區域高校圖書館聯盟文獻傳遞服務的用戶細分研究*

陳添源

0 引言

實現資源共建共享是區域圖書館聯盟成立的主要目的，而非返還式電子文獻傳遞服務則是實現聯盟資源共享的主要服務方式之一。歷經多年來的資源集群化和服務整合，該服務已經邁入創新發展階段。對成員館共建共享的參與程度和用戶獲取稀缺文獻的行為特征等進行分析，進而有針對性地提高區域圖書館聯盟資源整合效益，已成為推動聯盟邁向精細化服務的重要途徑。本研究以福建省高校數字圖書館(以下簡稱FULink)文獻傳遞服務為實證對象，依托全聯盟翔實的文獻傳遞數據，通過爬取技術獲得更加精準的用戶行為數據集，采用用戶細分理論和聚類分析方法展開實證研究，從而為區域高校圖書館聯盟創新服務提供借鑒。

1 相關理論研究

1.1 區域高校圖書館聯盟研究

對區域高校圖書館聯盟的研究，國內集中在聯盟內涵、業務定位和功能、運營模式構建、實現機制和績效評價等方面。張紅芹等[1]調研8個區域圖書館聯盟的建設目標、運維情況和發展規劃，發現存在成員館參與度低、資源優勢未能互補等困境。羅鈞等[2]分析JALIS聯盟的館際互借和文獻傳遞服務網，發現在服務推廣、用戶體驗、效益質量等方面需加強。與此同時，對聯盟成員館及其用戶的文獻傳遞行為分析研究陸續展開。張玉霞[3]分析區域性數字圖書館聯盟的文獻傳遞服務，但僅對各館的申請量、申請文獻類型和回復情況等進行統計和歸納，尚未就成員館的資源獲取特征和文獻傳遞規律深入研究。秦霞[4]基于用戶行為還原法構建文獻傳遞用戶評價與行為關系的模型，總結影響文獻傳遞效率的因素，提出保證獲取率、提高服務效率、整合資源和簡化流程等建議。陸堯等[5]以BALIS文獻傳遞服務為對象，通過平臺獲取用戶行為數據探討圖書館聯盟文獻傳遞用戶的信息行為，提出及時響應用戶需求、減少用戶流失和優化資源結構等對策。

國外關于圖書館聯盟文獻傳遞服務的研究中，Bangani等[6]通過對南非西北大學文獻傳遞統計數據分析，提出加強宣傳、提升用戶對館際互借與文獻傳遞認識、通過技術革新確保用戶無縫獲取信息資源，從而在有限的資源采購預算中保持資源保障服務。Mwaurah 等[7]對肯尼亞圖書館和信息服務聯盟112 個成員館采用抽樣調查，證實受訪者對數據庫熟悉和使用較少，需要加強基礎設施更新、產品服務創新和提升宣傳力度，擴展聯盟數字資源的可用性和自動化服務能力。Grevatt[8]為研究館際互借率下降趨勢的原因，從OCLCA 的tlas館際互借系統接口獲取Web報告，借助數據分析工具，通過觀察使用模式、用戶注冊特征和取消語言因素等闡述提升博伊西州立大學艾伯森圖書館的館際互借策略和方法。Ahmadi 等[9]通過建立帶有季節變化的數學模型預測文獻傳遞服務的需求，提出對需求的準確評估可以提升圖書館輔助用戶科研的能力。MacDonald[10]通過對美國大型綜合性公立大學 2012～2015 年 11，981 個文獻傳遞申請記錄的統計分析發現，用戶對文獻傳遞服務的易得性、實時性和便捷性等充滿迫切需求，應減少中介化和提升交付效益。

1.2 圖書館用戶細分研究

用戶細分是指營銷管理者通過市場調研，根據用戶需求和欲望、使用行為和購買習慣等方面的差異把某一產品或服務的市場整體劃分為若干用戶群的分類過程。它是溫德爾·史密斯于1956年提出的市場營銷理論[11]，目的在于滿足用戶的差異化需求，挖掘潛在的用戶市場，促進資源配置優化，最終提高企業經濟效益。用戶細分研究范式在國內外得到廣泛的應用。在圖書館領域，用戶細分應用于立法決策服務營銷[12]、移動圖書館感知差異性[13]、社交網絡群體結構[14]、碎片化閱讀行為[15]、情報服務[16]等方面的探索，為圖書館的精準化服務提供參考。

