在線健康社區(qū)用戶特征研究

羅雨寧 景慎旗

【摘要】? ? 隨著互聯(lián)網(wǎng)應用的發(fā)展，越來越多的患者通過在線健康社區(qū)獲取健康信息。以“甜蜜家園”為例，通過描述性統(tǒng)計和聚類模型，分析用戶行為特征，對論壇用戶生成內(nèi)容進行主題聚類并繪制詞云圖以挖掘用戶需求特征，從用戶行為和需求兩個維度構建用戶畫像，以期為在線健康運營者提供啟示和建議方法，更好地為用戶提供服務。

【關鍵詞】? ? ?在線健康社區(qū)? ? 用戶聚類? ? 主題聚類

引言：

隨著互聯(lián)網(wǎng)、社交媒體的廣泛應用，越來越多的患者通過網(wǎng)絡獲取疾病和診療信息，在線健康社區(qū)（Online Health Community，OHC）應運而生。有研究指出，慢性病患者會主動通過博客或論壇來尋求健康信息，并與具有相似經(jīng)歷的人群共享信息、彼此支持[1]。通過在線社區(qū)，用戶不僅可以互相交流心得、共享醫(yī)療信息、進行專家咨詢等，OHC的社交屬性還能夠為用戶賦予個體對自我意識的感知，提高自身對群體的情感依賴和社會認同[2]。同時，OHC的技術特點可以保障用戶信息的匿名性，提供相對安全和可信任的溝通環(huán)境，激勵用戶創(chuàng)造更多內(nèi)容。

通過用戶大數(shù)據(jù)實現(xiàn)對OHC用戶的精準定位，對用戶健康及社區(qū)運營發(fā)展至關重要。深入分析用戶行為特征及用戶生成內(nèi)容（User Generate Content，UGC）有助于論壇運營者和社會各界深入了解患者需求，提升OHC的服務水平，為患者提供更多個性化、人性化的服務內(nèi)容。因此，本文通過采集糖尿病在線社區(qū)“甜蜜家園”（http：//bbs.tnbz.com/）的用戶數(shù)據(jù)，對其行為特征和需求特點展開分析，實現(xiàn)用戶行為、需求與用戶屬性的關聯(lián)，旨在為更加有效、精準的信息服務提供啟示和建議。

一、相關研究

在線健康社區(qū)用戶行為指用戶通過社區(qū)平臺瀏覽信息、發(fā)帖、評論等行為。張敏等通過深度訪談和扎根理論，梳理分析在線健康社區(qū)用戶診療信息求助行為的影響因素及機理。[3]

翟羽佳等通過采集百度貼吧主題帖、發(fā)帖人、發(fā)帖時間等信息，對用戶發(fā)表主題和帖子數(shù)、用戶活躍度與存在期以及好友關系網(wǎng)絡等信息進行分析。研究發(fā)現(xiàn)，活躍用戶已經(jīng)形成了穩(wěn)定的群體，但也成為了新用戶加入的壁壘。其次，評估好友關系對用戶信息發(fā)布行為的影響，發(fā)現(xiàn)社交支持對于在線健康社區(qū)用戶積極性存在較強的正向推動作用。[2]

張海濤等從用戶角色和行為、用戶需求維度構建在線健康社區(qū)用戶畫像概念模型，并構建用戶標簽概念格，通過關聯(lián)規(guī)則挖掘用戶行為規(guī)律。[4]徐孝婷等通過調(diào)查問卷獲取老年用戶健康信息需求，并結合馬斯洛需求層次理論對信息需求展開分析并提出對策和建議。[5] Liu等通過主題模型分別對男性用戶和女性用戶的發(fā)帖內(nèi)容進行對比分析。[6]

本文將從用戶行為、用戶需求兩個維度對糖尿病在線社區(qū)用戶屬性進行分析，展示在線健康社區(qū)用戶基本行為特征，通過對用戶基本特征進行聚類，揭示在線健康社區(qū)的用戶角色，進一步通過自然語言處理和主題聚類模型挖掘用戶需求特征，全面展現(xiàn)用戶參與社區(qū)交互的行為和需求特征，為社區(qū)運營優(yōu)化和服務升級提供數(shù)據(jù)支撐和方向。

二、數(shù)據(jù)獲取

“甜蜜家園”是國內(nèi)較大的糖尿病在線健康社區(qū)，目前擁有約45萬用戶，提供多個糖尿病主題板塊。利用Python爬蟲工具共采集到454759條用戶數(shù)據(jù)，包括性別、年齡、疾病類型、好友數(shù)、發(fā)帖數(shù)、回帖數(shù)、注冊時間、最近登錄時間、累計在線時長等信息。

經(jīng)過數(shù)據(jù)清洗，剔除“僵尸用戶”，排除缺失值及異常值數(shù)據(jù)，最終得到46967條用戶信息。此外，共采集14.4萬條用戶發(fā)帖及其所有回帖，使用結巴分詞及哈工大停用詞表、百度停用詞表完成對文本數(shù)據(jù)的預處理。數(shù)據(jù)采集時間為2019年5月23日。

三、數(shù)據(jù)分析

3.1描述性統(tǒng)計分析

對46967條用戶數(shù)據(jù)進行描述性統(tǒng)計。論壇用戶以30多歲的青年人為主，男性用戶明顯多于女性用戶，其中II型糖尿病患者占比最大，家屬占比達14%。從用戶行為特征來來看，發(fā)帖數(shù)、回復數(shù)的中位數(shù)都是0，大多數(shù)用戶是“沉默”的。

