數據驅動的數字圖書館閱讀推廣研究

陳智奇

(云南大學歷史與檔案學院，云南 昆明 650091)

1 引 言

隨著互聯網的功能日益強大和國民生活水平的日益提高，國民對網絡的使用更加普遍和頻繁，產生了大量的用戶數據。這些用戶數據能代表用戶特征，刻畫用戶行為，因此越來越成為推動各行各業的服務創新轉型的強大驅動力。早在20世紀初，先進計算領域的S.C.William[1]就關注到了數據的價值，認為數據的價值之高應該成為一門獨立學科。對于新時代的數字圖書館而言，數據驅動在簡單的數據計算思維之上，更關注用戶、服務和管理，契合圖書館精神，是數字圖書館管理理念更新和服務體系創新轉型的新路徑。另外，數字圖書館本身就是一個龐大的數據庫，豐富多元的知識數據、運行數據、交互數據集成關聯，造就了數字圖書館各項服務的大數據環境，數字圖書館應該利用好自身優勢，及時轉變思維，主動適應外部環境的改變，提高主觀能動性，進行知識服務供給側的結構性改革[2]。閱讀推廣作為圖書館服務的重要組成部分，是把館藏知識資源和讀者聯系起來的重要環節，是服務創新轉型的重點，圖書館可以通過數據主動了解用戶、熟悉用戶、優化服務，提高用戶滿意度、忠誠度和閱讀推廣有效性。具體而言，通過數據驅動機制對讀者數據的抓取和解釋，數字圖書館能準確把握讀者特征，精準匹配讀者需求與閱讀資源，成為閱讀推廣服務優化的突破點[2]。

2 數據驅動與圖書館閱讀推廣服務

2.1 數據驅動的概念

什么是數據驅動，目前尚未形成一個統一的結論。作者使用文獻調研法對研究數據驅動的文獻進行分析發現，各個領域的研究都不約而同地將其定義為一種以決策為目的的數據流機制。有研究認為數據驅動是在數據分析的客觀基礎上作出決策，而不是僅僅依靠直覺進行決策的實踐[3]；還有研究者認為數據驅動是一種以相關數據分析所得到的信息和證據為依據而制定決策的一種形式[4]。在數據驅動的應用方面，耶魯大學學者S.Tudesco[5]認為圖書館數據驅動的是圖書館員的思維活動和工作過程，是基于對客觀數據的挖掘和分析，而不是個人經驗和主觀假設。通過對以上研究的歸納，我們可以把數據驅動定義為一種強調決策的有效性并以客觀數據為基礎，通過分析所獲取的信息和知識來彌補決策者的思維短板，以提升決策各過程有效性的機制。

數據驅動是一個不斷賦予數據價值的遞進過程[7]，這個過程可以具化為：數據—信息—知識。在這個過程中，根據問題有針對性地對相關數據進行采集，然后篩選、梳理、整合這些采集來的數據，剔除干擾和無效項，使數據有序排列；對數據進行特征和趨勢分析，數據就被賦值成為信息；最后對信息進行深化挖掘和專業嵌入，得到具有專業屬性的知識。基于這一價值轉化過程，數據驅動的運行機制可概括為“指標規劃—數據采集—信息挖掘—報告產出—智慧決策”的過程。

數據驅動的價值主要有以下幾種實現途徑：1)“以史鑒今”，以歷史數據規劃先行方案，提高長效和持續性績效；2)以客觀數據為基礎，以科學的自動化程序為智能，提高決策的科學和準確性績效；3)以實際運行程序檢測決策，提高決策的實踐性績效；4)以可視化指標評價決策，促進決策不斷優化和思維的迭代更新。

2.2 數據驅動的閱讀推廣服務可行性與必要性分析

隨著“全民閱讀”進程不斷深化，促進全民閱讀成為國家的在文化方面重要的戰略部署。黨的十八大以后，政府工作報告和發展規劃綱要多次對“全民閱讀”的推進提出明確要求。2017年，國務院發布《關于〈全民閱讀促進條例(征求意見稿)〉公開征求意見的通知》，向社會各界征求意見，標志著閱讀立法已經提上日程。隨著國家對閱讀越來越重視，閱讀推廣作為“全民閱讀”實現的主要途徑和圖書館服務的核心工作之一，在全國各地圖書館蓬勃發展。

但是，根據有關部門對國民閱讀現狀的調查顯示[8]，我國2018年成年國民的綜合閱讀率為80.8%，其中數字化閱讀方式的接觸率為76.2%。在成年網民網上活動行為調查中，我國成年國民上網以閱讀新聞、社交和觀看視頻為主，娛樂化和碎片化特征明顯，深度圖書閱讀行為占比偏低。事實上，短時、碎片化的閱讀很少能形成真正的有效閱讀，更不用談能從中領會書本的要義或得到有益的啟示，從而化為影響自己觀念或指導自己行為的知識力量了。大部分人都沉浸于一種浪費時間的“無效閱讀”中。要改變這種無效，圖書館作為閱讀推廣的第一線，亟須轉變原有的閱讀推廣策略，以讀者為本，實現閱讀推廣服務的有效性優化。

