數據驅動下博物館運營生態的重構
——西方博物館的創新實踐

楊 揚 張 虹 張學騫

（1.北京航空航天大學人文與社會科學高等研究院 北京 100191；2.清華大學新聞與傳播學院 北京 100084）

內容提要：日新月異的數字信息技術推動著博物館不斷更新其技術設施和整體運營策略。基于用戶行為數據的分析，博物館可以進行多樣化的需求探索，在動線規劃、展品配置、營銷推廣、品牌升級等方面實現精準定位，進而提升博物館服務水平。目前西方博物館在大數據技術驅動下實施了一系列創新性實踐，包括數據描繪行為、數據導向評測、數據升級參展、數據推動營銷等，為大數據時代博物館的運營提供了可借鑒的經驗啟示。

隨著信息社會發展持續重塑著人類生產生活的各個方面，圍繞數據的收集、分析、加工、傳播的數字化技術使得精確地預測受眾心理和行為、有針對性地提升產品與服務成為可能。內森·伊格爾（Nathan Eagle）和亞歷克斯·桑迪·彭特蘭（Alex Sandy Pentland）認為，人類的行為透露著大量的數據信息，可以通過設置一些感應器來捕捉和測量人們平時潛藏的行為，還可以使用算法來挖掘這種數據的價值，即通過“現實挖掘”（reality mining）的方式來了解人類潛在的行為邏輯[1]。正因為數據隱藏著人們的生活方式和行為習慣，在數字化時代，數據被視為一種商業資本。關于個體的紛雜信息正在構成龐大的數據集，為商業運營提供了更加細致、全面的分析資料，不少企業和社會組織正在從這些數據信息中獲得新洞察，并基于使用者的數據行為不斷推出新的對策和措施。

一、數據驅動的挑戰與機遇：博物館運營的邏輯轉向

博物館作為人類集體記憶的存儲場所，承擔著公共教育、文化服務的重要職能。伴隨著公共事業與文化產業的發展，博物館的多樣化運營也成為豐富公眾文化生活的必然議題。當前，博物館的角色定位跟隨科技創新不斷發生變化，正在從“以物為先”的范式向“以人為本”的邏輯轉化[2]。在傳統維度上，博物館主要體現出收藏和展示的功能，當下觀眾的參與和體驗正在成為博物館的新焦點。同時，作為城市的文化資產和市民的休閑場所，人們開始期待博物館能夠與都市生活、消費社會、文化教育等領域深度融合，為市民提供新的生活方式與休閑習慣，進一步繁榮城市的文化生態。

博物館面對發展的機遇和挑戰，數字化技術為其提供了組織運營、市場化發展的新工具和新思路，促進其在動線規劃、展品設計、訪客管理、文創研發等領域進一步提升效率、優化品質，從而深化用戶的認同感，提升自身的吸引力。一方面，大數據技術重塑了博物館的經營范式。以往，傳統的用戶數據多是通過觀察、訪談、問卷調查等研究方法而獲得，與真實情況存有一定差距。但大數據技術徹底改變了收集用戶行為數據的過程，能夠幫助博物館深入挖掘觀眾的行為偏好、描繪觀眾人群的畫像、對觀眾的行為差異進行深度研究，進一步獲知觀眾的動機、行為、偏好、滿意度等信息，從而有效地幫助博物館更好地制定未來的發展戰略，進而提升其公共服務能力。另一方面，數字化應用推動博物館在布展、服務、營銷等領域不斷更新思維、調整結構，館內的運營活動在技術支持下日趨便捷化、精細化、智能化。數據的價值在于挖掘用戶的行為習慣和審美偏好，引導博物館推出更符合觀眾興趣的展覽及服務；數據量的增加便于博物館了解觀眾群體和個體的行為模式，在算法的基礎上實現個性化推薦；博物館可以快速分析實時數據，并根據這些數據作出針對性決策并制定可持續的商業計劃，從而引領觀眾在數字化的體驗中更好地理解人類文明發展的進程、品味文化遺產的時代價值。

