微信公眾號運營規(guī)律預(yù)測實證

　　摘要:[目的/意義]微信公眾號用戶行為規(guī)律的數(shù)據(jù)挖掘?qū)τ诟咝�圖書館開展新媒體營銷具有重要的意義。[方法/過程]以閩南師范大學(xué)圖書館微信公眾號為例，從菜單訪問數(shù)據(jù)、推文數(shù)據(jù)及用戶關(guān)注量等三個指標體系展開分析研究，并建立微信公眾號關(guān)注量的ARIMA模型和多項式擬合模型。[結(jié)果/結(jié)論]該公眾號用戶的主要群體學(xué)生較多關(guān)注的大多是與自己專業(yè)學(xué)習(xí)有直接關(guān)聯(lián)的推文內(nèi)容，對其他內(nèi)容關(guān)注度較低;關(guān)注量具有季節(jié)性規(guī)律，受假期、新生入學(xué)及推文發(fā)文數(shù)量等因素影響;可以預(yù)見，關(guān)注量仍將持續(xù)呈上升趨勢;ARIMA(2，2，8)模型對用戶關(guān)注量的中短期具有較好的預(yù)測效果。

　　關(guān)鍵詞:圖書館;微信公眾號;ARIMA模型

　　0引言

　　用戶的數(shù)量和活躍度是高校圖書館微信公眾平臺信息服務(wù)模式是否取得成效的關(guān)鍵指標之一，它間接體現(xiàn)了高校圖書館開展微服務(wù)的用戶黏度、效果以及服務(wù)價值等。因此，高校圖書館微信公眾平臺服務(wù)能否契合業(yè)務(wù)目標及營銷策略最大地發(fā)揮其效能，在很大程度上取決于用戶的持續(xù)使用關(guān)注情況。但由于受到微信公眾號推廣工作的力度、推送圖文消息的頻率、圖文內(nèi)容、功能菜單的利用率以及后臺響應(yīng)留言的及時性等因素的影響[1]，用戶關(guān)注量會時刻發(fā)生變化。因此，分析圖書館微信公眾號的運營數(shù)據(jù)并預(yù)測用戶關(guān)注量的變化趨勢對把握高校圖書館微服務(wù)規(guī)律、特征及發(fā)展趨勢，更為精準地提高圖書館的服務(wù)效能，非常有指導(dǎo)意義。

　　1相關(guān)研究綜述

　　目前高校圖書館微信公眾號的研究歷經(jīng)服務(wù)現(xiàn)狀、營銷內(nèi)容、效果評價、傳播影響力和運營策略等方面之后，在微信公眾號用戶行為和運營規(guī)律等方面的研究逐步增多。

　　李夢楠等[2]從用戶視角結(jié)合用戶滿意指數(shù)和精細化Kano模型對高校圖書館微信公眾號服務(wù)內(nèi)容進行了分類和供給優(yōu)先序研究;馬帥等[3]采用客觀賦權(quán)法中的主成分分析法構(gòu)建了高校圖書館微信公眾號與用戶的互動效果評價模型;王宗水等[4]指出高校圖書館微信公眾號所提供的服務(wù)中，用戶信息、資源檢索、信息快遞三類服務(wù)在關(guān)聯(lián)網(wǎng)絡(luò)中的相對重要性較高，但信息快遞類服務(wù)內(nèi)容對信息傳播影響力的影響最大，資源檢索、用戶信息、互動咨詢、其他類服務(wù)的影響較小。

　　而將高校圖書館微信公眾號運營數(shù)據(jù)分析與運維策略相結(jié)合的文獻則較少，羅孟儒等[5]對中南大學(xué)圖書館微信平臺用戶、推文以及菜單三個方面的運營數(shù)據(jù)進行了統(tǒng)計分析，總結(jié)出了目前微信公眾號在新媒體運營過程中的不足并提出了相關(guān)意見建議;黃國凡等[6]基于WCI微信影響力指數(shù)分析了國內(nèi)圖書館微信公眾號影響力排名，結(jié)合湖南省圖書館和廈門大學(xué)圖書館的微信運營實踐總結(jié)出行之有效的微信內(nèi)容營銷策略;劉佳靜等[7]通過研究發(fā)現(xiàn)可從用戶反饋、后臺運營、微博影響力、點贊率4個方面評價高校圖書館微信公眾號傳播力。這些研究從運營數(shù)據(jù)、平臺用戶行為和傳播力指數(shù)等不同視角探尋高校圖書館微信公眾號的用戶運維規(guī)律和服務(wù)績效。

