基于Logistic模型的新聞APP用戶活躍度規(guī)律研究
——以“今日頭條”為例

郭秀芳

（哈爾濱廣播電視大學，黑龍江哈爾濱，150001）

一、文獻綜述

互聯(lián)網(wǎng)時代，由于信息產(chǎn)生與傳播的便捷性增強，自媒體傳播信息的形式受到群眾的歡迎。隨著互聯(lián)網(wǎng)技術(shù)發(fā)展，新媒體產(chǎn)業(yè)的迅速發(fā)展使移動互聯(lián)網(wǎng)用戶量不斷增長，移動客戶端的新聞APP興起，“今日頭條”作為典型代表，憑借創(chuàng)新的推薦模式與運營方式，抓住了移動互聯(lián)網(wǎng)時代傳統(tǒng)內(nèi)容產(chǎn)業(yè)的痛點［1］，用戶量在近年不斷增多，而其用戶是自身APP的盈利基礎(chǔ)。“今日頭條”自2013年運營，2015年企業(yè)改革創(chuàng)新，在4G網(wǎng)絡(luò)潮流下開始快速成長，短時間內(nèi)便與騰訊新聞、網(wǎng)易新聞一起形成了新聞客戶端三強鼎立的格局［1］，其在新聞資訊方面有獨特的運營方式，在同類APP中具代表性。

對于新媒體，用戶活躍度能有效展現(xiàn)APP的運營狀態(tài)，用戶分析對于移動客戶端的市場發(fā)展具有很大參考價值，尤其是以社會化的信息分享和交流為主的新聞APP。［2］因此用戶的各項特征規(guī)律成為了當前移動互聯(lián)網(wǎng)亟待研究的問題。當前研究方向多是用戶特征方向，著重分析用戶影響因素作用的大小，卻少有從用戶量辯護角度探究。本文以“今日頭條”為研究對象，針對用戶活躍度的變化規(guī)律，用以Logistic模型為基礎(chǔ)的優(yōu)化模型對環(huán)境與競爭兩者影響力進行分析，從中發(fā)掘?qū)π侣凙PP運營策略有益的建議。

（一）關(guān)于用戶活躍度的研究

活躍度并非是個特定概念，不同環(huán)境中意義各不相同，如證券方面有股票交易頻率之意，而在移動互聯(lián)網(wǎng)研究中，則是對APP網(wǎng)站活躍用戶的衡量方式。研究者使用中在測度方面有所差異。在網(wǎng)絡(luò)社區(qū)用戶活躍度的研究過程中，劉卉認為活躍度反應(yīng)的是網(wǎng)站的用戶忠誠度，反應(yīng)網(wǎng)站的運營效果，用戶活躍度關(guān)系著網(wǎng)站的生存和發(fā)展［3］。而本文所研究的新聞APP也具有此特征。王勇從產(chǎn)品運營和生存發(fā)展角度來研究促進用戶活躍度的驅(qū)動因素［4］。霍英男則定義用戶活躍程度為用戶在社交網(wǎng)絡(luò)平臺上平均每天的各種行為之和，且將之作為一個方向來分析用戶影響力［5］。對于用戶活躍度的衡量方式，本文參照王博和李生對于活躍度的基本量化指標，選取月活躍用戶數(shù)（MAU）［6］，并對月活躍用戶數(shù)（MAU）采用易觀千帆數(shù)據(jù)網(wǎng)站對于移動APP用戶活躍度的衡量。當前研究主要利用用戶活躍度來分析移動互聯(lián)網(wǎng)環(huán)境下的APP和網(wǎng)站，而缺少對用戶活躍度在活躍用戶數(shù)變化規(guī)律方面的探究。

（二）以“今日頭條”為代表的新聞APP研究

新聞APP是手機APP中涵蓋信息交流和社交功能的典型代表，內(nèi)容呈現(xiàn)形式上提供多感官綜合性信息體驗，是新聞行業(yè)在移動互聯(lián)網(wǎng)上搶占市場的主要戰(zhàn)場［7］，屬于移動客戶端。張玉潔認為手機新聞客戶端是依托于手機發(fā)展起來的，其發(fā)展遵循手機發(fā)展規(guī)律［8］。據(jù)此，本文依托移動互聯(lián)網(wǎng)用戶量研究新聞APP的用戶活躍度的變化規(guī)律。對于手機媒體，曹晚紅認為其運營核心是用戶，將用戶體驗作為一個重要評價指標［9］。對于資訊APP，本文認為用戶活躍度是體現(xiàn)用戶體驗好壞的主要指標，活躍用戶數(shù)是能夠量化的測驗方式。且將對用戶的分析作為新聞APP的研究主體很有必要，因為d’Alessandro和Trucco說明了智能手機有能力收集和存儲各類信息，尤其是用戶的相關(guān)信息［10］。

