本文摘要：摘要:[目的/意义]微信公众号用户行为规律的数据挖掘对于高校图书馆开展新媒体营销具有重要的意义。[方法/过程]以闽南师范大学图书馆微信公众号为例，从菜单访问数据、推文数据及用户关注量等三个指标体系展开分析研究，并建立微信公众号关注量的ARIMA模型和
摘要:[目的/意义]微信公众号用户行为规律的数据挖掘对于高校图书馆开展新媒体营销具有重要的意义。[方法/过程]以闽南师范大学图书馆微信公众号为例，从菜单访问数据、推文数据及用户关注量等三个指标体系展开分析研究，并建立微信公众号关注量的ARIMA模型和多项式拟合模型。[结果/结论]该公众号用户的主要群体学生较多关注的大多是与自己专业学习有直接关联的推文内容，对其他内容关注度较低;关注量具有季节性规律，受假期、新生入学及推文发文数量等因素影响;可以预见，关注量仍将持续呈上升趋势;ARIMA(2，2，8)模型对用户关注量的中短期具有较好的预测效果。
关键词:图书馆;微信公众号;ARIMA模型
0引言
用户的数量和活跃度是高校图书馆微信公众平台信息服务模式是否取得成效的关键指标之一，它间接体现了高校图书馆开展微服务的用户黏度、效果以及服务价值等。因此，高校图书馆微信公众平台服务能否契合业务目标及营销策略最大地发挥其效能，在很大程度上取决于用户的持续使用关注情况。但由于受到微信公众号推广工作的力度、推送图文消息的频率、图文内容、功能菜单的利用率以及后台响应留言的及时性等因素的影响[1]，用户关注量会时刻发生变化。因此，分析图书馆微信公众号的运营数据并预测用户关注量的变化趋势对把握高校图书馆微服务规律、特征及发展趋势，更为精准地提高图书馆的服务效能，非常有指导意义。
1相关研究综述
目前高校图书馆微信公众号的研究历经服务现状、营销内容、效果评价、传播影响力和运营策略等方面之后，在微信公众号用户行为和运营规律等方面的研究逐步增多。
李梦楠等[2]从用户视角结合用户满意指数和精细化Kano模型对高校图书馆微信公众号服务内容进行了分类和供给优先序研究;马帅等[3]采用客观赋权法中的主成分分析法构建了高校图书馆微信公众号与用户的互动效果评价模型;王宗水等[4]指出高校图书馆微信公众号所提供的服务中，用户信息、资源检索、信息快递三类服务在关联网络中的相对重要性较高，但信息快递类服务内容对信息传播影响力的影响最大，资源检索、用户信息、互动咨询、其他类服务的影响较小。
而将高校图书馆微信公众号运营数据分析与运维策略相结合的文献则较少，罗孟儒等[5]对中南大学图书馆微信平台用户、推文以及菜单三个方面的运营数据进行了统计分析，总结出了目前微信公众号在新媒体运营过程中的不足并提出了相关意见建议;黄国凡等[6]基于WCI微信影响力指数分析了国内图书馆微信公众号影响力排名，结合湖南省图书馆和厦门大学图书馆的微信运营实践总结出行之有效的微信内容营销策略;刘佳静等[7]通过研究发现可从用户反馈、后台运营、微博影响力、点赞率4个方面评价高校图书馆微信公众号传播力。这些研究从运营数据、平台用户行为和传播力指数等不同视角探寻高校图书馆微信公众号的用户运维规律和服务绩效。
目前，基于时间序列分析的ARIMA模型(AutoregressiveIntegratedMovingAveragemodel)广泛应用于交通客流预测[8]、价格预测[9]、公共卫生人流量预测[10]和图书馆入馆行为[11]等方面。熊枫等[1]对某医科大学图书馆2016年至2018年的微信公众号用户量建立了ARIMA模型并进行了预测。ARIMA模型通过对用户行为数据的季节周期性、趋势性等规律的识别及预测，能有效支持对产品或者服务的精准调配和运营优化。
为探索基于数据驱动的微信公众号运维模式，更好地运用用户行为数据把握高校图书馆微信公众号的变化趋势，从而有效驱动和精准提升图书馆的微信服务效能，本文拟以闽南师范大学图书馆微信公众号为例，从菜单访问数据、推文数据及用户关注量等三个指标体系展开分析，进而建立ARIMA模型和多项式拟合模型重点来分析用户关注量的变化趋势并作出预测。
2模型介绍
2.1ARIMA模型ARIMA模型称为差分整合移动平均自回归模型，根据时间序列动态记忆性的内容不同，ARIMA模型包括自回归AR模型、移动平均MA模型和自回归移动平均ARMA模型。AR模型描述的是系统对过去自身状态的记忆，MA模型描述的是系统对过去时刻进入系统噪声(随机扰动项)的记忆，而ARMA模型则是系统对过去自身状态以及进入系统噪声的记忆[12]。
2.1.1ARIMA模型优点
此模型操作简捷、建模步骤程序化，建模过程只需要内生变量而不需要借助外生变量，广泛应用于平稳性时间序列建模，是一种精度较高的中短期预测模型。
2.1.2建模步骤:
