臺推送文章數量與閱讀量并非正相關，但與推送時間關系較密切，且閱讀量較大的時間段集中在下午及晚上時間段。因此，各館微信管理人員應在考慮讀者閱讀時間選擇的基礎上，提高文章推送效率，選擇更加合適的時間進行推送。

2.2.4 推送內容

對湖南、四川、黑龍江、甘肅、浙江等5家省館推送文章的閱讀量進行排名，選擇排名前4的文章，排名結果見表2。

表2 微信號高閱讀量文章統計

湖南圖書館微信公眾號排名前五的文章閱讀量均遠高于其他館。其中，排名第一的《父母尚在茍且，你卻炫耀詩和遠方》閱讀量超過11萬，該文受到如此大的關注，主因是標題和內容觸動了各年齡段人們的情感；排名第二的《他是買下十套學區房卻一天也沒住過的任性買房者，也是一個你完全想象不到的童話大王》與熱點話題緊密相關；其余文章也與熱門話題相關，閱讀量均超過5萬。

四川省圖書館上榜4篇文章中，3篇與南海軍事熱門話題密切相關。甘肅省圖書館上榜的4篇文章以心靈雞湯為主，引導人們樂觀向上，這與人們壓力過大，需要給予開導有關。黑龍江省圖書館和浙江圖書館推送的文章大多為通知、寫作，較少涉及熱點話題，關注度不高，閱讀量較低。

2.3 微信傳播指數分析

2.3.1 微信傳播指數概述

微信傳播指數(Wechat Communication Index，WCI)由清博新媒體指數團隊開發，全面反映微信公眾平臺推送文章的覆蓋度、傳播范圍及其影響力，具有權威性和可靠度。WCI常用指標架構系統及標準化得分的計算公式(見圖9)。系統抓取時間一般為系統每日更新賬號前一天發布的文章及其閱讀數。閱讀數量在每日12：00左右更新，統計數據在每天15左右更新，日榜數據采用文章發布第二天的數據進行計算，每天14點左右發布日榜，周榜數據通常為清博指數，設定周日到周六為一周的統計周期。頭條總閱讀數為某賬號當期所有頭條文章閱讀數總和，總閱讀數為某賬號當期所有文章閱讀數總和。平均閱讀數為總閱讀數除以某賬號當期發布文章數，總點贊數為某賬號當期所有文章點贊數總和，平均點贊數為總點贊數除以某賬號當期發布文章數，最大閱讀數為某賬號當期最高閱讀數，最大點贊數為某賬號當期最高點贊數，點贊率為總點贊數除以總閱讀數。圖9R為評估時間段內所有文章(n)的閱讀總數；Z為評估時間段內所有文章(n)的點贊總數；d為評估時間段所含天數(一般周取7天，月度取30天，年度取365天，其他時間段以真實天數計算)；n為評估時間段內賬號所發文章數；Rt和Zt為評估時間段內賬號所發頭條的總閱讀數和總點贊數；Rmax和Zmax為評估時間段內賬號所發文章的最高閱讀數和最高點贊數。

圖9 WCI通用指標體系架構及計分方式

2.3.2 WCI評價指標體系構建

為綜合評價各館微信公眾號整體服務水平和質量，選取2016年5月1日至2017年5月1日的統計數據作為實驗樣本，采用總閱讀數R、總點贊數Z、發布文章數N、各省館微信平臺當期最高閱讀數Rmax、該賬號最高點贊數Zmax等作為評價各館微信公眾平臺綜合服務水平的指標數據來源，構建微信傳播指數WCI評價指標體系，詳見圖10。

圖10 微信傳播指數WCI評價指標體系

借鑒WCI權重分配標準[8]來確定WCI評價指標體系中的權重系數，選擇總閱讀數≥1000、＜小于1000兩種情況，確定不同條件下各指標權重系數(見表3、表4)。

表3 WCI計算公式(總閱讀數≥1000)

表4 WCI計算公式(總閱讀數＜1000)

結合實際情況，得出微信傳播指數WCI的計算公式。

2.3.3 評價結果分析

從表5看出，湖南圖書館微信傳播指數遠遠高于其他館；四川省圖書館、甘肅省圖書館排名第二、第三，且與其剩余館微信傳播指數相差較大，說明微信平臺服務水平和質量較高。黑龍江省圖書館、浙江圖書館推送文章數量排名第二、第四，但微信傳播指數排名第八、第十，排名相對靠后。

3 省館微信平臺建議與應用拓展

3.1 均衡分配，維持黏性

各館微信平臺平均推送文章數量差異較大，其中湖南圖書館以1136篇高居榜首，黑龍江省圖書館、甘肅省圖書館和浙江圖書館均超過500篇，遠超其他館。通過線下調研，發現各館微信運用人力資源分配不均衡。統計分析各館微信平臺推送文章數量和推送時間，各館推送數量最多的月份為2016年12月，其次為9月和11月；上半年推送數量明顯低于下半年。由于用戶對微信平臺的關注度主要依賴文章更新以及文章高熱點性，因此應重視微信平臺人力資源建設，提升用戶對微信平臺的依賴性。

3.2 善用指數，合理評價

綜合考量各館微信公眾號推送文章數量、閱讀數、點贊數等各指標，可知各館微信平臺服務水平和質量存在差異性，說明各館微信平臺運行能力良莠不齊，不同館面臨的問題以及急需改進的問題均不相同。因此，有必要建立科學的微信平臺服務水平評價指標體系，通過評價結果來指導各館改進微信平臺服務質量。

表5 省館微信WCI統計

3.3 原創為主，轉載為輔

通過對湖南、四川、黑龍江、甘肅、浙江等5家省館微信傳播指數、文章推送時間段、推送內容等分析發現，獲得讀者閱讀量最多的文章有兩個共性：實時性和原創性。湖南圖書館憑借對熱點、趣聞等信息掌握的實時性，吸引大量用戶，奠定微信平臺多項指標均穩居第一的位置；四川省圖書館憑借對熱點新聞的深入解讀而提升了影響力。因此，各館可發揮自身優勢，加強原創性。

3.4 加大推送頻次，完善平臺功能

各館微信公眾號推送頻次普遍不高，需要提高推送次數，通過完善功能并開通對應接收，使訪問者與圖書館管理者實現實時互動，及時將書目等信息推送給用戶，通過公眾號對應的接口開發特色程序，包含二維碼圖書在線掃描，實現圖書查詢和借閱，替代或完成圖書館APP功能。

3.5 擴大傳播途徑

對社交網絡軟件來說，多渠道擴大影響是重中之重。圖書館可以將公眾號置于網頁最醒目的地方，或在圖書館大廳、閱覽室設置微信號二維碼掃描區域，或在微信公眾號中加強與讀者的互動，舉辦有獎征文和競技類活動，從而提高微信公眾號的影響力。

[1]張正.圖書館微信公眾平臺的構建[J].國家圖書館學刊，2014，23（2）：26-31.

[2]郭春俠，李詩琪.國內省級公共圖書館微信平臺服務探析[J].現代情報，2016，36（4）：128-133.

[3]石恩名，肖曉軍.基于云平臺的分布式高性能網絡爬蟲的研究與設計[J].電信科學，2017，43（8）：180-186.