“今日頭條”是新媒體行業(yè)中的典型代表。針對“今日頭條”本身的研究，多以借鑒它的發(fā)展模式看待新媒體行業(yè)創(chuàng)新模式的發(fā)展，如陸璐用“今日頭條”分析新聞App的生存法則［11］；周曉瑜分析“今日頭條”的個性化推薦功能等［12］。他們都以“今日頭條”為典型，由小見大進行分析。“今日頭條”的個性化推薦是現(xiàn)在眾多研究的熱點，被作為主要新聞資訊APP來分析。新聞APP，尤其“今日頭條”，其用戶數(shù)據(jù)是最大的資源［1］，因此本文對用戶活躍度變化規(guī)律的分析對于未來研究具有借鑒意義。

二、數(shù)據(jù)分析與研究方法

（一）研究樣本的選取

對“今日頭條”用戶活躍度的衡量，研究者有各自的測度方式。本文采取的是月用戶活躍數(shù)，即一個月內(nèi)打開“今日頭條”APP次數(shù)〉1次，則記為該月活躍用戶。文章主要是對活躍用戶基數(shù)的變化進行分析，進而得到用戶活躍度在“今日頭條”APP成長期間的變化規(guī)律。作為新聞APP典型代表，“今日頭條”于2013年4G正式在中國三大通信運營商掛牌以及2015年4G正式普及時進行重大改革。本文選取“今日頭條”在2015—2017年35個月份的月活躍用戶數(shù)作為基礎(chǔ)分析數(shù)據(jù)，選取原因如下：（1）“今日頭條”在2015—2017年處于健康高速發(fā)展期，其數(shù)據(jù)特征能有效地、有代表性地解釋資訊APP成長期正常狀態(tài)；（2）作為新聞APP典型代表，其相關(guān)研究充分，使本文具有分析依據(jù)，且能與其他成果相補；（3）隨著5G等技術(shù)不斷發(fā)展，新聞APP后繼仍會有增長的可能，成果對于以后發(fā)展有借鑒意義，2015—2017年是一個良好的增長區(qū)間。增長區(qū)間在本文中是一段在環(huán)境容納量基本穩(wěn)定的前提下，活躍用戶數(shù)保持增長趨勢的時間區(qū)間。

表1 “今日頭條”月用戶活躍度（2015—2017年）

研究數(shù)據(jù)來源于易觀千帆移動應(yīng)用數(shù)據(jù)［13］，所取數(shù)據(jù)的時間范圍為2015年1月至2017年11月，共35組“今日頭條”月用戶活躍度數(shù)據(jù)（詳見表1），能夠滿足一個增長區(qū)間的研究。

（二）Logistic模型分析

Logistic模型是一個自我抑制方程，常用于種群、人口增長分析。文章將該模型用于對移動客戶端APP的月用戶活躍度變化的分析，依據(jù)以下幾個理由：

1.存在虛擬增長極限，即受限與移動互聯(lián)網(wǎng)用戶數(shù)量和該時期的市場占有率。

2.具有種群規(guī)模特性，用戶的增長與信息傳播類似于種群繁殖增長。

3.月用戶活躍度在每一個月都有新生用戶、上月保留用戶和離開用戶，可以類比于種群中的新生者、成長者和死亡者，二者具有極高的相似度。

Logistic增長數(shù)學模型為：

Logistic模型的積分公式為：

式中a為與初始數(shù)量N0有關(guān)的常數(shù)，e為自然對數(shù)的底。

使初始值在模型中準確［15］。

（三）二維的環(huán)境因素概念引入

在Logistic模型中，只考慮環(huán)境抑制一個因素，但在移動互聯(lián)網(wǎng)市場中，其他APP會與“今日頭條”競爭。可見影響“今日頭條”用戶活躍數(shù)的外部因素主要為環(huán)境容納能力和外界APP競爭兩者（本文不考慮政治、社會、經(jīng)濟等因素）。而此競爭因素在模型中沒有考慮，可見在初步的模型擬合中，誤差主要來源是競爭。因此本文對新聞APP的用戶活躍數(shù)的規(guī)律探究建立兩個維度：

