基于VALS2的在線健康社區大學生用戶群體畫像構建研究

郭順利　張宇

DOI：10.3969/j.issn.1008-0821.2021.10.006

[中圖分類號]G252.0 [文獻標識碼]A [文章編號]1008—0821（2021）10—0047—12

近年來，互聯網、大數據、新媒體技術的深入普及與廣泛運用，以及公民健康意識的不斷增強，促進了在線健康社區（Online Health Community，OHC）的興起和蓬勃發展。越來越多的網絡用戶基于在線社交、獲取醫療資訊和利用健康知識的目的活躍于在線健康社區之中。在線健康社區逐漸成為他們社交互動咨詢、獲取健康資源、共享醫療信息、關注健康管理的渠道與途徑。尤其是面對2020年突如其來的新冠肺炎疫情，在線健康社區憑借不受地域限制、排查疑似病例、減少接觸、避免交叉感染等特點，成為疫情期間人們尋醫問診和健康信息交流的重要場所。據相關數據統計，好大夫、平安好醫生等在內的多家在線健康社區在疫情期間的訪問量呈明顯激增勢頭。其中，好大夫社區在2020年2月期間，1個月的新增注冊用戶的數量比2019年12月增長近3.5倍，并且每日用戶提交的在線健康問診、醫學知識咨詢的需求量比2019年12月日均增長近6.5倍。然而，在線健康社區的信息供給雖然在一定程度上能夠滿足用戶的信息需求，但隨著健康信息體量的不斷增加，用戶尋找其需求知識的難度也逐級上升，健康社區的信息供給與用戶的特定需求之間未能達到平衡。

與此同時，隨著社會生活壓力的增大和自然環境污染的加劇，年輕一代中出現的健康問題日趨顯著，健康信息已經成為青年群體關心的日常生活信息之一。然而，高校大學生（包括大專生、本科生及研究生）用戶群體作為當今社會重要的青年群體，他們既擁有較高的學歷，也對新興技術和新鮮事物的接收程度高，并且網絡知識搜尋和獲取已成為他們學習生活中必不可少的一部分。因此，大學生用戶逐漸成為在線健康社區重要群體。在線健康社區如何掌握和獲取大學生用戶群體的健康信息需求和用戶特征，并面向需求和行為特征開展智能化、個性化的精準服務已成為當前在線健康社區發展的關鍵性問題。而作為新興的數據分析工具的用戶畫像技術，恰能為在線健康社區的用戶特征表示、精準服務實現提供良好的理論支持與方法支撐?；诖?，本文選取大學生用戶為研究對象，借鑒用戶畫像技術探析該用戶群體的特征和具體需求類型，以期協助平臺運營商更好地為大學生用戶提供精準化服務。

1相關理論及研究基礎

1.1在線健康社區用戶的相關研究

目前有關在線健康社區用戶的研究，主要集中體現在利用不同的研究方法或工具，對某一特定用戶群體就用戶的信息行為、信息需求或使用意愿等方面展開研究。這些研究成果表明，在線健康信息對不同用戶群體會產生不同程度的差異化影響。例如，在用戶信息行為方面，Oh C等從信息消費類、社區交流類和自我表達類3個角度細分了用戶的信息參與行為。許云紅等則采用多元邏輯回歸的方法，分別探究了甜蜜家園中初級組、中級組和高級組3個不同級別用戶參與行為模式的影響因素。在用戶信息需求方面，徐孝婷等結合馬斯洛需求層次理論，利用定性與定量相結合的方法構建并解釋了老年用戶健康信息需求模型的內涵。Ekberg J等采用定性研究的方法，通過收集青少年對健康評價和健康信息觀點的定性數據，得出終端用戶需求與組織目標和資源之間存有沖突的結論。在用戶使用意愿方面，王文韜等利用扎根理論和半結構化訪談的方式，探究用戶使用意愿的影響因素并構建相關模型。Gonzalez M等則通過以不同種族的美國人為研究對象.發現種族因素也是影響在線健康社區用戶使用意愿的重要指標。