　　目前，基于時間序列分析的ARIMA模型(AutoregressiveIntegratedMovingAveragemodel)廣泛應(yīng)用于交通客流預(yù)測[8]、價格預(yù)測[9]、公共衛(wèi)生人流量預(yù)測[10]和圖書館入館行為[11]等方面。熊楓等[1]對某醫(yī)科大學(xué)圖書館2016年至2018年的微信公眾號用戶量建立了ARIMA模型并進行了預(yù)測。ARIMA模型通過對用戶行為數(shù)據(jù)的季節(jié)周期性、趨勢性等規(guī)律的識別及預(yù)測，能有效支持對產(chǎn)品或者服務(wù)的精準調(diào)配和運營優(yōu)化。

　　為探索基于數(shù)據(jù)驅(qū)動的微信公眾號運維模式，更好地運用用戶行為數(shù)據(jù)把握高校圖書館微信公眾號的變化趨勢，從而有效驅(qū)動和精準提升圖書館的微信服務(wù)效能，本文擬以閩南師范大學(xué)圖書館微信公眾號為例，從菜單訪問數(shù)據(jù)、推文數(shù)據(jù)及用戶關(guān)注量等三個指標體系展開分析，進而建立ARIMA模型和多項式擬合模型重點來分析用戶關(guān)注量的變化趨勢并作出預(yù)測。

　　2模型介紹

　　2.1ARIMA模型ARIMA模型稱為差分整合移動平均自回歸模型，根據(jù)時間序列動態(tài)記憶性的內(nèi)容不同，ARIMA模型包括自回歸AR模型、移動平均MA模型和自回歸移動平均ARMA模型。AR模型描述的是系統(tǒng)對過去自身狀態(tài)的記憶，MA模型描述的是系統(tǒng)對過去時刻進入系統(tǒng)噪聲(隨機擾動項)的記憶，而ARMA模型則是系統(tǒng)對過去自身狀態(tài)以及進入系統(tǒng)噪聲的記憶[12]。

　　2.1.1ARIMA模型優(yōu)點

　　此模型操作簡捷、建模步驟程序化，建模過程只需要內(nèi)生變量而不需要借助外生變量，廣泛應(yīng)用于平穩(wěn)性時間序列建模，是一種精度較高的中短期預(yù)測模型。

　　2.1.2建模步驟:

　　(1)平穩(wěn)性檢驗。利用ADF單位根方法檢驗數(shù)據(jù)的平穩(wěn)性，若序列非平穩(wěn)，則運用差分算法消除趨勢性、季節(jié)性等使其轉(zhuǎn)換為平穩(wěn)序列。(2)模型識別。利用自相關(guān)函數(shù)(ACF)和偏相關(guān)函數(shù)(PCF)圖，判斷模型的類型和階數(shù)。(3)參數(shù)估計和診斷。檢驗?zāi)Ｐ凸烙嬒禂?shù)的顯著性，判斷殘差序列是否為白噪聲。(4)運用建立的ARIMA(p，d，q)模型進行預(yù)測并檢驗預(yù)測效果。

　　2.2多項式擬合模型

　　多項式擬合又稱為曲線擬合，即選取合適的多項式函數(shù)來擬合、逼近數(shù)據(jù)所出現(xiàn)的趨勢，其系數(shù)采用最小二乘法計算。

　　3實證分析

　　3.1數(shù)據(jù)來源

　　從微信后臺獲取2016—2020年圖書館微信用戶日增長數(shù)據(jù)，整理得到2018年、2019年微信用戶月凈增和取關(guān)人數(shù)及2016—2020年微信公眾號累計關(guān)注人數(shù)的月數(shù)據(jù)。將2016年1月至2020年12月的微信公眾號累計關(guān)注人數(shù)的月數(shù)據(jù)作為微信關(guān)注量。

　　人均點擊次數(shù)前三位的依次是詩頌新時代、微閱讀、電子借閱證。人均點擊次數(shù)后三位的依次是征訂目錄、我的推薦、2019宣傳月。分析以上六個子菜單發(fā)現(xiàn)，“詩頌新時代”人均點擊次數(shù)最高的原因是詩詞大賽采用的線上線下互動大比拼的組織方式可以充分提升微信公眾號的用戶黏性;微閱讀人均點擊次數(shù)高比較符合當(dāng)前移動互聯(lián)網(wǎng)環(huán)境下不受時空限制的碎片化閱讀特征;隨著圖書館信息化建設(shè)的改造升級，電子借閱證使用的范圍更為廣泛，因此這一功能的人均點擊率相對也較高。而從人均點擊次數(shù)后三位的子菜單可以看出讀者在館藏資源的建設(shè)方面參與度不高，在宣傳月活動的組織策劃方面圖書館相關(guān)部門還需不斷開拓新思路。