數據驅動在數字圖書館的具有良好的運行環境[9]。縱向來看，數字圖書館在日常運行中積累了大量的讀者行為數據、交互數據、數字閱讀數據，有良好的數據基礎；從橫向來看，全國各圖書館間已經形成數字平臺聯盟，聯盟間有多項協同服務，比如共享數字資源，跨館一鍵式檢索、跨館參考咨詢、館際互借、文獻傳遞等[10]。穩定的數據來源渠道和豐富多元的數據基礎，是數字圖書館的天然數據優勢。鑒于此，利用數據深刻理解用戶需求、實時洞察用戶偏好，實現閱讀推廣服務創新轉型和績效提升，是可行的，也是必要的。

3 閱讀推廣服務的數據驅動機制

根據數據驅動的運行機制，結合閱讀推廣服務的實際情況，閱讀推廣的數據驅動機制如下圖1所示。

圖1 閱讀推廣的數據驅動機制

3.1 數據采集

數字圖書館的數據采集程序首先是多角度、全方位的數據指標規劃，然后抓取圖書館數據和圖書館間聯盟平臺數據，保障數據的數量基礎，刻畫讀者群體的用戶畫像[11]，最后對數據進行整理，包括格式的標準化與規范化和剔除干擾數據。具體運行時，要抓取的數據包括數字平臺的統計數據，如用戶增長統計、用戶登錄頻率統計、用戶停留時長、單次活動參與用戶量等基礎數據；還要包括用戶基本信息數據，就是用戶在平臺注冊時主動上報的個人信息，如性別、受教育程度、感興趣的標簽、愛好特長等。這個維度中的數據是用戶自定義數據，要注意數據格式化，適配分析系統的數據格式，為中期分析打下基礎；讀者來源數據也非常重要，可以準確反映熱點渠道，刻畫渠道與閱讀推廣有效性之間的相關關系，為后續選擇有效的資源投放渠道提供參考。最后是對分析數據的采集，分析數據是經過提煉和加工的高價值信息，比如在下文中提到的漏斗轉化模型中的用戶轉化率。

3.2 數據分析

數據分析是一個數據抽象的過程。閱讀推廣的實現過程是連續的、復雜的、互相影響的，而數據抽象的過程，就是將這些復雜多變的現實情況簡化為數字，搭建數據模型，計算相關因子，推斷事件歸因。

3.2.1 多維度下鉆分析。多維度下鉆分析顧名思義就是對各個維度數據的深度分析，基于用戶數據的趨勢描繪，用細粒度的分析方法精準定位閱讀推廣服務的短板，指導服務調整優化。運用多維度下鉆分析可以保證數據分析的系統性和全面性。

3.2.2 漏斗轉化模型分析。漏斗轉化分析是一個非常重要的數據分析方法，簡單來說就是以人數為統計口徑，分析關鍵路徑從第一步到最終的轉換結果和每一步之間的轉化率，轉化率事實上是對閱讀推廣服務績效的刻畫。

數字圖書館的閱讀推廣有三個要素：閱讀資源匹配、閱讀資源推廣過程、讀者閱讀體驗反饋，讀者參與圖書館閱讀推廣大概分為三個步驟：尋找目標閱讀資源、閱讀、反饋，漏斗分析模型如圖2所示。

圖2 數字圖書館閱讀推廣的漏斗模型

第一步是從查找閱讀資源到開始閱讀行為的轉化，第二步是從閱讀到產生閱讀體驗的轉化。數字圖書館在一個完整的閱讀推廣過程中獲得轉化率1和轉化率2，這兩個轉化率體現每一步之間的讀者轉化率和流失情況，體現過程中每一步有效性，可為圖書館提供一個評價閱讀推廣績效的指標，推動閱讀推廣服務改進優化。

3.2.3 落實服務。圖書館需要根據分析層產生的讀者數據，根據讀者的不同特征，實施差異化閱讀推廣：開發與讀者特征匹配的閱讀資源，精準投放至讀者常用的數字化閱讀渠道，提供個性化的線上閱讀指導。

4 數據驅動下的數字圖書館閱讀推廣服務績效優化

據上文分析可知，飛速發展的信息技術對數字圖書館的閱讀推廣服務提出了更高要求。建立數據驅動的高效閱讀推廣服務機制，只實現閱讀資源與用戶的有效聯結還遠遠不夠，還要立足于用戶的個性化需求，積極探索績效優化方法，為促進全民閱讀作出應有的貢獻。

4.1 實施精準化閱讀推廣

用戶畫像構建是實現精準化閱讀推廣服務的有效方法。用戶畫像構建[11]是在一系列真實數據的基礎之上，通過描述用戶特征、需求和偏好，構建的目標用戶模型，是用戶信息面貌的虛擬刻畫，其目標是實現精準服務。