1.3 區域高校圖書館聯盟用戶細分的意義

區域高校圖書館聯盟的文獻傳遞服務作為一種平臺型服務，用戶細分理論對其具有極強的適用性，在文獻傳遞服務的發展之初，聯盟關注的是用戶拉新和提高用戶知曉程度，以同質化需求為主導；步入成長期后，用戶對聯盟的某些功能已形成了持續使用行為，平臺依賴性開始顯化，用戶需求不再趨同，如能對成員館進行細分，明晰成員館的需求結構，就能精準化識別成熟用戶群、潛在用戶群和目標用戶群，不斷挖掘潛在需求，既維系老成員館也有利于開拓新的成員館加盟。當前研究主要是針對文獻傳遞服務的行為數據開展定量分析，而圍繞聯盟的資源保障能力、成員館文獻申請特征、成員館之間的資源互補關系等領域的研究，囿于數據的采集困難，目前鮮有文獻涉及。本研究從文獻傳遞的行為日志出發，基于數據統計特征解析FULink 聯盟及其成員館之間的文獻傳遞互補效益，從數據挖掘、聚類分析和群體畫像可視化等方面闡述聯盟成員館之間的資源互補關系，為區域高校圖書館聯盟提供可借鑒的文獻傳遞行為實證分析方法，為高校圖書館聯盟的持續發展和服務創新提供參考建議。

2 研究設計

2.1 研究背景和數據來源

FULink成立于2010年，目前有53家高校圖書館加盟，其構建的文獻檢索與傳遞平臺以一站式檢索框的形式直接嵌入成員館網站首頁，成為加盟館用戶獲取文獻資源的重要入口。其業務運行機制為：用戶通過成員館主頁或聯盟門戶網站檢索文獻，本館已購數字資源的可直接查看館藏信息或下載全文，缺藏數字資源的則需要提交文獻傳遞申請，FULink中心門戶調度有館藏的成員館服務器自動響應，聯盟內均缺藏的文獻將通過全國參考咨詢聯盟響應傳遞。本研究通過Web開發者工具分析FULink 后臺日志頁面，對每條傳遞行為數據進行HTML代碼解析和相應數據庫字段設計，共設計存儲字段17個。爬取的字段分為3類：第一類是申請信息，包含申請ID、申請用戶名、申請成員館、申請IP、申請時間、申請標題、申請內容、傳遞郵箱和申請文獻類型；第二類是響應信息，包含響應狀態、響應題名、響應內容、響應成員館、響應時間、響應處理人員、響應文獻類型、響應附件類型；第三類為文獻傳遞服務的評價和滿意度值，由于實際獲取的此類數據值較少，本文只對前兩類字段采集分析。

2.2 變量選取理論依據和設計

用戶細分實證研究主要分為事前細分和事后細分[17]兩大類。事前細分以用戶行為的定性分析為依據，事后細分則采集用戶使用行為的分類變量和關鍵性描述信息，依賴多元統計分析技術來識別。其主流研究工具有AIO(activity，interest，opinion)細分 和 VALS(value and lifestyles)細分，其中VALS又被修正為僅與用戶行為有關的VALS2 細分。該范式認為，細分市場基于兩個因素：消費者的資源和自我導向[18]。消費者的資源包括收入、教育、自信、健康、購買愿望、智力和能力水平；自我導向被解釋為用戶行為、價值觀念和激勵因素等，用戶類型據此被對應劃分為以原則為導向、以地位為導向和面向行為3類。