1.環(huán)境容納度ETD（Environmental Tolerance Degree）：即APP在一段增長區(qū)間T（移動互聯(lián)網(wǎng)用戶數(shù)采用均值，理想視為該端區(qū)間內(nèi)不變值）內(nèi)，環(huán)境所能夠容納的最大可能用戶量K0對APP用戶活躍數(shù)變化的影響程度，其中K0的大小由移動互聯(lián)網(wǎng)用戶量、APP市場占有比例來綜合決定。

2.競爭干擾度CID（Competition Interference Degree）：即在T中，其他APP因為運營時間、策略的不同對該APP活躍用戶數(shù)變化的影響程度，這里的競爭干擾度是除該APP之外的所有APP競爭干擾的統(tǒng)一。

三、模型測驗

（一）一維環(huán)境下的模型驗證

1.模型系數(shù)求解

一維環(huán)境，即只考慮環(huán)境容納度，用“今日頭條”的月活躍用戶數(shù)對Logistic模型的系數(shù)求值。

移動互聯(lián)網(wǎng)是新聞APP的基礎(chǔ)，它的用戶量是新媒體行業(yè)用戶市場的基礎(chǔ)和最大容納量，“今日頭條”占據(jù)其中一定百分比。移動互聯(lián)網(wǎng)用戶量是新聞APP用戶量基數(shù)的最大值，新聞APP的市場是移動互聯(lián)網(wǎng)用戶的子集，所以在“今日頭條”月用戶活躍數(shù)的研究中它必不可少。本文所采用的數(shù)據(jù)是中國2015年1月至2017年11月移動互聯(lián)網(wǎng)用戶數(shù)，源于工業(yè)和信息化部網(wǎng)站（詳見表2）。移動互聯(lián)網(wǎng)用戶數(shù)量變化通過走勢圖更直觀地顯現(xiàn)出來（詳見圖1）。

表2 中國移動互聯(lián)網(wǎng)用戶量（2015—2017年）

圖1 移動互聯(lián)網(wǎng)用戶量走勢圖

總之，轉(zhuǎn)化率逐漸增高的移動互聯(lián)網(wǎng)用戶數(shù)量都會持續(xù)增加，但會趨于緩慢增長。由此可見，當前移動互聯(lián)網(wǎng)APP的潛在市場還會有一定的增幅，但會小于前幾年，而根據(jù)新媒體的幾個代表數(shù)據(jù)的相關(guān)性，手機用戶轉(zhuǎn)化為新媒體的信息商品消費者的比率很大，所以未來新媒體市場瓜分者可能會慢慢定型，形成穩(wěn)定市場，而發(fā)展可能性則會是在經(jīng)營模式與信息服務(wù)方式上的開發(fā)，從而形成競爭力，形成穩(wěn)定最大環(huán)境容納K值。2015—2017年移動互聯(lián)網(wǎng)用戶數(shù)理論上滿足增長區(qū)間條件。由于“今日頭條”用戶數(shù)遠小于移動互聯(lián)網(wǎng)用戶數(shù)，所以視移動互聯(lián)網(wǎng)用戶數(shù)在該區(qū)間內(nèi)近似不便，取均值。

文章將結(jié)合移動互聯(lián)網(wǎng)用戶量和“今日頭條”在APP中的占比情況，通過計算移動互聯(lián)網(wǎng)用戶量均值，將其作為擬合階段的最大K值，為102 222.7萬用戶量。鑒于“今日頭條”的用戶轉(zhuǎn)化率，以用戶量最多的微信用戶量為基準，求得“今日頭條”用戶活躍量占有率為23.44%。以此估計“今日頭條”的該階段K值為102 222.7萬×23.44%即23 961.94萬（注：該K值只屬于該增長區(qū)間，不同區(qū)間K值不同，會隨著環(huán)境變化而使K值有所增加或減少，依據(jù)運營情況而定）。將K值和N0代入（1）式得a=0.900 161。

表3 用戶活躍度估計

求出K值后，將Logistic方程的積分式變形為：

兩邊取對數(shù)，即為：

則Logistic方程的積分式變?yōu)榫€性方程：

這是一個線性方程（估計時仍以a未知進行，在得出r之后，a值以0.900 161計入），利用直線回歸的統(tǒng)計方法求得r。而關(guān)于“今日頭條”的用戶量，則需要對35組數(shù)據(jù)進行分析。通過數(shù)據(jù)計算y=a+bx，（b=-r），借助SPSS軟件，對于該公式進行直線回歸統(tǒng)計，求得b值（如表4），繼而求得r=0.088，理論估計值如表3。

