大學生新浪微博用戶畫像構建與分析

引言

社交網絡自誕生以來，給人們的信息生活帶來了巨大變革，隨著移動互聯網的迅速普及，微博成為人們獲取新聞資訊的主要平臺，特別是在信息時代，新聞訊息產生十分迅速，微博逐漸成為輿情傳播的重要渠道。在不同的應用場景中，用戶會呈現出特點各異的微博使用方式。在社會信息化進程不斷加速的大背景下，網絡信息的數量呈現出指數增長的趨勢。面對處理龐大數據量的壓力，數據挖掘與文本挖掘應運而生。為了解決對大量用戶信息數據進行分析的難題，用戶畫像這一分析工具被廣泛應用到各類研究中。同時，用戶畫像能夠提供精確有效的用戶特征分析，能夠迅速了解用戶行為習慣、消費特點、使用方式及興趣偏好等重要特征。

一、相關概念及研究現狀

在信息時代，企業需要對用戶數據進行管理和使用，在這種大背景下，用戶畫像應運而生。劉海鷗等通過文獻研究，總結了用戶畫像的概念，即基于特定場景，由用戶數據提煉出來的描述群體屬性及其相關行為的標簽集合。在社交網絡的用戶畫像研究中，構建視角主要有兩種：第一類視角是研究者從既有理論角度對特定用戶群體進行定性分析[2-3]；第二類則是通過大量用戶數據，從數據中提取相關特征信息，從而構建基于實際數據的用戶畫像[4。在群體用戶畫像研究中，當前主要聚焦于特定情境中的用戶畫像，通過從群體用戶信息中抽取代表性特征[5]，對具有相似相近特征的用戶進行聚類，構建不同類型的群體畫像，基于此，能夠進一步識別出群體中用戶的中心程度、活躍程度及社群質量高低等[]。

二、研究設計

（一）研究方法

本文通過網絡爬蟲收集數據并進行數據清洗，以此進行大學生微博數據信息標簽化處理，通過K-Means聚類算法構建用戶畫像，分析說明不同類型大學生群體用戶特征。微博用戶畫像的兩個具體維度，分為用戶相關和情景相關。其中用戶相關維度是用戶的靜態數據，主要為個人信息、使用歷史信息等不隨用戶行為變化而變化的信息；情景相關維度主要是用戶動態數據，如博文長度、轉發情況等。本文構建的大學生微博用戶畫像標簽包括用戶基本信息及博文信息。

（二）數據收集與處理

本研究使用網絡數據采集方法，通過網絡爬蟲解析Web版微博網頁，對用戶數據進行收集，大學生群體身份識別方法通過教育信息化進行篩選，累計獲取695位高校大學生微博用戶信息及發布的微博博文數據，去除相關個人隱私信息后，數據樣例，見表1—2。

剔除極端值后，得到有效樣本用戶數據432個。同時，為了消除不同衡量標準帶來的影響，需要進行標準化處理，以數據放縮的形式消除不同維度數據量綱帶來的差異。在用戶屬性及行為數據的基礎上，借鑒郭秋艷等對微博用戶特征挖掘的研究，增加名氣指數及互動值等標簽[7]。

三、結果與分析

根據社會認同理論，以及用戶屬性信息，可以將微博用戶劃分為5類[8；在對大學生社交媒體使用的研究中，有學者根據用戶特征維度，將大學生群體分為娛樂型、社交型、信息型和全面型4類。根據新浪微博用戶發展報告中對不同類型用戶的分類和說明，本文結合用戶屬性及行為標簽，將大學生微博用戶分為4類：互動型用戶、分享型用戶、普通型用戶及名氣型用戶，不同用戶占比，見表 3

互動型用戶以男性為主體，粉絲數多，關注數少，使用微博頻率低，發布的微博數量較少，每次發布博文長度較短，但此類用戶與粉絲及其他用戶互動較多，以此來保持高活躍度。該類用戶占樣本總體較少，而高頻互動型用戶以原創能力和互動能力為特征，說明在大學生群體中，頻繁使用微博，并能夠保持原創互動能力的微博用戶較少。互動型用戶畫像差異屬性特征，見圖1。

分享型用戶以女大學生為主體，微博數量多、發博頻率高、平均博文長度高，但粉絲數和關注數低。說明該類群體多以生活分享為主要內容，并不致力于提高粉絲數量和進行個人營銷，屬于普通用戶群體。同時微博等級和會員等級高，說明該群體使用微博增值服務多，如微博會員服務，該類群體的消費能力較高。分享型用戶畫像差異屬性特征，見圖 2

普通型群體聚類中心用戶性別為男性，但實際上該類群體中男女大學生數量均較多。此類群體各項指標數值均較低，使用微博時間短，微博數、粉絲數、關注數均較低。普通型用戶占樣本用戶的 57.5% ，這說明較多的大學生微博用戶在微博網絡中的影響力較低，與其他用戶的互動較少，此類用戶主要通過微博來獲得信息。普通型用戶畫像差異屬性特征，見圖 3

名氣型用戶以女大學生為主體，互動值、粉絲數均較高，說明其在網絡中的影響力較大且活躍，與粉絲及其他用戶互動次數較多，微博等級低但會員等級高，說明其消費能力較強、消費次數較多，該類群體以低關注數、高粉絲數和名氣指數為主要特征，同時與其他用戶互動頻繁。名氣型用戶畫像差異屬性特征，見圖 4

結語

本文以新浪微博數據為基礎，構建了大學生微博用戶畫像，主要包括用戶基本屬性和用戶行為屬性兩個維度，通過K-means聚類算法進行處理，根據不同用戶屬性及行為特征分類分析，得到了不同類型用戶的差異屬性特征。用戶畫像作為重要的用戶分析工具，能夠利用大量數據來發現不同類型的用戶特征，為挖掘用戶需求、實施精準服務提供了重要途徑。大學生群體作為消費頻次較高、網絡活躍度較強的群體，對其進行微博用戶畫像的構建和分析，能夠增強對大學生用戶群體的精準描述。

參考文獻：

[1]劉海鷗，孫晶晶，蘇妍姬，等.國內外用戶畫像研究綜述[J]情報理論與實踐，2018，41（11）：155-160.

[2]陳志明，胡震云.UGC網站用戶畫像研究[J].計算機系統用，2017，26（01）：24-30

[3]高廣尚.用戶畫像構建方法研究綜述[J].數據分析與知識發現，2019，3（03）：25-35.

[4]魏明珠，張海濤，劉雅姝，等.多維屬性融合的社交媒體高影響力人物畫像研究[J].圖書情報知識 ，2019，（05）：73-79+100 美

[5]林燕霞，謝湘生.基于社會認同理論的微博群體用戶畫像[J].情報理論與實踐，2018，41（03）：142-148

[6]王志剛，邱長波.基于主題的政務微博評論用戶畫像研究[J]情報雜志，2022，41（03）：159-165.

[7]郭秋艷，何躍.新浪微博名人用戶特征挖掘及效應研究[J]情報雜志，2013，32（02）：112-116+81.

[8]林燕霞，謝湘生.基于社會認同理論的微博群體用戶畫像[J].情報理論與實踐，2018，41（03）：142-148.

[9]葉鳳云，邵艷麗.大學生社交網絡行為畫像研究[J].大學圖書情報學刊，2021，39（01）：50-57.

（責任編輯：袁麗娜）