將區域高校圖書館聯盟的成員館視為一個單體用戶，將前述采集的可獲取字段與VALS2細分范式的兩個因素一一對應重構，成員館基本屬性對應于“消費者的資源”、文獻申請和傳遞情況對應于“自我導向”的用戶行為及激勵因素等3類行為特征變量，以此組成成員館用戶細分的描述體系。具體細分如下：成員館基本屬性：學校層次，院校類型，用戶數，研究生數，教師數，加盟時間，館藏圖書，館藏期刊。文獻申請行為：文獻申請數，申請IP數，申請郵箱個數，圖書申請數，期刊申請數，學位論文申請數，專利申請數，報紙申請數，標準申請數，會議論文申請數。文獻傳遞行為：文獻傳遞數，文獻保障時效，圖書傳遞數，期刊傳遞數，學位論文傳遞數，專利傳遞數，報紙傳遞數，標準傳遞數，會議論文傳遞數。其中，成員館基本屬性采集自其所在學校官方網站簡介、網絡調研和FULink 工作委員會提供的數據。文獻保障時效用于衡量成員館的資源保障效益，選取文獻申請與傳遞的時差值在8小時以內的記錄數，計算和匯總成員館文獻傳遞的時差值，然后按照7級權重賦值，累加統計得出最終值。

2.3 研究框架

確立用戶細分指標體系后，提出圖1所示的實證研究框架。在遵循數據合理使用、用戶隱私保護和數據規范控制等前提下，以此為主體研究路線，選取R語言平臺的網頁爬取工具從FULink后臺獲取、清洗和存儲文獻傳遞服務的日志數據，利用Tableau大數據可視化平臺的數據匯聚和透視功能形成聯盟文獻傳遞行為數據集，一方面從文獻類型、文獻保障時效和文獻流向等角度分析FULink 的稀缺資源保障效益；另一方面按照用戶細分指標體系抽取、計算和存儲對應指標值，依據數據分布特征選型適宜的聚類模型算法，對所有成員館的行為數據展開基于聚類的成員館用戶細分，對比分析、可視化展示不同聚類的文獻獲取與傳遞行為特征，最后根據細分結果提出相應的文獻傳遞差異化服務策略。

圖1 區域高校圖書館聯盟文獻傳遞服務的用戶細分實證框架

3 實證分析

3.1 FULink平臺的資源保障特征分析

(1)文獻申請總量和文獻類型分布。截至2018 年 12 月 31 日，FULink 所有成員館申請傳遞的文獻量共計 2，929，789 條，分 7 種文獻類型，分類匯聚情況如表1所示。其中，期刊、學位論文和圖書的申請量居前三位，遠超其他類型。文獻申請總量在2014 年和2016 年達到峰值，2017年后下降趨勢明顯。

表1 FULink聯盟文獻傳遞申請類型統計(2012.09-2018.12) (單位：條)

(2)文獻傳遞時效。選取文獻申請和響應時間兩個字段計算差值，大部分介于0～6小時，見圖2。1小時之內響應的占16.81%，4小時以內的達到31.21%，1 天之內的文獻響應高達98.92%。以2018年為例，平均文獻響應時間為7.7 小時。通過文獻調研[19]和咨詢同類型聯盟，相比國內其他文獻傳遞平臺，FULink文獻傳遞的時效最高，文獻響應快速有效，較好地保障了成員館缺藏文獻的獲取需求。

圖2 FULink中心平臺文獻傳遞響應時效分布圖 (單位：小時)

(3)文獻整合效益。為可視化展示FULink的文獻供給保障能力，采用和弦圖呈現FULink與各成員館的文獻傳遞流向和數量關系。和弦圖常被用于表示兩者間的數據關系和流量，不同顏色的每個圓環表示一個節點，弧長及標尺表示數據量大小。環內側不同顏色的連接帶表示數據流向、數量級和位置信息。在R語言平臺上通過RODBC函數包連接存儲數據庫，按自然年匯聚FULink平臺與各成員館的文獻傳遞數值鄰接矩陣，繪制結果見圖3。成員館FZU(以字符簡寫代表成員館，下同)、FJNU 和FAFU申請的文獻量最多，其他館的申請量從圓環節點下方自右向左依次遞減。分析(圖3下方每個圓環節點表示的)成員館歷年文獻申請數量，條狀帶呈現逐年遞減趨勢。從和弦圖上半區域7個表示FULink 平臺每年傳遞量的圓環節點觀察，平臺響應的文獻申請總量除2012 年剛起步數量較少外，其他歷年基本持平，2016年后穩中有降。