二、用戶本位的多態構筑：西方博物館的數字化創新實踐

（一）數據描繪行為：依據用戶特征制定運營決策

維克托·邁爾-舍恩伯格（Viktor Mayer-Sch?nberger）認為數據能被巧妙地用來激發人們推出新產品和新型服務[3]。有學者認為可以通過互聯網上的用戶評論數據分析用戶的情感行為，以此來挖掘其需求的演變[4]。當前，利用數據描繪用戶行為的特征，進而推導出其消費的行為邏輯，幫助博物館更好地運營成為大數據時代博物館運營策略變革的重要方面。

在大數據時代，博物館正在通過一系列數據化裝置來營造可供用戶感知的新環境，便于用戶能夠隨時隨地享用博物館的功能與服務。這些后臺所收集的數據記錄了訪客在館內的參觀時間、游覽動線、商業消費等信息，科學地呈現了受眾的游覽全貌，能夠幫助博物館更好地了解觀眾的整體活動情況。目前一些西方博物館通過設置傳感器、藍牙信號等形式來收集用戶的行為數據，洞察觀眾在現實空間中的活動流、游覽路徑、訪問過的展廳以及在每件展品前的參觀時長等，并分析博物館觀眾的構成、行為、態度、需求等數據，幫助博物館在新形勢下更好地評估自身環境，促進博物館運營決策的科學化。

1.移動應用數據追蹤用戶游覽路線

澳大利亞古今藝術博物館（Museum of Old and New Art）基于用戶數據行為習慣的變化，設置了不同于大多數博物館所倡導的線性策展結構，專門推出了一種移動應用程序以引導游客自行設計游覽路線。這個移動裝置能夠跟蹤訪客的游覽行程，記錄其游訪經歷，無形中為博物館提供了完整的旅游分析數據。目前該博物館已將參觀數據制成每日報告，涵蓋了參觀人數、被觀看展品的數量、參觀者在展品前停留的時間、吸引最多觀眾參觀的展品、觀眾最喜愛的展品等信息[5]。古今藝術博物館所創建的這種移動導覽將前沿技術與展覽內容創新相結合，不僅改善了觀眾體驗，同時還儲存了一系列可供追蹤和分析的訪客數據，便于博物館對季節性的旅游需求進行監測和調整，以確保館方的配備規模和服務水平。

2.傳感器數據探尋用戶內在需求

美國麻省理工學院（Massachusetts Institute of Technology）可感知城市實驗室（MIT Senseable City Lab）在法國盧浮宮（Musée du Louvre）部署了七個藍牙傳感器來研究訪客行為。在這項名為“盧浮宮的藝術交通”（Art Traffic at the Louvre）的實驗中，藍牙裝置可以持續監測觀眾對代表性展品的訪問順序和停留時長，以便深入了解觀眾的游覽行為。其研究表明，短期停留（不到1.5小時）和長期停留（超過6小時）的游客在訪問風格上并不存在人們預想中的顯著不同[6]。這項發現可以幫助博物館更好地把握參觀者心理行為特征，作出策展決策。此外，大數據還可以幫助博物館了解參觀者的人口組成，深入探索不同群體的游訪習慣和內在需求。西班牙索菲亞王后國家藝術中心（Reina Sofia Museum）與數據分析提供商合作，對“畢加索的憐憫與恐懼：通往格爾尼卡之路”特展（Piedad y terror en Picasso：El camino a Guernica）進行觀眾統計和數據分析，得出了瀏覽高峰時段、高峰星期、游客的國別構成等數據[7]。借助這些分析數據，索菲亞王后國家藝術中心得以更加充分地了解觀眾的構成及需求，從而相應地更新動線規劃、展品配置、空間設計、教育推廣等，甚至依據觀眾的參觀習性提供專屬的個性化服務，以滿足不同類型觀眾的需求，引導觀眾零距離感受文物的質感與溫度。