1.2用戶畫像的相關研究

用戶畫像（User Profile）又稱為用戶原型、用戶角色等，最早提出用戶畫像概念的交互設計之父Cooper A，將其定義為基于用戶真實數據的虛擬代表。用戶畫像作為理解目標用戶、具化用戶形象、明確服務目標的一項工具，廣泛應用在解讀用戶需求、實現精準服務中。目前，國內外學者嘗試從用戶的不同視角構建畫像模型，在探索不同模型為學術研究帶來可能性的同時，也逐步豐富著用戶畫像技術的成熟。例如，在基于本體的構建方法中，Calegari S等結合用戶個性檢索的信息，從現有YAGO本體中提取知識以構建用戶畫像。單曉紅等則采用Protege工具從用戶信息屬性、酒店信息屬性和用戶評價信息屬性3個維度，建立本體實現攜程用戶畫像屬性之間的關聯。在基于主題的構建方法中，Kim J等從用戶的閱讀水平及主題分布的角度出發，提出了包含閱讀內容和閱讀任務多樣性等方面的概念主題模型以刻畫用戶。在基于用戶行為的畫像中，黃文彬等從用戶移動速度、周期性活動規律、頻繁活動規律3方面入手，刻畫體現出目標用戶日常行為規律和移動情況的動態畫像。誠然，用戶畫像作為日益成熟的數據分析工具，能夠基于不同視角、多種方法全面細致地抽象出用戶在特定情境下的信息全貌，以此準確描述差異化的用戶群體特征，實現用戶需求的外顯與表達。

1.3 VALS2市場細分理論

市場細分理論是由美國市場營銷學家Smith W R于1956年提出的一個重要的市場營銷理論，其目的在于滿足消費者的差異化需求，挖掘潛在的用戶市場，從而促進資源配置優化，提高企業的經濟效益。它是一個消費者細分模型，也被稱為價值觀及生活方式調查（Values and Lifestyle Survey，簡稱VALS）。此模型在1989年加入了心理學等測量因素后，逐漸發展成為VALS2模型。VALS2模型將用戶的價值觀和生活方式加入細分因素，更能反映出用戶的人文心理特征和市場的消費分眾趨勢。此模型是基于人類社會基本價值觀點的理論模式，具備良好的適用性與測量效度，逐漸受到圖書情報領域學者的廣泛關注。最早該模型主要被應用于制定資源與服務的營銷戰略，目前VALS2模型在市場營銷、新聞傳播、心理學、圖書情報等領域得到了廣泛應用，具有較好的理論基礎和實踐應用經驗。

1.4用戶生命周期理論

國內研究者從2000年前后開始研究用戶生命周期理論（簡稱用戶生命周期，也稱客戶生命周期），生命周期理論最初用于研究個人和家庭的生命周期過程，具體指出生、成長、衰退、死亡的全過程。后應用于企業管理、市場營銷學客戶研究領域，并不斷地被拓展，相繼提出領導力生命周期理論、企業生命周期理論、產品生命周期理論、信息生命周期理論等。用戶生命周期描述了用戶關系從一種狀態或者一個階段向另一狀態或階段運動的總體特征，其代表了基于用戶關系水平隨時間變化的發展軌跡。可以說，用戶生命周期理論是總結用戶關系的理論方法，它的發展是分階段完成的，能夠清晰洞察各用戶關系的動態特征。陳明亮基于階段劃分提出了考察期、形成期、穩定期、退化期4階段模型。同樣地，蔣國瑞等認為用戶生命周期管理起始于平臺識別潛在用戶，終結于平臺與用戶二者關系的破裂。也就是說，用戶生命周期管理是指如何從龐大的消費群體中甄別出目標用戶，同時圍繞平臺與目標用戶之間的關系，從建立、發展到成熟和衰退的全生命過程的管理?？梢哉f，用戶生命周期理論是從用戶初始狀態到終末狀態的動態性描述，用戶在每一階段所維持的狀態時期會不盡相同。按照用戶生命周期管理理論，企業或者運營者根據與用戶所處的不同關系階段，對目標用戶進行動態跟蹤管理，同時制定每個階段的市場營銷與運營組合策略，滿足不同生命階段用戶群體的需求，以達到用戶價值最大化，實現企業與客戶的雙贏。因此，本研究擬借鑒用戶生命周期理論探討在線健康社區用戶各個階段狀態和特征，以期為虛擬健康社區制定運營管理策略和提高知識服務質量提供參考依據和借鑒。