注冊時長指用戶注冊時和數(shù)據(jù)采集時的時間間隔，數(shù)值越大則注冊時間越長，從表1可以看出論壇用戶平均注冊時長超過3年。最近登錄時間指最近一次登錄與數(shù)據(jù)采集時的時間間隔，數(shù)值小表示用戶近期有登錄行為，可以看出多數(shù)用戶近3年未登錄過論壇。累計在線時長中位數(shù)是0，過半用戶累計在線時長不到1小時。

3.2用戶聚類分析

選取性別、年齡、疾病類型、好友數(shù)、發(fā)帖數(shù)、回帖數(shù)、注冊時間、最近登錄時間、累計在線時長信息，經(jīng)過標準化處理后采用K-means聚類算法進行聚類。通過肘部法確認聚類簇數(shù)，選取3作為最佳k值。對聚類結果降維，最終得到3個簇，聚類中心如表2所示。

其中，聚類1中用戶年齡最小，在論壇登錄、發(fā)帖、回復等行為較活躍，且注冊時間較短，因此將其定義為活躍新用戶。聚類2中用戶注冊時間最長，但很不活躍，很多用戶注冊后卻很少登錄論壇，逐漸成為論壇流失用戶。聚類3中用戶年齡相對較大，行為較不活躍，但近期仍有登錄論壇，稱其為沉默用戶。

3.3主題聚類

LDA（Latent Dirichlet Allocation，LDA）模型在文本語義分析中被廣泛應用，由Blei等在2003年提出，它是一種三層貝葉斯概率模型，是無監(jiān)督的機器學習模型。[7]LDA模型可以自動提取文本主題，解決單詞、主題和文檔間的語義關聯(lián)問題。[6]

通過抓取論壇數(shù)據(jù)，共獲得144209個論壇帖子，經(jīng)文本預處理后，采用LDA模型提取主題。經(jīng)過實驗，當主題數(shù)為9時模型運行結果較好，如表3所示，論壇用戶話題主要圍繞診療、健康管理、血糖儀、血糖監(jiān)測、胰島素、心得交流等，此外還有很多帖子聚焦新用戶歡迎、好友聊天，具有明顯的社交屬性。

3.4詞云圖

對分詞結果進行詞頻統(tǒng)計，結果見圖1。詞頻排名前10的詞匯分別是記錄、健康、血糖、糖尿病、胰島素、大家、控制、空腹、運動、謝謝。可以看出，論壇用戶討論內(nèi)容集中于血糖監(jiān)測和控制。根據(jù)金碧漪[8]提出的八大糖尿病病主題，“甜蜜家園”關于糖尿病并發(fā)癥、社會生活、疾病預防、教育和研究的內(nèi)容較少，內(nèi)容質(zhì)量較低。

四、結束語

根據(jù)用戶特征分析結果，一方面可以針對性地實施增加用戶粘性的舉措，例如：挖掘論壇活躍用戶，做好KOL（Key Opinion Leader）運營，向新注冊用戶推薦高質(zhì)量內(nèi)容和用戶，防止新用戶的快速流失，通過移動端APP推送消息，提高論壇服務的易用性等。另一方面，可以進一步提升論壇內(nèi)容質(zhì)量，如邀請醫(yī)生、健康管理專家開展在線講座和咨詢活動，激勵患者分享經(jīng)驗等。

本文聚焦患者用戶的行為特征和需求特征，未關注醫(yī)生用戶群體，存在一定局限性。后續(xù)研究可以對兩類用戶群體展開對比研究，還可以進一步對醫(yī)生論壇和患者論壇做比較分析，充分挖掘在線健康社區(qū)用戶特征，為社區(qū)的進步提供更多方向。

參? 考? 文? 獻

[1] Han J Y， Shah D V， Kim E， et al. Empathic exchanges in online cancer support groups： distinguishing message expression and reception effects[J]. Health communication，2011，26（2）：185-197.

[2] 翟羽佳，張鑫，王芳.在線健康社區(qū)中的用戶參與行為——以”百度戒煙吧”為例[J].圖書情報工作，2017，61（7）：75-82.

[3] 張敏，劉雪瑞，張艷.在線健康社區(qū)用戶診療信息求助行為形成機理的概念模型——基于扎根理論的探索性研究[J].情報科學，2019，37（4）：22-28.

[4] 張海濤，崔陽，王丹等.基于概念格的在線健康社區(qū)用戶畫像研究[J].情報學報，2018，37（9）：912-922.

[5] 徐孝婷，趙宇翔，朱慶華.在線健康社區(qū)老年用戶健康信息需求實證研究[J].圖書情報工作，2019，63（10）：87-96.

[6] Xuan L，Min S，Jia L.Research on gender differences in online health community[J]. International Journal of Medical Informatics，2018，111：172-181.

[7] David M B，Andrew Y N，Michael I J.Latent Dirichlet Allocation[J].Journal of Machine Learning Research，2003，（3）：993-1022.

[8] 金碧漪，許鑫.網(wǎng)絡健康社區(qū)中的主題特征研究[J].圖書情報工作，2015，59（12）：100-105.