（二）數據引導評測：立足群像勾勒預測市場動向

預測是大數據時代的核心特征。大數據與傳統數據分析的最大不同是能夠對未來開展預測，“機器學習就是通過算法，使得機器能從大量歷史數據中學習規律，從而對新的樣本做智能識別或對未來作出預測”[8]。基于海量歷史數據和實時動態數據，博物館可以通過分析發現數據與結果之間的規律，并假設此規律會延續，捕捉到變量之后進行預測。目前西方博物館正在運用大數據系統感知和分析各類旅游資訊，進一步掌握觀眾的參觀動態和消費信息，科學預測和診斷未來的游客規模，從而推出富有前瞻性的運營計劃，進一步提升用戶體驗，促進博物館的轉型升級和可持續發展。

1.數據可視化預測訪客出勤

美國芝加哥藝術學院（Art Institute of Chicago）利用數據可視化工具來預測觀光趨勢，分析天氣、時間、參觀日期、展品類型等相關因素對參觀活動的影響，以此建構數據模型并預測出勤率。目前所采用的受眾分析方案主要建立在觀眾的郵政編碼（ZIP codes）和十個觀眾到訪模型（attendance models）上，這些模型涉及當日的天氣情況、是否為公共節假日、城鎮是否有會議等各種要素對出勤活動的影響，基本能夠實現對觀眾數量的精準預測。在2017年，該模型所預測的出勤率和實際情況僅存有1%的誤差[9]。通過兩年的磨合和運營，這一套分析方案已幫助芝加哥藝術學院獲得了200萬美元的凈收入[10]。英國倫敦國家美術館（The National Gallery）采用人工智能技術分析游客體驗，使用機器學習算法預測未來的出勤率和游客參與度，該項目計劃根據參觀人數的波動引入動態票務模型，為不同時段的不同展覽注明不同標價[11]。這種動態定價方案能夠引導博物館根據市場需求和自身供應能力將不同的產品和服務適時地銷售給不同的消費者，實現收益的最大化。

2.外部數據整合洞悉訪客動態

除了自身所獲取數據之外，博物館還使用完全獨立于訪客活動的外部信息來跟蹤觀眾的活動、了解訪客的動態。如借助搜索引擎、旅游網站、社交媒體等形式多樣的網絡渠道來收集廣大用戶對博物館的訪問數據，了解觀眾在訪問之前和之后的去向，深度洞析用戶的游覽心理和消費喜好，引導博物館工作人員做出明智的管理決策。有學者已通過實證研究證明，谷歌趨勢（Google Trends）和倫敦博物館（London Museum）訪客量高度相關，因此可以通過查詢數據，對倫敦博物館的參觀情況做出可靠的預測[12]。現今，隨著越來越多的用戶更加頻繁地使用互聯網，博物館能夠以最低的成本和接近實時的速度獲取訪客數據，分析和整合這些海量數據，將博物館的出勤率和識字率、家庭收入、社區信息等其他信息進行關聯及比較，便于更加深入地了解目標訪客的詳細情況，更好地理解用戶的行為模式，并基于數據分析作出正確的決策，從而革新管理理念，改善服務質量，提升博物館的業務績效。

（三）數據優化空間：營造沉浸傳播，提升觀展體驗

大數據技術不僅極大地活化了博物館的展覽方式，呈現了文物展品的發展脈絡和內涵細節，增強了展品的表現力和感染力，極大激發了公眾了解文物知識的積極性，還逐漸融入到博物館的環境藝術設計中，拓展了藝術設計的創意思維，延伸了藝術設計的表現形式，大大提升了博物館的環境美感、優化了博物館的創意空間。