通過梳理國內外已有相關研究發現，當前對于在線健康社區用戶的研究主要是基于用戶的健康需求和特定的參與行為方面。研究過程中未對用戶群體做細致劃分，部分研究針對老年用戶群體開展研究，但是針對大學生這一特殊群體的研究文獻較少。并且已有研究中大部分是對于用戶行為特征和需求方面研究，缺乏對于用戶自身特征的描述和表示。更是少有研究結合用戶消費心理偏好和用戶生命周期理論探析在線健康社區用戶特征和需求。大學生用戶憑借較高的網絡知識獲取能力和信息素養，逐步成為在線健康社區重要的組成用戶，他們不同于其他的用戶群體，具有自己鮮明的特征?；诖?，本文以大學生群體作為研究對象，結合VAIS2市場細分和用戶生命周期理論，運用用戶畫像技術分析大學生用戶群體特征和需求，擬為在線健康社區的運營管理、精準推薦、精準宣傳等創新性服務提供參考與決策，提升在線健康社區面向特定用戶需求的智能化、個性化的精準服務水平。

2用戶畫像的構建過程

本文將在線健康社區大學生用戶群體畫像的構建過程分為數據化（Datamation）→標簽化（Tagging）→集聚化（Clusterization）→可視化（Visualization）4個階段，即數據獲取處理、用戶特征標簽提取、聚類判別分析和標簽云可視化展示。其中數據獲取擁有多種途徑，當前大多數研究都是基于網絡爬蟲技術獲取數據，揭示出不同類型群體用戶多維度的特征以及不同情境下的行為規律。本文則采用問卷調查遞進式提問的方式，由淺入深地獲取用戶潛在的知識需求和挖掘用戶認知層面需求。通過問卷調查獲取的用戶數據具有定向而具體的信息特征，研究者可以對某一特定的目標人群或地區進行數據收集，將問題的導向性更加明確具體，從而有利于推進后續研究的精準分析。因此，本文采用VALS2量表設計調查問卷并獲取大學生用戶群體的基礎數據，以此構建在線健康社區的大學生用戶群體畫像模型。

2.1用戶畫像構建的設計思路

本研究主要基于VALS2模型構建用戶畫像的標簽體系，實現用戶畫像，為在線健康社區的精準化服務提供參考和基礎，具體研究設計思路如圖1所示。首先，依據VALS2細分指標設計調查問卷，由此獲取用戶的基礎數據，經預處理后實現樣本數據化。然后，基于樣本集和標簽體系，將用戶數據進行特征標簽提取形成標簽數據集，實現數據標簽化。進而，基于用戶畫像標簽數據集，結合用戶生命周期理論，以及因子分析、聚類分析、判別分析等方法，提煉關鍵特征因子，獲取差異化用戶群體分類，實現特征因子集聚化。最后，采用Python的Wordeloud2工具包繪制標簽云可視化輸出，完成最終的用戶畫像。

2.2用戶畫像標簽體系設計

基于在線健康社區用戶的使用情境和平臺服務目標，根據VALS2模型適用性強、測量效度高、分群結果較穩定和非常有利于用戶畫像的構建及分群的特征，本文確立以VALS2量表中的“用戶的資源”和“用戶的自我導向”兩個基本元素為細分指標，設計大學生用戶畫像的標簽體系。

2.2.1用戶的資源

用戶的資源即對應VALS2模型中的消費者資源，包括用戶的收入、教育、自信、健康、購買愿望、智力和能力水平。在線健康社區大學生用戶群體畫像標簽涵蓋了用戶的性別、學歷和專業3個人口統計特征，同時包含訪問頻次、訪問內容、使用習慣、用戶體驗及滿意度、用戶使用忠誠度等7個用戶使用行為調查變量。