表4 一元直線回歸結(jié)果

2.誤差分析

將實際值與理論估計值進行誤差分析，實際值與一維環(huán)境下的理論值走勢比較如圖2所示。對比誤差率如表5和圖3。

圖2 實際值與估計值圖示

從圖3和誤差度來看，誤差隨著時間的推移先增后減，呈現(xiàn)拋物線曲線趨勢。

圖3 誤差率圖示

表5 誤差率

對于此次模型參數(shù)求解，考慮的是理想環(huán)境，即在有限移動互聯(lián)網(wǎng)用戶數(shù)量K值的前提下，只有“今日頭條”這唯一一個吸納用戶的APP，其他APP對“今日頭條”不造成用戶爭搶的競爭環(huán)境，從而得出理論估計值。這種情況是一維環(huán)境，即只有“環(huán)境容納度”。在只考慮環(huán)境容納度的條件下，所得出的Logistic增長曲線與“今日頭條”實際用戶活躍度有較大誤差。由此證實，在“今日頭條”用戶活躍度的模型建立中，還需考慮環(huán)境容納度之外的因素，其變化環(huán)境是多維的。

（二）二維環(huán)境下的模型優(yōu)化

1.優(yōu)化方向分析

只考慮環(huán)境容納度，誤差很大，所以需引入競爭干擾度這個必要因素。移動互聯(lián)網(wǎng)用戶的走向受用戶使用APP的體驗影響，APP之間的競爭，尤其資訊APP，用戶的變化可以說主要受到它的影響。雖然對于移動客戶端，其所處的政治、社會、經(jīng)濟環(huán)境會產(chǎn)生影響力，但APP的環(huán)境是大致相同的，不同處亦可視為APP間競爭能力的差異。所以一維環(huán)境下的誤差是在排除統(tǒng)計、模型計算等誤差之外最主要的影響因素。因此對于誤差的處理可以視為對于競爭干擾度的一個優(yōu)化處理。

2.相對競爭系數(shù)函數(shù)

表6 模型匯總

表7 參數(shù)估計值

因變量（?）包含非正數(shù)值，最小值為-0.026，因此無法應(yīng)用對數(shù)變換，數(shù)據(jù)不符合曲線估計圖形中的復合模型、冪模型、S模型、增長模型、指數(shù)模型和對數(shù)模型。根據(jù)數(shù)據(jù)，只有圖4圖形，圖中d即為?。

圖4 曲線估計圖形

參考估計結(jié)果，結(jié)合曲線向下拋物線形狀，選取一元二次函數(shù)作為估計的相關(guān)競爭系數(shù)函數(shù)公式。設(shè)函數(shù)為：

由SPSS估計參數(shù)所得c=-0.026，b0=0.052，A=-0.002。對于通過SPSS估計出來的參數(shù)，考慮函數(shù)整體擬合程度，但是在?的擬合中，只需總增長區(qū)間內(nèi)能夠較好擬合的即可，所以SPSS所提供的不一定是最佳參數(shù)。為達到函數(shù)在增長區(qū)間內(nèi)的更高擬合，需進一步迭代，以SPSS計算迭代結(jié)果與原始?值的相似性測度為觀察值，迭代以b值每增加0.002單位迭代一次，如表8。

表8 迭代結(jié)果

選取b=0.062，能夠達到更高擬合效果，最終擬合的相關(guān)競爭系數(shù)函數(shù)為：

對于“今日頭條”的月活躍用戶數(shù)的擬合函數(shù)為：

擬合效果如圖5所示。

圖5 實際值與優(yōu)化值圖示

3.優(yōu)化結(jié)果誤差分析

從擬合圖示來看，與優(yōu)化前擬合程度相比有極大提高，但是由于拋物線性質(zhì)制約，在t〉33之后，誤差率將會增長，其并不符合Logistic增長曲線的特性，因為在t〉33之后，即第34月份之后活躍用戶數(shù)的增長變緩，近似保持平衡，可以視為已經(jīng)達到一個穩(wěn)定期，該段增長區(qū)間為前34個月份，而后期則處于平緩狀態(tài)。對于相對競爭系數(shù)，在t不斷增大的時候，只要前提環(huán)境在后期不發(fā)生變化，該系數(shù)必須不斷接近于0，即競爭干擾度的影響力度將會遠小于因為環(huán)境容納度限制所帶來的影響，因此本優(yōu)化模型在后期穩(wěn)定接近最大值的擬合是不適用的。在接近環(huán)境容納極限時，相對競爭系數(shù)應(yīng)該是在0附近浮動的，而一元二次函數(shù)不能夠有效擬合該部分，這也是本模型的不足和后續(xù)可以進一步優(yōu)化的方向。但對于主要研究增長期的用戶活躍度模型是足夠的。

