基于數(shù)字圖書館的用戶行為分析與應(yīng)用

劉 瑩

(濰坊市圖書館,山東 濰坊 261045)

1 背景

2022 年,中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《關(guān)于推進實施國家文化數(shù)字化戰(zhàn)略的意見》,明確了在“十四五”末期基本建成文化數(shù)字化基礎(chǔ)設(shè)施和服務(wù)平臺,形成線上線下融合互動、立體覆蓋的文化服務(wù)供給體系的戰(zhàn)略任務(wù)[1]。 圖書館肩負(fù)著推動全民閱讀、促進文化發(fā)展的重要使命。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,人們的信息獲取方式和閱讀行為發(fā)生了顯著變化,數(shù)字閱讀逐漸成為人們的主要閱讀方式。 雖然數(shù)字圖書館經(jīng)過多年發(fā)展已構(gòu)建了龐大的資源和服務(wù)體系,但難以進一步提高數(shù)字資源服務(wù)效率,難以滿足用戶的個性化閱讀需求。

2 用戶行為分析

2.1 用戶行為分析的意義

用戶行為分析是指獲取網(wǎng)站、App 等平臺訪問量、訪問時間、停留時間、跳出率等基礎(chǔ)數(shù)據(jù),并通過人工智能、大數(shù)據(jù)、可視化分析等現(xiàn)代化技術(shù)獲取用戶行為規(guī)律的研究方法[2]。 用戶行為分析是圖書館基于“以用戶為中心”的服務(wù)思想,通過分析用戶在使用數(shù)字圖書館過程中的行為信息,及時了解用戶的興趣偏好和閱讀需求,發(fā)現(xiàn)閱讀推廣過程中存在的問題,為優(yōu)化數(shù)字圖書館資源配置、策劃閱讀推廣方案、開展精準(zhǔn)化閱讀服務(wù)、擴大服務(wù)范圍等提供依據(jù)的方式方法。

2.2 基于數(shù)字圖書館用戶行為分析的優(yōu)勢

2.2.1 數(shù)據(jù)的真實性。 用戶在接受采訪、調(diào)查問卷、意見征集等被動提供信息的場景下,出于對自身形象、個人隱私、社會影響等的考慮,往往會提供與實際情況不符的信息,降低了數(shù)據(jù)的可信度[3]。 但是,用戶利用數(shù)字圖書館的行為一般屬于自發(fā)行為,可真實反映出用戶的實際閱讀需求。

2.2.2 數(shù)據(jù)的全面性。 用戶行為數(shù)據(jù)包括用戶在使用數(shù)字圖書館過程中涉及的所有個人及操作信息,包括注冊信息、訪問時間、檢索內(nèi)容、瀏覽人次、瀏覽時間、跳出率、回訪率等,可全面展示用戶的閱讀需求及數(shù)字圖書館的服務(wù)效能。 圖書館可對獲取到的用戶行為數(shù)據(jù)進行多維度分析,深入挖掘用戶的隱性需求,建立用戶畫像,以構(gòu)建目標(biāo)明確、服務(wù)精準(zhǔn)、功能完備的數(shù)字閱讀服務(wù)體系。

2.2.3 數(shù)據(jù)的易得性。 隨著文化數(shù)字化戰(zhàn)略的提出和移動終端的普及,數(shù)字閱讀方式受到大眾的青睞,任何人都可通過移動終端使用數(shù)字圖書館,為圖書館獲取用戶的行為數(shù)據(jù)提供了有利條件。

3 數(shù)字圖書館建設(shè)涉及的用戶行為分析方向

3.1 用戶行為路徑分析

用戶行為路徑分析是圖書館根據(jù)用戶在使用數(shù)字圖書館過程中的操作信息,提取用戶流向、功能選擇、閱讀轉(zhuǎn)化率等數(shù)據(jù),及時改進服務(wù)方式的研究方法,分為不設(shè)定具體路徑的行為軌跡分析和設(shè)定關(guān)鍵路徑的“漏斗模型”分析。 行為軌跡分析可幫助圖書館了解用戶使用數(shù)字圖書館的傾向,進而優(yōu)化數(shù)字圖書館的功能和結(jié)構(gòu)。 “漏斗模型”分析可幫助圖書館根據(jù)用戶的使用狀態(tài)分析出易造成用戶流失問題的關(guān)鍵服務(wù)環(huán)節(jié),提高數(shù)字圖書館用戶轉(zhuǎn)化率。

3.2 用戶頁面點擊行為分析

用戶頁面點擊行為分析是指圖書館對用戶在使用數(shù)字圖書館過程中的點擊行為進行分析,如各頁面的訪問次數(shù)、模塊訪問量占比等。 一般情況下,用戶頁面點擊行為受以下兩個方面因素的影響:一是用戶對數(shù)字資源的主觀認(rèn)知程度,二是數(shù)字圖書館頁面布局的合理性、便捷性及用戶體驗感[4]。 圖書館可對用戶頁面點擊行為進行分析,獲取用戶的瀏覽習(xí)慣和閱讀喜好,細(xì)分用戶群體,有針對性地優(yōu)化閱讀推廣服務(wù)方式;有效評估用戶與數(shù)字圖書館的交互關(guān)系,明確用戶需求,為數(shù)字圖書館建設(shè)奠定基礎(chǔ)。

3.3 用戶檢索行為分析

隨著信息技術(shù)的發(fā)展,圖書館的資源檢索方式逐漸多樣化,能夠滿足用戶的一站式信息獲取需求。圖書館通過分析用戶的檢索行為獲得用戶的檢索習(xí)慣、思維方式、興趣偏好等信息,以持續(xù)優(yōu)化檢索算法,提高用戶的檢索效率。