2.2.2用戶的自我導向

用戶的自我導向在VALS2量表中指的是影響消費者參與購買或使用產品服務的機理導向，具體表現在以原則為導向、以地位為導向和以行為為導向3種被驗證過的激勵導向。在線健康社區中以原則為導向主要指通過用戶的主觀判斷而做出的認知反應，不會受到他人觀點的影響。比如，在線健康社區的資源更新、疾病或藥品信息查詢、診療獲悉、界面指引等;以地位為導向主要是對在線健康社區用戶地位或中心性上的評判，用戶會因他人的行為而做出改變，比如即時問答互動、留言、分享轉發、其他用戶的點贊等;以行為為導向主要來源于社會性、物質性和精神層面的行為、活動、變化與刺激，用戶容易被和自身利益相關或新穎的外部環境所吸引，比如在線健康社區的熱門話題、功能模塊多樣性、與生活密切相關性、激勵條件等都容易影響用戶行為。

基于以上兩個角度的分析，本研究最終構建的大學生用戶群體畫像標簽體系如圖2、圖3所示，由以下3個部分組成：一是人口統計特征，含3個統計變量;二是用戶使用行為，含7個調查變量;三是用戶的心理行為偏好，即所對應的以原則為導向、以地位為導向和以行為為導向的21個測量項。

2.3用戶畫像標簽權重設計

在線健康社區用戶畫像的差異在于標簽權重設計，即不同的大學生用戶群體特征在某一標簽上體現的重要程度（權重）是不同的。由于本文以VALS2指標體系構建的心理行為偏好標簽能夠代表在校大學生用戶短期內穩定的服務需求和感知態度值，因此，借助李克特5級量表由低到高來表達用戶在某一方面的需求程度和偏好體現。選擇將各用戶心理偏好變量在各分群的均值作為用戶畫像標簽權重。而人口統計特征和用戶行為特征兩個方面則采用屬性值進行頻率排序，由此定義用戶畫像標簽的權重值。

3實證分析

3.1問卷設計及數據獲取

本研究的調查問卷主要由3部分組成，第一部分是用戶的人口統計特征，包括大學生的性別、學歷和所學專業;第二部分是對用戶使用行為的調查，包括大學生用戶群體對在線健康社區的訪問頻次、關注內容、使用意愿、滿意度、忠誠度等;第三部分主要針對在線健康社區用戶的VALS2分群設置的心理行為偏好測量問句，采用李克特5級量表進行程度評測，共由21個問題組成。在問卷通過試測修正后，利用問卷星、微信、QQ等網絡平臺發放回收問卷。調查對象面向大學生互聯網用戶，持續發放了15天，累計回收調查問卷650份。為了保證問卷的有效性，本研究剔除回收問卷中缺失值較多、重復，以及明確表示沒有使用過在線健康社區的問卷，最終得到有效問卷520份。

3.2樣本特征與信效度檢驗

運用SPSS統計分析，所得樣本的人口統計特征如表1所示。

從表1可以看出，樣本集的男女比例接近2：3，調查對象中本科學歷的人群最多，覆蓋到了?？啤⒀芯可后w。相應專業中涉及多個專業，工學占據首位，其次為管理學、理學和教育學等專業。

為確保后續用戶特征標簽化、集聚化和可視化呈現的準確性.本文剔除人口統計特征的相關變量后，將“用戶使用行為中的后4個調查項”與“用戶心理行為偏好中的21個測量項”組成了25個測量項，進行信度和效度檢驗分析，如表2所示。運用Cronbachs Alpha系數（α信度系數）分析發現，α系數為0.945>0.8，說明調查問卷獲取數據的信度較高，具有良好的可靠性。此外，α系數統計量分析表明，25個測量語句的“項已刪除的α值”介于0.939～0.949之間，說明問卷測量語句的一致性較高。另外，從KMO和Bartlett球形檢驗中發現，KMO值為0.950>0.8，顯著性P<0.001，據此樣本適合做因子分析，如表3所示。

3.3因子分析與分類標簽抽取

為了有效區分用戶類型，獲取大學生用戶群體的差異化畫像。本研究借助SPSS開展探索性因子分析獲取其特征因子。首先，將各測量語句所表達的含義以4個字的主題詞形式進行提煉概括，便于統一規范化處理;然后，將提煉后的語句納入“降維”模塊中的“因子分析”，采用主成分分析法，設置特征值大于1、最大收斂迭代次數為25;最后，結合“最大方差旋轉法”萃取因子，由此輸出因子碎石圖（如圖4所示）、總方差解釋（如表4所示）和旋轉后的成分矩陣（如表5所示）。依據碎石圖和總方差解釋表，結合公因子選取不宜過多的原則，本研究認為選取4個公因子成分較為適宜，其“旋轉載荷平方和載”累積總方差解釋也達到63.56%，符合研究要求。