表9 優(yōu)化值

四、研究結(jié)果討論

（一）“今日頭條”用戶活躍度變化規(guī)律討論

從考慮“環(huán)境容納度”和“競爭干擾度”兩個維度，能夠發(fā)現(xiàn)“今日頭條”月用戶活躍度的變化規(guī)律。從相對競爭系數(shù)與環(huán)境容納的圖示來看，在一個用戶活躍度增長區(qū)間內(nèi)，增長前期受到的環(huán)境容納度的促進作用遠遠大于競爭干擾度，因為增長前期用戶基數(shù)少，環(huán)境充足；增長中期則受到的競爭干擾度逐漸增大并開始達到頂峰，遠大于環(huán)境容納度所帶來的促進或者限制；增長后期則是因為環(huán)境容納度的抑制效果不斷增強，并逐漸大于競爭干擾度所帶來的影響。

圖5 兩個維度的隨時間變化規(guī)律

圖6 環(huán)境容納度與競爭干擾度的關(guān)系

如圖5所示，圖中陰影部分為競爭干擾度，其余部分為環(huán)境容納度，即隨著時間推移，影響力記為1，則環(huán)境容納度的影響先減后增，競爭干擾度先增后減。“今日頭條”的月用戶活躍度符合Logistic模型的規(guī)律，但是需要同時考慮“環(huán)境容納度”與“競爭干擾度”的影響，并且后者在用戶增長高速成長期的影響最為顯著。

概括來說，“今日頭條”的月用戶活躍度變化規(guī)律服從“環(huán)境容納度”和“競爭干擾度”二個維度因素的Logistic模型的特征，并且兩個維度之間的影響力在時間變化中呈反函數(shù)關(guān)系。

（二）資訊APP增長期變化規(guī)律猜想

“今日頭條”是具有代表性的資訊類移動客戶端APP，是研究APP各個方面特征的典型。新聞APP，以用戶為基礎(chǔ)，其用戶活躍度能有效展現(xiàn)發(fā)展水平，用戶活躍度的增長都具有相似性，只是需要考慮每個APP自身的發(fā)展時間、發(fā)展狀況、運營狀態(tài)而已。由此可以猜想其他資訊APP是否也具有類似的規(guī)律。雖然依據(jù)“今日頭條”的特征來看，同類APP具有相同特征的可能性極大，但考慮研究的嚴謹性，還需后期對其他APP進行單一論證。

（三）該規(guī)律下的實際應(yīng)用意義

掌握“今日頭條”用戶活躍度的變化規(guī)律，對實際運營有一定現(xiàn)實意義。從其服從的Logistic模型來看，在一個增長區(qū)間內(nèi)，其具有一個最大K值，這一個值會受到宏觀移動互聯(lián)網(wǎng)用戶數(shù)量的限制，也受到APP在市場的被接受程度和創(chuàng)新力的影響。對于“今日頭條”來說，其個性化推薦對自身的K值做出了極大貢獻。由此可以得出的參考價值為：欲提高用戶活躍度，需要在該增長區(qū)間進入前期之前做好側(cè)重用戶特征的研究與創(chuàng)新突破，以提高該APP自身的最大K值。

從兩個維度來看，增長區(qū)間中的前期需要保證一個良好的增長速度，對自身的運營模式不斷依據(jù)數(shù)據(jù)進行優(yōu)化；在臨近增長區(qū)間的中期時，其競爭影響力會不斷增大，運營者則需要做好與同類APP競爭的決策，宏觀上即需要做好APP之間的協(xié)調(diào)，防止受到較大沖擊；對于該增長區(qū)間的后期，則需要面臨K值的抑制，此時則需要考慮如何維持現(xiàn)有用戶量，并保證數(shù)量的穩(wěn)定性，為下一個階段的增長區(qū)間做好運營準備。

從“今日頭條”的用戶活躍度的變化進行分析，整體在模型優(yōu)化之后有較高的擬合度，從Logistic模型的雙重維度規(guī)律進行探究，發(fā)現(xiàn)在后期穩(wěn)定時期的優(yōu)化是不足的，這個是需要后期繼續(xù)進行優(yōu)化的。