3.2 FULink成員館的用戶細分

(1)數據特征分析與算法選擇 。根據上述確立的成員館用戶細分指標，對現有數據集按設計字段抽取相應數據匯聚到Tableau上，數據導入并連接R語言平臺展開聚類前的描述性統計分析，如表2所示。標準方差和均值較大，各個字段經過正態分布檢驗，大多數字段屬于偏態分布。

基于表2數據的分布特征和聚類分析的模型特點，個別成員館在文獻傳遞數、文獻申請數取值較大時，聚類分析時在其他特征字段上的取值也會較大。為取消量綱不一致的影響，采用scale 函數對所有待聚類數據標準化處理，實現特征縮放達到聚類結果權重一致。然后通過get_clust_tendency函數評估數據集是否具備聚類的可能性。運算獲取的hopkins_stat值為0.134(＜0.5)，表明數據高度可聚合。結合plot子字段匯聚圖來看，存在高度可聚類。

圖3 FULink中心門戶傳遞至各成員館的歷年文獻量統計(2012～2018)

表2 FULink資源特征聚類變量描述性統計(2012.09-2018.12) (單位：條)

因為聚類分析屬于無監督學習的算法，對于某一類樣本應歸屬于哪一個聚類并無任何先驗知識，加之實證數據集中存在較多極端值，易對聚類分析產生離群點干擾。故此，參照相關聚類分析實證，采用Kmeans算法對數據集聚類，為確保聚類質量，一般多次使用隨機種子確定待選的簇數，再使用輪廓系數評估聚類結果的優劣。本文采用肘方法(elbow)確立最佳簇數。肘方法原理為：在給定的k＞0情況下，計算族內方差和var(k)，每增加簇數都有助于降低內方差之和。而當曲線出現第一個拐點，即為最佳的簇數。故此，采用R語言的sjPlot包sjc.elbow函數預估聚類數，初始設定為15個，如圖4(上)的折線圖所示。可以看出，最佳聚類數為3個或者4個。據此分別調用kmeans函數聚類，兩次聚類結果的可視化如圖4(中、下)所示。factoextra的fviz_nbclust 函數確定最佳的聚類數，方法設置為組內平方差(WSS)方法。從圖4的聚類分布看出，聚類個數為3、4時，FZU數據點因各項字段值偏高離群而產生被剝離的情況。從聚類結果的分布圖觀察，95%的數據分布在右側空間內，而剩下的5%的數據分布在其余的大空間內(限于篇幅本文不展示后續聚類結果)。當聚類個數不斷增加時，Kmeans模型繼續對剩余95%空間內的數據往下細分，因為差異只能在這些數據之間繼續下探和剝離。結合FULink 的業務發展路徑、實際的數據分布和圖4(上)肘拐點曲線變化趨勢，本文實證傾向于將圖4(中、下)3 個離群點聚為一類，而對剩余的數據點再次分類。

(2)聚類分析。經過多個已有的聚類算法篩選[20]和數據集的多次測試，本文采用RForML深度學習的聚類模型包flexclust，其kcca函數內置的神經氣體(Neural Gas)算法符合本次實證需要的聚類選擇，該方法的主要思想是通過評估在先前的適應步驟期間收集的局部統計測量值，將新單元連續地添加到最初的小型網絡中。它引入競爭神經網絡機制，最接近數據點的神經元競爭獲勝并被激活，朝向數據點移動從而形成聚類[21]。據此，通過set.seed函數設置隨機種子以復現本次聚類，遵循類內相似和類間分類的聚類原則，基于前述分析的限制條件等先驗知識，調用kcca函數運算獲取的最終聚類結果為4 個。將聚類結果數據導入barchart函數，在R語言平臺上可視化展示的聚類段剖圖如圖5所示。運用R語言的MASS包將上述用戶細分聚類結果展開顯著性檢驗。在α=0.05的水平上，除院校類型外，在學校層次、加入聯盟時間、用戶數、研究生數、教師數、館藏圖書和館藏期刊等均存在顯著差異。這說明FULink成員館在文獻傳遞服務上的申請和傳遞行為與上述幾個因素緊密相關，區域高校圖書館聯盟服務于每個細分市場的差異營銷可據此展開討論。