依據表5中各因子在原始變量上的負荷系數，總結在線健康社區用戶畫像的分類特征因子如下：

特征因子1：該特征因子與義診直播、醫療就業、學術支持、追蹤前沿、健康管理、人氣話題、知名專家等因子相關，這些因子體現了在校大學生對在線健康社區各類知識資源的需求與依賴，他們能夠根據自身的實際需求選擇社區提供的對應知識資源類型。因此，該公因子命名為資源需求類因子。

特征因子2：該特征因子與隱私保護、用戶認可、實時問答、社交分享、經驗傳遞、醫患關系等因子有關，集中反映了大學生用戶群體熱衷于社區的互動交流和社交，并且善于將自身的經驗知識或高質量的知識資源分享到朋友圈或其他社交平臺，同時注重其他用戶對自己的認可和尊重，因此將此公因子命名為社交互動類因子。

特征因子3：該特征因子與訪問便捷、持續使用、資源更新、資源檢索、使用習慣等因子相關，這些因子表現出當代大學生習慣對平臺或系統的性能做出評判，他們在使用在線健康社區感知相關功能與服務的同時，能夠主動地預判、評估甚至改變自身的訪問設備或使用習慣，因此將此公因子命名為服務體驗類因子。

特征因子4：該特征因子與廣告營銷、從眾心理、需求明確3個因子相關，這些特征因子表現出大學生用戶在使用在線健康社區的期間，容易被自身需求的明確程度、廣告宣傳推廣的力度以及周圍其他用戶行為的異同等內外環境所影響，從而改變著他們對平臺的使用程度，因此將此公因子命名為環境影響類因子。

3.4用戶畫像聚類分析

將上述4類區分大學生用戶群體畫像的差異化特征因子提取后，采用聚類分析算法能夠將相同元素分為緊密關系的子集或簇。本研究選取經典的聚類算法K均值算法（K-means）對所有樣本聚類，獲取差異用戶群體個數，實現用戶畫像的分群。K-means屬于硬聚類算法，1個點只能分到1個類。而在此過程中，關鍵要明確聚類數目K值的選擇。通常主要根據以往經驗以及利用K-means聚類的目的來決定K值。在本研究中，借鑒相關領域學者的研究參考，將聚類個數界定在3～6個。同時，在最優的聚類方案選取方面，依據用戶生命周期理論和在線健康社區大學生用戶的屬性特征，將判別分析與WilksLambda方法結合運用，從而綜合選擇最終的聚類方法，以此得到的聚類結果如表6所示。

從表6可以看出，當聚類個數為6時，表中各特征因子的F值之間的差距最小，說明用戶群體畫像之間的差異不夠明顯，故舍棄該聚類方案。當聚類個數為5個、4個和3個時，WilksLambda值隨著聚類個數的減少逐漸增加;尤其是當聚類個數從4降低到3時的增量最大，表明F值的差異性最佳，即用戶群體分類畫像的效果最好。同時，聚類數為3時正確分類概率高達95.8%，也體現了該方案的優勢。因此，最終確定選取用戶畫像的聚類數為3，從SPSS中抽取4個特征因子分別對應的最終聚類中心值，如表7所示。從中可以看出，每一類用戶畫像在各個特征因子上存在著明顯的差異性。

3.5用戶畫像的可視化展示

為了直觀地展示上述分析得到的用戶畫像聚類結果，本研究采用Python中的Wordcloud2工具繪制可視化的用戶標簽云。其中，各特征變量的標簽大小由此類用戶畫像群體所對應的均值決定，標簽字體越大表示該用戶群體的此類特征越顯著。另外，其他的人口統計特征相關數據則采用比例統計的方式呈現，如表8所示。