3.4 用戶瀏覽行為分析

用戶瀏覽行為數(shù)據(jù)包括用戶的瀏覽次數(shù)、瀏覽時間、瀏覽歷史、頁面停留時間、跳出率、回訪率等。其中,跳出率、回訪率、停留時間等可反映頁面內(nèi)容對用戶的吸引程度。 圖書館通過用戶瀏覽行為分析的方式了解用戶的閱讀習(xí)慣,以開展個性化的推送服務(wù),提高用戶的閱讀效率。

3.5 用戶畫像分析

用戶畫像是圖書館根據(jù)注冊用戶的基本信息、行為信息、需求信息等數(shù)據(jù)建立的標(biāo)簽化的用戶模型,可直觀顯示用戶在某一維度的需求偏好[5]。 圖書館通過用戶畫像將用戶行為與數(shù)字圖書館館藏資源進行匹配,可有效提高數(shù)字資源建設(shè)、可視化數(shù)字服務(wù)平臺建設(shè)等工作的效率和質(zhì)量。 此外,圖書館根據(jù)用戶畫像開展數(shù)字閱讀推薦活動,可有效幫助用戶明確自身閱讀定位,激發(fā)他們的閱讀熱情[6]。

4 基于用戶行為分析結(jié)果的數(shù)字閱讀推廣策略

4.1 優(yōu)化數(shù)字圖書館的功能布局

數(shù)字圖書館的功能布局、資源結(jié)構(gòu)和資源服務(wù)獲取方式是影響用戶使用體驗的重要因素,圖書館應(yīng)通過用戶行為分析的方式,有針對性地優(yōu)化數(shù)字圖書館的功能布局,加強數(shù)字圖書館系統(tǒng)建設(shè),提升用戶的使用體驗[7]。

4.1.1 清晰的導(dǎo)航系統(tǒng)。 圖書館應(yīng)挑選用戶普遍關(guān)注的資源類型、服務(wù)項目、使用問題等,設(shè)置清晰的導(dǎo)航頁面,方便用戶快速查找。

4.1.2 方便的檢索系統(tǒng)。 圖書館應(yīng)不斷提升檢索系統(tǒng)的信息采集能力,為用戶提供方便、快速、精確、可靠的檢索服務(wù)。

4.1.3 醒目的引導(dǎo)系統(tǒng)。 醒目的引導(dǎo)系統(tǒng)可引導(dǎo)用戶高效利用數(shù)字圖書館,提高他們的閱讀興趣,推動淺閱讀向深閱讀、泛閱讀向精閱讀的轉(zhuǎn)化。

4.2 開展精準(zhǔn)的閱讀推送服務(wù)

4.2.1 用戶個性化需求匹配。 圖書館應(yīng)收集用戶的瀏覽、檢索等行為數(shù)據(jù),通過隨機森林算法獲得用戶特征[8],建立用戶行為畫像,精準(zhǔn)預(yù)測和滿足用戶的閱讀資源需求。

4.2.2 拓展閱讀推薦。 拓展閱讀推薦服務(wù)有利于提升用戶的閱讀效果,圖書館應(yīng)收集用戶的瀏覽行為信息,通過Apriori 算法深入挖掘用戶的閱讀偏好[9,10],為他們提供拓展閱讀資源,擴大他們的閱讀范圍。

4.2.3 群體數(shù)字閱讀推廣決策。 圖書館應(yīng)通過用戶行為分析的方式,對用戶進行分類,利用聚類算法和分類算法開展精準(zhǔn)的閱讀推送服務(wù)。

4.3 提升用戶體驗

圖書館應(yīng)通過用戶行為路徑分析的方式,發(fā)現(xiàn)易造成用戶流失問題的關(guān)鍵服務(wù)環(huán)節(jié),有針對性地解決服務(wù)過程中存在的問題,提升用戶體驗,提高用戶轉(zhuǎn)化率。 例如,如果用戶在注冊階段流失較多,說明數(shù)字圖書館的注冊方式可能過于復(fù)雜或難以保護用戶的信息安全,圖書館可據(jù)此簡化注冊流程,加強信息安全保護,以提升用戶的使用體驗。

4.4 加大線上線下資源的融合力度

數(shù)字圖書館的使用沒有時間、空間的限制,資源數(shù)量比傳統(tǒng)圖書館多,但傳統(tǒng)圖書館在線下閱讀推廣活動方面具有明顯優(yōu)勢。 因此,圖書館應(yīng)積極分析用戶行為數(shù)據(jù),對用戶進行分類,根據(jù)用戶類型開展線上或線下閱讀推廣活動;整合線上線下資源,加強數(shù)字圖書館資源建設(shè),實現(xiàn)線上線下資源的統(tǒng)一管理和維護,以提高資源利用率[11]。

5 結(jié)語

基于數(shù)字閱讀平臺的用戶行為分析體現(xiàn)了圖書館“以用戶為中心”的服務(wù)思想。 目前,用戶行為分析涉及的技術(shù)相對成熟,圖書館可有效分析用戶的行為數(shù)據(jù),為其數(shù)字閱讀推廣的開展、數(shù)字圖書館功能布局的優(yōu)化、數(shù)字資源建設(shè)的開展等提供相對準(zhǔn)確的決策依據(jù)。 值得注意的是,本研究在用戶行為數(shù)據(jù)選取、“漏斗模型”設(shè)計、用戶畫像分析等方面存在一定的局限性,因此,筆者將在后續(xù)的實踐和研究中擴大研究范圍,優(yōu)化模型結(jié)構(gòu)和分析算法,不斷檢驗和調(diào)整分析結(jié)果,以期得到更加準(zhǔn)確且更有價值的學(xué)術(shù)研究成果。