圖4 聚類結果為4個的可視化展示

圖5 FULink成員館文獻傳遞服務的聚類段剖圖

(3)用戶細分結果及可視化展示。根據圖5各字段均值分布和柱狀圖長短情況，參照用戶細分中對于用戶生命周期“初生期、成長期、穩定期、成熟期、衰退期和流失期”的定義和命名方式[22]，結合文獻傳遞服務的特征，以用戶行為狀態和類型的劃分邏輯將4個用戶細分市場做如下命名：聚類1除了少數幾個指標外，各項指標均超過(紅點)均值且是所有聚類最高的，可命名為成熟期成員館；聚類2 各項指標均未達到均值，此聚類成員大部分是剛加入FULink 的新成員館，可命名為初生期成員館；聚類3同聚類2相比，傳遞效益和各種文獻類型傳遞數等字段的均值相對較高，文獻申請量和傳遞量近幾年都處于持續增長態勢，可命名為成長期成員館；聚類4 除加盟時長字段外，各種文獻類型申請傳遞數均處于均值附近，申請IP、申請郵箱數、文獻申請量等指標基本穩定持平，可命名為穩定期成員館。據此，采用雷達圖將聚類結果以畫像集中展示，在R語言平臺上調用ggradar函數，用戶細分的4個聚類在各個字段的指標值表現見圖6。

(4)成員館細分市場之間的申請與傳遞關系分析。經過上述基于聚類分析的用戶細分，通過Tableau 平臺將成員館匯聚到每個細分市場，抽取相應字段計算得出文獻申請與傳遞關系表(表3)。從數量關系來看，成熟期成員館的文獻申請和傳遞量最高，穩定期和成長期成員館的文獻申請和傳遞比基本持平，初生期成員館的文獻申請和傳遞比最高。

圖6 FULink各成員館聚類結果畫像展示雷達圖

表3 FULink成員館細分市場之間的文獻申請與傳遞關系表(2012.09～2018.12) (單位：條)

3.3 FULink聯盟文獻傳遞細分市場特征分析

(1)中心門戶資源保障特征。從實證分析獲取的結果來看，FULink 文獻傳遞服務具備了“快傳”的核心特質，契合了用戶獲取缺藏文獻的時效性需求，讓成員館用戶體驗到了資源整合獲取的便捷性和易用性，已然成為FULink 聯盟的核心服務。雖然中心門戶與各成員館的和弦圖關系展示結果再次印證了圖書館聯盟文獻傳遞量日益下降且不可逆轉的事實[23]，但這不排除與學術文獻開放獲取加速、互聯網學術文獻商業性提供蓬勃發展等因素拓展了其他獲取文獻渠道緊密相關[24-25]。而總體來說，本次實證從定量分析上清晰展現了以FULink 為代表的區域高校圖書館聯盟帶給成員館高效的文獻傳遞服務保障。

(2)成員館用戶細分市場1：成熟期成員館特征(6%)。該聚類包含FZU、FJNU和FAFU3個成員館，文獻傳遞申請總量占FULink 平臺的67.5%。從3館的自身條件來看，其均為FULink的發起館，館藏資源總量最大，服務的用戶數最多。從圖6可以看出，該聚類成員館期刊、學位論文和會議論文等文獻類型的傳遞保障率最好，雖然其他文獻類型傳遞數有短板，但總的文獻傳遞效益最高。該聚類成員館用戶的資源獲取行為特征：申請文獻傳遞的郵箱數(71.71%)和IP 數(88.23%)占比最高，結合郵箱個數、用戶數、教師數等指標分析，該聚類用戶申請郵箱個數均值超過1 個，而且文獻申請類型覆蓋面廣，還出現了同一位用戶在FULink 的不同成員館申請文獻的行為特征。對申請時段的數據下探抽取分析發現，請求時間分布于每日的9～24點，1～7點也有一定的申請量。FULink平臺已成為該聚類成員館用戶資源檢索的主要入口和稀缺文獻獲取的首要途徑，平臺用戶粘性較強，使用率高。