4用戶畫像描述討論與啟示

根據上述分析和表8可視化的結果可以發現，每一類型的大學生用戶畫像存有不同的關鍵性特征，結合畫像結果和用戶生命周期理論，具體描述如下：

4.1從眾派用戶的畫像特征

從眾派用戶代表了用戶生命周期的初級階段，體現出大學生用戶尚處在考察社區資源與服務的時期。此階段的大學生用戶群體，具備明顯的盲目從眾、容易被自身需求的不確定性和外部環境的錯綜性所干擾的心理特征。從眾心理、廣告營銷、需求明確等是該用戶群體畫像的主要特征。如今身處互聯網時代的大學生群體，非常容易被在線健康社區其他用戶的熱議轉發、熱門主題推薦和彈窗廣告等渠道方式的宣傳推廣所影響，從而促使他們的用戶行為發生改變。從人口統計特征來看，該用戶群體的男女比例趨于平衡，“基本不使用”和“使用0～5次”的總數約占80%，說明此類用戶較顯著的特征是訪問頻次較低，對平臺的使用尚不熟悉，缺乏自己明確的需求目標。綜合以上特征和關鍵影響因子，可以將此類用戶分為“他人導向型”和“廣告導入型”兩類具體的用戶類型。

1）他人導向型用戶。他人導向型用戶是經過線上和線下同學、朋友、家人或師長等交流、推薦和宣傳而發展成為的在線健康社區用戶。體現出大學生初人在線健康社區的陌生感與評判標準的不確定，極易因為其他用戶的提問或評論而模糊了自身的判斷。由于絕大多數的大學生用戶是剛剛成年，在心智上尚不成熟，對于一些模棱兩可或隱私性的健康問題不愿意詢問家人或朋友，加之自身健康信息素養的缺失和獨立思考能力缺乏，導致出現“人云亦云”“盲目從眾”的現象。針對此類用戶群體，在線健康社區可以設置專門的“新用戶引導”模塊和優質安全內容標記等方式。通過向導式的服務模式或溝通互動的形式，獲悉大學生用戶具體的服務需求，避免盲目從眾、經驗主義至上等現象發生，進而指導他們提高獲取高質量健康知識資源的能力，并且能夠根據自己的真實需求檢索相應資源，獲得相應服務。

2）廣告導入型用戶。廣告導入型用戶是指被營銷廣告、熱點主題推薦、軟文推廣等方式吸引發展成為的在線健康社區用戶。該群體的大學生用戶容易被平臺植入的廣告或誤導性的消息而轉移注意力?，F如今“見縫插針”的廣告宣傳手段在互聯網空間鋪天蓋地，對于部分判斷能力和健康信息素養較低的大學生用戶而言，這些營銷廣告影響了他們的價值判斷，也加劇了他們檢索和獲取信息的難度，從而在一定程度上影響了他們的檢索結果。因此，對于此類用戶群體，在線健康社區需要嚴格廣告宣傳的“準人標準”，對于存在安全隱患、虛假宣傳等危險性廣告類型，禁止許可宣傳。同時，有益于服務并滿足大學生需求的廣告內容，可以通過多媒體呈現等方式，幫助他們獲取對自身有價值的知識資源。

綜合從眾派中“他人導向型”和“廣告導入型”兩類具體的用戶類型可以發現，用戶對于平臺的具體服務功能和資源內容較為模糊，對于自己的服務需求缺乏準確表達，易受到內外部環境等各種因素的影響。因此，一方面在線健康社區需要引導大學生等青年用戶積極適應平臺的功能設置和資源內容，通過加強他們對平臺功能的感知與認同而促使他們向需求派用戶轉化;另一方面，在線健康社區管理運營者運用該類用戶群體特征，積極發揮社區的意見領袖作用和媒介推廣影響，借助他們的影響力開展網絡營銷和推廣，增加在線健康社區的品牌影響力和知名度。

4.2需求派用戶的畫像特征

需求派用戶較從眾派用戶集中表現出大學生用戶群體具備較明確的服務需求，能夠靈活、準確地使用平臺資源和服務功能，反映出他們正處于用戶生命周期中的形成期階段。其中，醫療就業、學術支持、社交分享、經驗傳遞、用戶認可等是該大學生用戶群體畫像的顯著特征。從人口統計特征來看，此用戶群體中研究生的人數比例較之前有所增加，說明健康社區的知識資源和服務功能為研究生的日常生活、學術研究等方面提供了補充;從每月訪問頻次來看，“基本不使用”和“使用0～5次”的總數有所降低，說明此類用戶能夠經常性使用平臺，獲取自身的資源需求。綜合以上特征和關鍵影響因子，將此類用戶分為“社交活躍型”和“資源獲取型”兩類具體的用戶類型。