(1)平稳性检验。利用ADF单位根方法检验数据的平稳性，若序列非平稳，则运用差分算法消除趋势性、季节性等使其转换为平稳序列。(2)模型识别。利用自相关函数(ACF)和偏相关函数(PCF)图，判断模型的类型和阶数。(3)参数估计和诊断。检验模型估计系数的显著性，判断残差序列是否为白噪声。(4)运用建立的ARIMA(p，d，q)模型进行预测并检验预测效果。
2.2多项式拟合模型
多项式拟合又称为曲线拟合，即选取合适的多项式函数来拟合、逼近数据所出现的趋势，其系数采用最小二乘法计算。
3实证分析
3.1数据来源
从微信后台获取2016—2020年图书馆微信用户日增长数据，整理得到2018年、2019年微信用户月净增和取关人数及2016—2020年微信公众号累计关注人数的月数据。将2016年1月至2020年12月的微信公众号累计关注人数的月数据作为微信关注量。
人均点击次数前三位的依次是诗颂新时代、微阅读、电子借阅证。人均点击次数后三位的依次是征订目录、我的推荐、2019宣传月。分析以上六个子菜单发现，“诗颂新时代”人均点击次数最高的原因是诗词大赛采用的线上线下互动大比拼的组织方式可以充分提升微信公众号的用户黏性;微阅读人均点击次数高比较符合当前移动互联网环境下不受时空限制的碎片化阅读特征;随着图书馆信息化建设的改造升级，电子借阅证使用的范围更为广泛，因此这一功能的人均点击率相对也较高。而从人均点击次数后三位的子菜单可以看出读者在馆藏资源的建设方面参与度不高，在宣传月活动的组织策划方面图书馆相关部门还需不断开拓新思路。
3.3.2推文数据分析
查阅闽南师范大学图书馆2019公众号年报(壹伴出品)数据，2019年全年发文106篇，其中头条94篇，累计阅读次数为93503次，累计点赞次数为361次，累计分享次数1380次，累计留言条数412次。分析发文详细图文数据发现，4月份、6月份发文量分别为24篇和18篇，合起来约占全年发文量的40%;2月份和11月份总发文量为4篇，仅约占全年发文量的3.8%。
8月份发文量为0;9月份和10月份发文量分别为13篇和12篇，合起来约占全年发文量的24%;12月份发文数为6篇，仅约占全年发文量的5.7%，但是由于推文内容大多与假期开馆安排及图书馆设备更新有关，读者的阅读人数和次数都比较高。分析2019年微信公众号推文阅读数和分享次数TOP10的推文发现，涉及各类假期图书馆开馆安排、图书馆空间服务的推文约占60%，其它排名靠前的主要涉及到图书馆各类读者自助服务系统等。
图书馆论文范例： 读秀百链和全国图书馆参考咨询联盟使用方法和技巧
4结语
通过对闽南师范大学图书馆微信公众号的运维行为数据的清洗整理，从菜单访问数据、推文数据及用户关注量等三个关键指标体系展开定量分析，并在分析微信公众号关注量变化趋势的基础上，建立了ARIMA模型和多项式拟合模型对其进行预测分析。
结合实际营销推文内容，分析结果显示，该公众号用户的主要群体学生在使用过程中较多关注的大多是与自己专业学习有直接关系的内容，对其他内容关注度低;公众号关注量整体的变化有季节性，受 假期、推文发文数量及内容影响较大;微信关注量在未来仍将持续呈上升趋势;ARIMA(2，2，8)模型对该公众号关注量的中短期预测精度较高，可以较为精准地预测微信公众号的周期性变化规律。下一步研究的方向是对运营数据进一步细化分析，找出关注量的重要影响因素加入到预测模型中，建立更完善的预测分析模型。
参考文献
[1]熊枫，宋国强.基于ARIMA模型的图书馆微信公众号用户量预测[J].中国科技信息，2019(13):72-74.
[2]李梦楠，周秀会.基于Kano模型的高校图书馆微信公众号服务内容分类和供给优先序研究[J].图书情报工作，2019，63(10):39-47.
[3]马帅，王昌，毛鹏乐.高校图书馆微信推送服务互动效果评价研究[J].新世纪图书馆，2020(8):68-73.
[4]王宗水，刘霞，孙倬，等.高校图书馆微信服务项目共现关联及信息传播影响力研究:以“C9联盟”高校图书馆微信公众号为例[J].图书情报工作，2020，64(3):83-91.
[5]罗孟儒，舒薇，崔永.高校图书馆微信公众号运营数据研究:以中南大学图书馆为例[J].资源信息与工程，2020，35(2):143-147，151.
[6]黄国凡，张钰梅.图书馆微信公众号内容营销策略:基于微信传播指数WCI的分析[J].图书馆杂志，2015，34(9):91-96.
[7]刘佳静，金洁琴，赵乃瑄.高校图书馆微信公众号传播力评价研究:以“双一流”大学为例[J].图书馆工作与研究，2019(2):40-46.
[8]赵鹏，李璐.基于ARIMA模型的城市轨道交通进站量预测研究[J].重庆交通大学学报(自然科学版)，2020，39(1):40-44.
作者：卢成晓陈添源
转载请注明来自发表学术论文网：http://www.fbxslw.com/jzlw/28045.html