(3)成員館用戶細分市場2：穩定期成員館特征(19%)。該聚類涵蓋FJMU、FJTCM、FJUT和FJJXU等10個成員館，以FULink聯盟的發起館居多。其館藏資源、用戶數、教師數和研究生數處于FULink 聯盟的平均值，文獻傳遞申請量占比達到了15.97%。各項行為指標數值均處于平均值附近，文獻傳遞效益略顯乏力且不及成長期成員館。該聚類成員館用戶的資源獲取行為特征為：申請文獻傳遞的郵箱數(17.85%)和IP 數(0.06%)高于成長期成員館，文獻申請數量持續平穩，覆蓋了各種文獻類型，請求時間集中于9～11 點、15～16 點、20～22 點3 個時段，根據網絡采樣調研，其他時段請求較少的原因是受到VPN體驗不佳、網絡環境不穩定和校園網臨時關閉等因素限制。這些都充分說明該細分市場的成員館在平臺的使用率高，對FULink 稀缺文獻的保障力認知程度較高，但從該聚類用戶郵箱的文獻傳遞數來看，用戶流失較高，文獻申請量下降較快，近兩年申請總量均低于成長期成員館。

(4)成員館用戶細分市場3：成長期成員館特征(13%)。該聚類包含XMU、HQU和JMU等7個成員館。其館藏資源、用戶數、教師數和研究生數僅次于成熟期成員館，盡管加入聯盟時間較短，但文獻申請量占據了12.17%，最為顯著的特征為文獻傳遞效益較好，尤其是圖書、標準、報紙、專利等類型的傳遞供給，在圖6中與成熟期聚類形成資源互補，有效豐富了FULink 平臺的稀缺文獻傳遞類型。該聚類成員館用戶的資源獲取行為特征為：申請文獻傳遞的郵箱數(8.99%)和IP 數(0.05%)占比低于平均值，除期刊外，其他類型的文獻申請量接近平均值且較均衡，文獻申請時間多集中于10～11點、20～22點和15～17點3個時段，該聚類成員館的用戶使用時段和頻率尚處于上升期，對于FULink 在稀缺文獻保障上的認知程度不夠。

(5)成員館用戶細分市場4：初生期成員館特征(62%)。該聚類包含上述聚類之外的本科、專科和高職院校等類型的33個成員館。以新加入FULink的成員館居多，文獻傳遞申請量也僅占比4.36%。從圖6可以看出，各項行為指標值尚處于起步階段。該聚類成員館用戶的資源獲取行為特征為：申請文獻傳遞的郵箱數(1.45%)占比低，IP數(11.66%)因該細分市場的成員館多而占比高，文獻請求時間集中于10～11點、15～16點兩個時段，其申請總量年均維持2000 條左右。該聚類的成員館用戶還處于FULink 的認知和使用初期，正在逐步與FULink 平臺進行磨合和館藏資源需求調適。因該聚類成員館的館藏資源規模相對比較小，從表3 得出的申請傳遞比來看，FULink能極大程度保障該聚類的缺藏文獻需求。

4 區域高校圖書館聯盟文獻傳遞服務的用戶細分策略

要深入推進區域高校圖書館聯盟文獻傳遞服務，需要加強中心門戶和成員館的館藏資源對接與嵌入，提高整合后各種文獻類型的可見性和易獲取性，尤其在會議論文、專利、標準和報紙等文獻類型。在傳遞時效方面，要提高文獻傳遞任務調度過程中自動匹配館藏和快速調度的效率，調整和優化文獻申請隊列的負載均衡策略，實現聯盟數字資源的優化配置和高效響應。在文獻傳遞服務的覆蓋范圍方面，要協調各成員館優化平臺資源訪問的網絡環境，保障用戶使用時段的連續性，積極探索采用機構關聯賬號或者對接校園統一身份認證等便利的訪問機制，從而提升文獻傳遞服務的易獲得性和可用性。