1）社交活躍型用戶。社交活躍型用戶是指運用在線健康社區社交互動功能獲取知識資源或共享知識資源的用戶群體。大學生用戶的網絡應用能力和頻繁的社交互動使他們成為在線健康社區中最活躍、貢獻度最大的一類用戶。一部分用戶是通過將在線健康社區知識資源內容分享到朋友圈、微博等社交軟件上，實現知識資源傳播和分享。他們通常會因為共享知識資源獲得他人的點贊、評論或轉發等行為，而沉浸在社區的使用中感覺自我價值實現和自我滿足。作為年輕群體，其他用戶對自己的認可和贊許，尤其是自身分享的經驗和知識受到威望度較高用戶的青睞、推薦和轉發分享時，他們會更加積極踴躍地參與到平臺社交互動和知識交流活動之中;另外一部分用戶作為在線健康社區的知識生產者，分享自身的經驗和知識資源，比如：回答問題、論壇互動、評論點評、關注他人等方式。也有用戶通過關注和加好友等互動交流方式，與社區內其他人進行溝通交流和互動，從而獲取或者分享知識資源。因此，作為在線健康社區活躍用戶群體，需要不斷維護和激發大學生用戶的活躍度，推薦和提供符合他們感興趣、擅長的專業話題。通過激勵措施激發社交活躍用戶群體能動作用，吸引更多的用戶關注和使用在線健康社區，以此保障社區良性的活躍氛圍。

2）資源獲取型用戶。資源獲取型用戶是指借助在線健康社區獲取專業性知識資源和服務的大學生用戶群體。較社交活躍型用戶，資源獲取型用戶對健康類知識資源的需求更加明確，目的性更強。他們不再局限于簡單的交流互動，而是為獲取某一類特定的專業性知識資源，有著自己明確的訪問需求，較為注重平臺知識資源組織方式和資源內容質量。比如：針對某種特定疾病或癥狀的醫藥查詢，減肥方法、保健常識等知識資源查詢，也有醫學專業的學生會通過平臺獲取專業知識以及人才招聘資訊和就業信息等。因此，對于此類用戶群體，在線健康社區要以用戶為中心，盡最大可能為他們提供相應的服務功能及資源內容，不斷滿足其健康知識資源需求，從而提高社區服務水平和用戶滿意度，促使資源獲取型用戶持續關注和使用。在運營管理方面，在線健康社區需要打破傳統的服務功能和運營模式，不斷創新知識資源組織方式和服務模式。

從綜合需求派中“社交活躍型”和“資源獲取型”兩類具體的用戶類型可以發現，大學生用戶群體能夠在自身擁有較明確的目標需求下使用社區，并且在校大學生在滿足自身服務需求的同時，能夠協助平臺提升知識服務的水平和用戶數量，從而促進他們向更加成熟的體驗派用戶轉化。

4.3體驗派用戶的畫像特征

體驗派用戶則直觀描述了作為用戶生命周期中穩定期用戶的基本特征，集中表現出大學生用戶能夠有針對性地選擇不同在線健康社區，并熟練運用健康社區平臺的功能和服務，成為在線健康社區忠實用戶和粉絲。資源更新、資源檢索、訪問便捷、使用習慣、持續使用等是該用戶群體畫像的主要特征。作為體驗派的大學生用戶群體較為注重平臺資源更新的時效性、知識資源檢索的簡潔性以及訪問的舒適性等感知感官方面的需求滿足。從而決定他們對此平臺是否繼續使用、是否當作自己健康知識獲取和共享的場所社區。從人口統計特征來看，此用戶群體的女大學生用戶數量比例明顯高于男生，這也符合當下女大學生更加注重自身健康管理的現狀;從主要關注的內容來看，更多的主題內容受到大學生的關注，也證明了他們參與社區的廣度與深度范圍較大。綜合以上特征和關鍵影響因子，總體可以將此類用戶分為“服務感知型”和“成熟參與型”兩類具體的用戶類型。