用戶畫像構建的數據基礎是那些能全面的描述用戶特點的數據，如受教育程度、愛好特長、閱讀偏好等。其構建過程有四個階段：數據格式標準化、數據反映趨勢、用戶特征刻畫、用戶畫像描繪。數據格式標準化就是要對用戶輸入的自定義數據完成適配分析系統的格式標準化改正；描繪趨勢化就是要立足于讀者行為的動態變化分析讀者的閱讀特征；用戶特征刻畫就是根據用戶數據反映的趨勢標記用戶特征；最后基于用戶標簽，完成用戶畫像描繪。在閱讀推廣服務中應用用戶畫像有利于閱讀推廣服務宣傳精確觸及用戶；有利于數字閱讀資源匹配用戶閱讀興趣，可以提高閱讀推廣服務的精準化程度。

4.2 鞏固用戶基礎，拓寬閱讀推廣覆蓋范圍

閱讀推廣是“以人為本”的服務，用戶是一切服務設計的出發點和落腳點。鞏固既有讀者、拓展潛在讀者、吸收新讀者，擴大讀者群體，是閱讀推廣追求的目標，也是其可持續發展的基礎。

根據用戶生命周期理論[12]，用戶生命周期管理可分為六個階段：潛在用戶階段、新手階段、有效活躍階段、活躍下降階段、即將流失階段。在不同的用戶生命周期，圖書館需要進行差異化閱讀推廣策略，才能鞏固、擴大閱讀推廣的用戶群體。

針對不同階段特征制定不同的用戶拓展策略。面向處于考察、形成階段的用戶使用拉新策略。具體實施路徑是提取現有優質讀者的歷史數據，以此為藍本，尋找閱讀推廣過程中高轉化率的位置，設計對應的拉新模型；其次，關注新進入用戶，引導他們熟悉數字閱讀推廣服務，可以有效地留住新讀者，如面向新讀者發布新書閱讀任務。根據用戶畫像反映的閱讀能力，設計不同的閱讀任務難度，根據用戶的閱讀興趣，配置相應的閱讀資源。讀者可以在完成任務的過程中加深對閱讀推廣服務的理解和適應，數字圖書館也可以與讀者建立交互聯系，增強讀者黏性，擴大讀者基數。

面向穩定階段的用戶，要刺激用戶活性。好的閱讀內容和精準的觸及都可以吸引讀者參與閱讀活動。數字圖書館可以通過對讀者畫像進行刻畫，刺激讀者需求，保持用戶的活躍度。例如，在數字閱讀平臺中加入社交模塊，讓讀者可以在模塊中與微信好友分享交流閱讀心得，刷新閱讀量排名，與好友比比閱讀量，進而保持用戶活躍度。

在用戶退化階段，要建立流失預警機制，實施用戶挽回策略。用戶的行為數據整合可以反映用戶流失趨勢，如用戶登錄數字圖書館的頻率呈下降趨勢，就在一定程度上反映出用戶的興趣發生轉移，處于流失階段。在定位到這部分用戶后，數字圖書館就要使用一些挽回策略，如贈予用戶免費使用收費閱讀資源的定期權限；還要及時分析用戶的興趣轉移方向，尋找新的服務績效增長點。現在有聲讀物在國民閱讀的讀物選擇中市場占有率增長很快，圖書館可以設計開展朗誦比賽活動、開發有聲閱讀資源，吸引讀者回流。對于回流讀者也要實施關懷，更重要的是定位用戶流失于閱讀推廣服務過程中的具體位置并優化改進相應位置的服務。

4.3 促進深度閱讀

閱讀推廣服務的有效性體現在廣度的擴大，更體現在閱讀效果的深化。在數據驅動機制下，數字圖書館在閱讀推廣服務實施前要根據目標有效實施做好頂層設計，做好推廣目標用戶和閱讀資源的篩選和精準匹配，不僅要立足于一次活動，更要從數字閱讀資源開發、讀者閱讀效果強化、閱讀習慣培養各個方面做好系統性規劃，打造自己的服務品牌。例如，根據用戶畫像，以讀者興趣為導向開發特色閱讀資源和周期性閱讀推廣模式，提高讀者的主觀能動性，幫助讀者養成主動閱讀、主動思考的習慣，讓讀者愛上閱讀。

4.4 建立推廣效果評價機制

一個客觀準確的效果評價機制可以讓圖書館對服務的有效性有一個清晰的認知，促進自查與優化，提高閱讀推廣效果。利用好數據驅動機制中數據分析層的漏斗轉化模型和下鉆分析模型，可以為圖書館建立服務效果評價機制提供多維度指標參考和模型數據。

5 結 語

我們正在步入一個“讓數據說話”的年代[10]，環境發生了變化，思維也要跟著變化[13]，利用好數據驅動力實現數字圖書館的閱讀推廣服務優化是挑戰更是機遇，是數字圖書館的職責更是使命。圖書館要以人為本，熟悉讀者，研究讀者，滿足讀者的需求，與讀者一起共建圖書館；還要研究并適應數據環境，發揮數據的優勢，加速閱讀推廣服務的創新轉型，從而真正承擔起國民教育的責任，為建設學習型社會作出應有的貢獻。