　　3.3.2推文數(shù)據(jù)分析

　　查閱閩南師范大學(xué)圖書館2019公眾號年報(壹伴出品)數(shù)據(jù)，2019年全年發(fā)文106篇，其中頭條94篇，累計閱讀次數(shù)為93503次，累計點贊次數(shù)為361次，累計分享次數(shù)1380次，累計留言條數(shù)412次。分析發(fā)文詳細圖文數(shù)據(jù)發(fā)現(xiàn)，4月份、6月份發(fā)文量分別為24篇和18篇，合起來約占全年發(fā)文量的40%;2月份和11月份總發(fā)文量為4篇，僅約占全年發(fā)文量的3.8%。

　　8月份發(fā)文量為0;9月份和10月份發(fā)文量分別為13篇和12篇，合起來約占全年發(fā)文量的24%;12月份發(fā)文數(shù)為6篇，僅約占全年發(fā)文量的5.7%，但是由于推文內(nèi)容大多與假期開館安排及圖書館設(shè)備更新有關(guān)，讀者的閱讀人數(shù)和次數(shù)都比較高。分析2019年微信公眾號推文閱讀數(shù)和分享次數(shù)TOP10的推文發(fā)現(xiàn)，涉及各類假期圖書館開館安排、圖書館空間服務(wù)的推文約占60%，其它排名靠前的主要涉及到圖書館各類讀者自助服務(wù)系統(tǒng)等。

　　圖書館論文范例： 讀秀百鏈和全國圖書館參考咨詢聯(lián)盟使用方法和技巧

　　4結(jié)語

　　通過對閩南師范大學(xué)圖書館微信公眾號的運維行為數(shù)據(jù)的清洗整理，從菜單訪問數(shù)據(jù)、推文數(shù)據(jù)及用戶關(guān)注量等三個關(guān)鍵指標體系展開定量分析，并在分析微信公眾號關(guān)注量變化趨勢的基礎(chǔ)上，建立了ARIMA模型和多項式擬合模型對其進行預(yù)測分析。

　　結(jié)合實際營銷推文內(nèi)容，分析結(jié)果顯示，該公眾號用戶的主要群體學(xué)生在使用過程中較多關(guān)注的大多是與自己專業(yè)學(xué)習(xí)有直接關(guān)系的內(nèi)容，對其他內(nèi)容關(guān)注度低;公眾號關(guān)注量整體的變化有季節(jié)性，受 假期、推文發(fā)文數(shù)量及內(nèi)容影響較大;微信關(guān)注量在未來仍將持續(xù)呈上升趨勢;ARIMA(2，2，8)模型對該公眾號關(guān)注量的中短期預(yù)測精度較高，可以較為精準地預(yù)測微信公眾號的周期性變化規(guī)律。下一步研究的方向是對運營數(shù)據(jù)進一步細化分析，找出關(guān)注量的重要影響因素加入到預(yù)測模型中，建立更完善的預(yù)測分析模型。

　　參考文獻

　　[1]熊楓，宋國強.基于ARIMA模型的圖書館微信公眾號用戶量預(yù)測[J].中國科技信息，2019(13):72-74.

　　[2]李夢楠，周秀會.基于Kano模型的高校圖書館微信公眾號服務(wù)內(nèi)容分類和供給優(yōu)先序研究[J].圖書情報工作，2019，63(10):39-47.

　　[3]馬帥，王昌，毛鵬樂.高校圖書館微信推送服務(wù)互動效果評價研究[J].新世紀圖書館，2020(8):68-73.

　　[4]王宗水，劉霞，孫倬，等.高校圖書館微信服務(wù)項目共現(xiàn)關(guān)聯(lián)及信息傳播影響力研究:以“C9聯(lián)盟”高校圖書館微信公眾號為例[J].圖書情報工作，2020，64(3):83-91.

　　[5]羅孟儒，舒薇，崔永.高校圖書館微信公眾號運營數(shù)據(jù)研究:以中南大學(xué)圖書館為例[J].資源信息與工程，2020，35(2):143-147，151.

　　[6]黃國凡，張鈺梅.圖書館微信公眾號內(nèi)容營銷策略:基于微信傳播指數(shù)WCI的分析[J].圖書館雜志，2015，34(9):91-96.

　　[7]劉佳靜，金潔琴，趙乃瑄.高校圖書館微信公眾號傳播力評價研究:以“雙一流”大學(xué)為例[J].圖書館工作與研究，2019(2):40-46.

　　[8]趙鵬，李璐.基于ARIMA模型的城市軌道交通進站量預(yù)測研究[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版)，2020，39(1):40-44.

　　作者：盧成曉陳添源

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jzlw/28045.html