對成熟期成員館，要積極推進成員館不斷完善自有館藏資源與聯盟資源的整合揭示，發揮其在聯盟中的資源供給優勢和傳遞效益，更好地支撐聯盟稀缺文獻的保障能力。用戶服務方面，定期收集文獻傳遞的用戶反饋和質量評價，加強文獻傳遞服務的各項功能優化和用戶體驗提升，減少用戶流失，激活沉睡用戶，實現用戶在聯盟中的更新迭代。不斷累積成熟期成員館的營銷效應，帶動聯盟其他聚類的成員館發展和用戶增長。

對穩定期成員館，聯盟要深化其資源共建共享的共識，引導其進一步提高與聯盟平臺之間的資源互補和整合程度，利用聯盟的一站式資源揭示和文獻獲取功能，拉動該聚類在聯盟平臺上的資源貢獻率。在用戶服務方面，分析、調研和對比穩定期中處在流失、蒸餾和穩定等3個階段用戶的資源訴求，發掘其資源需求痛點，尋求更大的契合點和用戶粘性，減少平臺使用的網絡限制，優化網絡環境，觸發用戶使用聯盟平臺的意愿，提高他們在聯盟平臺的文獻傳遞申請數量。從而激發更多的用戶稀缺文獻需求，實現該聚類用戶的快速增長，逐步向成熟期成員館的階段轉化。

對成長期成員館，聯盟要積極引導其發揮自身館藏數字資源對聯盟中心門戶的傳遞保障能力，在網絡安全等級保護的框架下，理順、優化和保障文獻傳遞代理服務器與聯盟平臺的順暢連接。在用戶服務與宣傳推廣方面，可借鑒成熟期成員館的優秀經驗，加強聯盟文獻傳遞服務的宣傳推廣以提高用戶對聯盟的認知，減少網絡限制以提高使用頻率和時段范圍，借助新媒體開展專題推廣活動以擴大用戶覆蓋面，實現用戶快速增長。聯盟也要積極與其融合與對接數字資源館藏，尋求更好的資源共享和揭示模式，推進該聚類成員館向成熟期階段轉化。

對初生期成員館，聯盟要積極引導其借鑒其他館平臺對接、服務宣傳和用戶推廣等方面的成功經驗，廣泛調研和掌握用戶對于稀缺文獻資源的需求共同點，打造核心用戶群，廣泛推廣聯盟的文獻資源保障功能。縮短初生期用戶的認知培育時間，加速向穩定期和成熟期成長轉化。

5 結語

本研究從傳遞總量、文獻類型、傳遞效益和傳遞流向等不同視角呈現和展示了區域高校圖書館聯盟文獻傳遞服務強大的資源保障效益，詳細描述了各個成員館在聯盟文獻傳遞的共建共享行為，對處于成熟期、成長期、穩定期和初生期等不同用戶細分市場的成員館給出了相適宜的精準服務發展策略。本研究的局限性：(1)由于缺乏FULink 移動APP 的傳遞行為數據，未能全面揭示全終端的稀缺文獻獲取行為特征。雖然通過肘方法驗證了聚類結果的普適性，但有條件時仍需進一步采集和匯聚用戶在移動APP的行為數據，從而增強用戶細分理論在支撐精準營銷服務上的可用性。(2)獲取的成員館細分結果，還需借助后續文獻傳遞行為數據跟蹤、模型迭代修正和疊加增量數據等方式進一步驗證此種聚類的合理性和有效性。尤其需要借助文本分析工具挖掘成員館之間傳遞文獻的學科屬性、研究領域和文獻類型，從而精確地輔助每個成員館確立未來館藏數字資源建設的方向。未來考慮橫向與縱向相結合的研究方法不斷豐富和完善區域高校圖書館聯盟用戶細分的理論體系和實踐研究，為聯盟發展提供更為精準化的數據支撐和決策建議。