1）服務感知型用戶。服務感知型用戶較資源獲取型用戶，更加注重對平臺服務性能的感知與評價。對于知識資源獲取和利用方面，關注在線健康社區平臺界面的設計布局、訪問設備的支持度、系統流暢、在線互動交流、客服即時回復、服務方式渠道等方面的性能。系統或平臺的服務性能將影響和改變著大學生用戶的滿意度和體驗度，進而刺激著大學生用戶的持續參與行為和關注狀態。因此，對于此類大學生用戶群體，在線健康社區要積極收集他們的服務反饋，通過設置“信箱訪談”“機器問答”等功能優化平臺的服務反饋交流渠道。同時，在線健康社區既要轉變服務理念，樹立以用戶為中心的服務意識，不斷地創新和優化服務模式及渠道方式，擴大知識服務的深度和廣度。也要充分把握大學生用戶的心理特征和用戶需求，深度挖掘用戶需求和個性特征，提高在線健康社區個性化、智能化、精準化服務水平。

2）成熟參與型用戶。成熟參與型用戶為在線健康社區最為忠實粉絲群體，也是所有用戶中最為成熟和活躍類的種子用戶群體。此類大學生用戶已經和在線健康社區建立起了穩定的信任關系，擁有固定的使用習慣，不僅經常性使用在線健康社區常規查詢疾病癥狀、共享和生產健康類知識及自身經驗，而且也是在線健康社區的知識傳播和分享的重要群體。同時，該類用戶群體使用在線健康社區頻次也較高，容易購買和使用付費產品，用戶的價值也越來越大。隨著用戶對在線健康社區的熟練使用，也逐漸習慣于對在線健康社區的信賴與持續使用。因此，在線健康社區需要維系和保持此類大學生用戶群體的粘性和滿意度，并及時根據他們的使用反饋和行為進行服務優化和調整。同時通過不斷制定用戶成長的激勵通道，能夠像指揮棒一樣，激勵用戶沿著平臺指定的方向成長和發展，保持用戶的活躍度和持續關注度。

體驗派用戶可以說是目前在線健康社區中最為活躍和穩定的大學生用戶代表，然而隨著用戶需求程度的不斷提高，在線健康社區也應該隨時做好精準服務策略的調整準備，避免一些用戶過早地進入衰退期，導致大學生用戶的流失。

5研究結論與展望

在線健康社區已逐漸成為大學生日常生活中獲取健康信息及知識的重要渠道，為了更好地服務于此類群體，平臺運營商需要及時掌握大學生用戶的使用行為和心理特征，挖掘與分析其具體的需求特征。了解和掌握大學生用戶群體的畫像類型，能夠明晰他們具體的健康知識需求，從而為其提供精準化、細致化、個性化的健康知識服務，促進該群體身心的健康發展。鑒于此，本研究以用戶畫像技術為指導，結合VALS2市場細分與用戶生命周期理論，構建了在線健康社區大學生用戶群體畫像的具體模型。本文通過問卷調查的方法收集數據后，經實證研究得出從眾派、需求派和體驗派三大類，細分為他人引導型、廣告導入型、社交活躍型、資源獲取型、服務感知型和成熟參與型6類具體典型差異化的用戶群體畫像類型。研究發現，在線健康社區大學生用戶群體特征演化符合用戶生命周期理論，既表現了用戶群體畫像的逐步成熟化，也反映出用戶對社區的依賴感與期望程度的變化，從而為在線健康社區的資源優化與精準服務提供了決策參考與實踐支持。

然而，盡管本文從用戶認知和心理角度為在線健康社區用戶畫像的構建研究提供了思路和方法，并通過多種分析方法檢驗了模型的普適性，但是也存在一些研究局限性。由于本文問卷調查樣本對象群體僅為大學生用戶，未來研究需要包羅更為廣泛的用戶群體。同時，本文是針對所有在線健康社區的總體研究，反映的是整體化的用戶特點和差異，未來可以考慮對垂直領域在線健康社區的用戶開展細致化調研分析，從而更有針對性地滿足平臺的精準運營決策，提升垂直領域在線健康社區的服務質量和用戶體驗度。

（責任編輯：郭沫含）