1.互動地圖在虛擬維度豐富用戶認知

美國斯賓塞藝術博物館（The Spencer Museum of Art）的互動地圖可以幫助觀眾以更加有趣和直觀的方式了解館內藏品。藝術數據庫不僅包括每件作品的基本信息、藝術家的傳記背景以及藝術創作的地點和時間，還設置了交互式查詢和過濾功能，便于用戶根據特定標準搜索并查找到相應的藝術品。例如，當用戶對機器說“向我展示17世紀西班牙藝術家完成的繪畫”時，該程序會根據搜索參數羅列所有的藝術品，同時系統會根據藝術家的出生地、死亡地、創作地等維度交互式地展示作品，讓觀眾能夠深入了解藝術家的人生經歷與作品的交互關系[13]。又如，在搜索藝術家喬治婭·奧·吉弗（Georgia Totto O’Keeffe）的作品時，系統會主動將藝術家的畫作與她的旅行細節聯系起來，展示她在芝加哥藝術院校的求學生涯及其在新墨西哥州游走時的創作歷程，便于觀眾窺探喬治婭·奧·吉弗對美國現代主義藝術的影響。

2.技術裝置在人文維度深化用戶感知

美國西雅圖藝術博物館（Seattle Art Museum）的外觀是一個由藝術家道格·艾特肯（Doug Aitken）設計的名為“鏡子”（Mirror）的新永久性藝術裝置。這件作品由一個巨型LED顯示屏構成，包裹著博物館建筑物的主要墻壁。不同顏色的燈光在建筑物上下運行，這是藝術家采用軟件跟蹤當地的天氣狀況、行人交通流量、大氣狀況和交通密度等信息，通過技術合成將它們渲染成博物館立面的圖像。在道格·艾特肯看來，藝術館的外觀根據數據的波動而不斷變化，“像沒有音樂的編舞”，反映著“城市的能量和運動”[14]。當前數據技術為環境藝術提供全新的設計手段與表達方法，藝術家得以將采集到的環境數據、人口數據等信息運用到環境設計之中，科學技術與環境藝術相互促進、彼此映襯，體現出科技創新和人文精神的完美融合。

（四）數據助推營銷：基于精準定位重構商業模式

大數據有助于博物館利用新技術收集有關觀眾行為和偏好的數據，充分了解觀眾的個性需求，以提供差異化的服務和解決方案；有助于博物館根據觀眾的需求、興趣和習慣量身定制專屬的價值和福利，加深觀眾與博物館的互動關系；有助于博物館更新運營理念、提高營銷技巧，增強博物館的公共服務能力和商業經營能力，擴大博物館的影響力和輻射力。目前，部分西方博物館開始與數據分析公司合作，根據人口統計數據和用戶的歷史消費記錄來創建個性化的促銷活動，在適當的時間向客戶發送有針對性的活動信息，并為用戶提供他們想要的產品及服務。

1.運用數據分析制定會員計劃

美國科羅拉多歷史中心（History Colorado Center）正在使用IBM大數據分析軟件從銷售點系統（票務、零售、食品服務）獲取訪客數據并進行實時分析，以形成規范的數據視圖，引導博物館了解觀眾的審美偏好和購買趨勢，并根據受眾的人口統計情況來制定相應的會員計劃，以此來增加觀眾流量和商業收入。該博物館在數據分析中發現超過40%的觀眾類型是以家庭形式出現的，以此調整展覽內容和營銷手段，便能吸引更多的觀眾。科羅拉多歷史中心還通過社交媒體平臺與潛在客戶對話，借助數據分析工具研究用戶在推特（Twitter）和臉書（Facebook）等社交媒體上的評論，獲得了大量與客戶購買習慣相關的有價值信息，在這些資訊的基礎上進一步調整產品類型，有針對性地、有創造性地為用戶提供個性化體驗，以增加消費者流量和訪客參與度[15]。

