微信公眾號(hào)運(yùn)營規(guī)律預(yù)測實(shí)證

　　摘要:[目的/意義]微信公眾號(hào)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(hào)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(gè)指標(biāo)體系展開分析研究，并建立微信公眾號(hào)關(guān)注量的ARIMA模型和多項(xiàng)式擬合模型。[結(jié)果/結(jié)論]該公眾號(hào)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(duì)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(duì)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(hào);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(tái)信息服務(wù)模式是否取得成效的關(guān)鍵指標(biāo)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(jià)值等。因此，高校圖書館微信公眾平臺(tái)服務(wù)能否契合業(yè)務(wù)目標(biāo)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(hào)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(tái)響應(yīng)留言的及時(shí)性等因素的影響[1]，用戶關(guān)注量會(huì)時(shí)刻發(fā)生變化。因此，分析圖書館微信公眾號(hào)的運(yùn)營數(shù)據(jù)并預(yù)測用戶關(guān)注量的變化趨勢對(duì)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(zhǔn)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(hào)的研究歷經(jīng)服務(wù)現(xiàn)狀、營銷內(nèi)容、效果評(píng)價(jià)、傳播影響力和運(yùn)營策略等方面之后，在微信公眾號(hào)用戶行為和運(yùn)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(xì)化Kano模型對(duì)高校圖書館微信公眾號(hào)服務(wù)內(nèi)容進(jìn)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(hào)與用戶的互動(dòng)效果評(píng)價(jià)模型;王宗水等[4]指出高校圖書館微信公眾號(hào)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(duì)重要性較高，但信息快遞類服務(wù)內(nèi)容對(duì)信息傳播影響力的影響最大，資源檢索、用戶信息、互動(dòng)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(hào)運(yùn)營數(shù)據(jù)分析與運(yùn)維策略相結(jié)合的文獻(xiàn)則較少，羅孟儒等[5]對(duì)中南大學(xué)圖書館微信平臺(tái)用戶、推文以及菜單三個(gè)方面的運(yùn)營數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，總結(jié)出了目前微信公眾號(hào)在新媒體運(yùn)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(hào)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(yùn)營實(shí)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(tái)運(yùn)營、微博影響力、點(diǎn)贊率4個(gè)方面評(píng)價(jià)高校圖書館微信公眾號(hào)傳播力。這些研究從運(yùn)營數(shù)據(jù)、平臺(tái)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(hào)的用戶運(yùn)維規(guī)律和服務(wù)績效。

　　目前，基于時(shí)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(jià)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(duì)某醫(yī)科大學(xué)圖書館2016年至2018年的微信公眾號(hào)用戶量建立了ARIMA模型并進(jìn)行了預(yù)測。ARIMA模型通過對(duì)用戶行為數(shù)據(jù)的季節(jié)周期性、趨勢性等規(guī)律的識(shí)別及預(yù)測，能有效支持對(duì)產(chǎn)品或者服務(wù)的精準(zhǔn)調(diào)配和運(yùn)營優(yōu)化。

　　為探索基于數(shù)據(jù)驅(qū)動(dòng)的微信公眾號(hào)運(yùn)維模式，更好地運(yùn)用用戶行為數(shù)據(jù)把握高校圖書館微信公眾號(hào)的變化趨勢，從而有效驅(qū)動(dòng)和精準(zhǔn)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(hào)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(gè)指標(biāo)體系展開分析，進(jìn)而建立ARIMA模型和多項(xiàng)式擬合模型重點(diǎn)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(dòng)平均自回歸模型，根據(jù)時(shí)間序列動(dòng)態(tài)記憶性的內(nèi)容不同，ARIMA模型包括自回歸AR模型、移動(dòng)平均MA模型和自回歸移動(dòng)平均ARMA模型。AR模型描述的是系統(tǒng)對(duì)過去自身狀態(tài)的記憶，MA模型描述的是系統(tǒng)對(duì)過去時(shí)刻進(jìn)入系統(tǒng)噪聲(隨機(jī)擾動(dòng)項(xiàng))的記憶，而ARMA模型則是系統(tǒng)對(duì)過去自身狀態(tài)以及進(jìn)入系統(tǒng)噪聲的記憶[12]。

　　2.1.1ARIMA模型優(yōu)點(diǎn)

　　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(shí)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(yàn)。利用ADF單位根方法檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，若序列非平穩(wěn)，則運(yùn)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(shí)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(jì)和診斷。檢驗(yàn)?zāi)Ｐ凸烙?jì)系數(shù)的顯著性，判斷殘差序列是否為白噪聲。(4)運(yùn)用建立的ARIMA(p，d，q)模型進(jìn)行預(yù)測并檢驗(yàn)預(yù)測效果。

　　2.2多項(xiàng)式擬合模型

　　多項(xiàng)式擬合又稱為曲線擬合，即選取合適的多項(xiàng)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(jì)算。

　　3實(shí)證分析

　　3.1數(shù)據(jù)來源

　　從微信后臺(tái)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(hào)累計(jì)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(hào)累計(jì)關(guān)注人數(shù)的月數(shù)據(jù)作為微信關(guān)注量。

　　人均點(diǎn)擊次數(shù)前三位的依次是詩頌新時(shí)代、微閱讀、電子借閱證。人均點(diǎn)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(gè)子菜單發(fā)現(xiàn)，“詩頌新時(shí)代”人均點(diǎn)擊次數(shù)最高的原因是詩詞大賽采用的線上線下互動(dòng)大比拼的組織方式可以充分提升微信公眾號(hào)的用戶黏性;微閱讀人均點(diǎn)擊次數(shù)高比較符合當(dāng)前移動(dòng)互聯(lián)網(wǎng)環(huán)境下不受時(shí)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(jí)，電子借閱證使用的范圍更為廣泛，因此這一功能的人均點(diǎn)擊率相對(duì)也較高。而從人均點(diǎn)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(dòng)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(hào)年報(bào)(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(jì)閱讀次數(shù)為93503次，累計(jì)點(diǎn)贊次數(shù)為361次，累計(jì)分享次數(shù)1380次，累計(jì)留言條數(shù)412次。分析發(fā)文詳細(xì)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(hào)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(duì)閩南師范大學(xué)圖書館微信公眾號(hào)的運(yùn)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(gè)關(guān)鍵指標(biāo)體系展開定量分析，并在分析微信公眾號(hào)關(guān)注量變化趨勢的基礎(chǔ)上，建立了ARIMA模型和多項(xiàng)式擬合模型對(duì)其進(jìn)行預(yù)測分析。

　　結(jié)合實(shí)際營銷推文內(nèi)容，分析結(jié)果顯示，該公眾號(hào)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(duì)其他內(nèi)容關(guān)注度低;公眾號(hào)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(duì)該公眾號(hào)關(guān)注量的中短期預(yù)測精度較高，可以較為精準(zhǔn)地預(yù)測微信公眾號(hào)的周期性變化規(guī)律。下一步研究的方向是對(duì)運(yùn)營數(shù)據(jù)進(jìn)一步細(xì)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(xiàn)

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

　　[2]李夢楠，周秀會(huì).基于Kano模型的高校圖書館微信公眾號(hào)服務(wù)內(nèi)容分類和供給優(yōu)先序研究[J].圖書情報(bào)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(dòng)效果評(píng)價(jià)研究[J].新世紀(jì)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(xiàng)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(hào)為例[J].圖書情報(bào)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(hào)運(yùn)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(hào)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(hào)傳播力評(píng)價(jià)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(jìn)站量預(yù)測研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2020，39(1):40-44.

　　作者：盧成曉陳添源

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