2.運用數據測試完善消費模型

美國諾曼·洛克威爾博物館（Norman Rockwell Museum）與數據分析公司DigiWorks進行合作，利用數據分析來提升禮品店的銷售業績。Digi-Works獲取了所有用戶的交易數據，使用加權模式和數據規則向用戶發送電子郵件以推薦高中低三檔價格的產品，隨之使用A/B測試來發現用戶最終選擇的產品，進而確定哪類內容和圖像能夠吸引消費者。通過這一系列測試，DigiWorks得以建立起用戶消費模型，精準地向初購者推薦相關產品，對于復購者則會根據歷史記錄提供獨特的購物建議。在數據技術的幫助下，博物館能夠在合適的時間向合適的用戶提供正確的服務，并試圖與客戶建立長期的一對一的互信互利關系[16]。通過一年的試運營，博物館禮品店在“黑色星期五”（Black Friday）和“網購星期一”（Cyber Monday）的銷售額同比增長了16%～20%，博物館復購率增加了150%、收入增加了49%。該博物館還計劃將更多的游客指標，如訪客年齡、看到的展品以及參加的講座等信息，一并整合到數據模型中[17]，繪制更完善的客戶全景視圖，實現對客戶資料的深度挖掘，從而獲取更多的銷售商機和線索。

3.運用數據整合實現營銷匹配

美國匹茲堡卡內基博物館（Carnegie Museums of Pittsburgh）利用專業系統挖掘交互記錄，實時收集用戶信息，把握觀眾真實的、不斷變化的心理訴求，了解他們內心的深層需求，再有針對性地一對一發送郵件，提供個性化的產品與服務。對于初訪者，博物館會事先發送一系列歡迎郵件，邀請訪客談論觀后感，同時引導用戶在線填寫一些更具個性化的信息，訪客的回復越詳細，博物館所配置的數據結構就越精細。對于注冊會員，博物館會問詢他們的興趣愛好，再結合其購買信息一對一地建立用戶個人數據庫和信息檔案；在創建信息流后，數據運作團隊每周都會圍繞用戶的需求和興趣發送有針對性的推薦信，便于每個客戶都能獲得一致、無縫的個性化服務體驗，不僅提高了客戶的忠誠度，也提高了銷售的轉化率。該博物館通過整合在線和離線的客戶交互數據，分析客戶的參觀歷程并預測客戶需求，從而創建出了一種個性化、精細化、小眾化的客戶服務戰略，及時響應用戶需求，并根據用戶需求向他們發送精準郵件，既提升了用戶的個性化體驗，也提升了銷售活動的轉化率[18]。

4.運用數據優化建構品牌共識

數據戰略能夠幫助博物館更加透徹地了解并回應客戶的需求，提高用戶的滿意度，促進博物館與訪客建立起更好的信任關系。在數據技術的支持下，一些博物館陸續建立起了針對客戶信息的收集、管理、分析、利用系統，利用技術手段來協調與顧客在游覽、營銷和服務上的交互關系，從而吸引新客戶、保留老客戶以及將已有客戶轉為忠實客戶。如美國達拉斯藝術博物館（Dallas Museum of Art）的“達拉斯藝術博物館之友”（Dallas Museum of Art Friends）免費會員計劃邀請參觀者以交換個人數據的形式無償獲得會員資格，這不僅吸引更多的愛好者到博物館親近歷史和文物，同時博物館也得以通過透明的方式持續觀察游客的活動，引導客戶與博物館建立長期互動關系，推動他們持續參與博物館的館藏活動，提升回訪率，借此吸引用戶定期回訪并有所收獲[19]。此外，該博物館的“博物館伙伴”（DMA Partners）項目在說服捐贈者增加捐獻金額時，數據就發揮了極為重要的作用——具體而全面地向資助者呈現博物館的各項信息，包括服務的對象、用戶與博物館的交流方式以及用戶的參觀體驗和收獲等，極大地激發起了捐贈者的社會責任感，也吸引了更多的企業和社會組織參與到藝術捐贈活動之中來，提升了博物館的公眾認知度和品牌效應。

三、智能、交互與知識建構：西方博物館創新實踐的經驗借鑒

綜上所述，數據驅動下西方博物館在以用戶為本位的運營思路上進行了行為、測評、空間、營銷等多方位的實踐創新，使得以多渠道、多形態的相關數據來決定未來運營活動成為可能。博物館通過對用戶數據進行分析加工，找到數據群之間的關聯性，以此構建相應的戰略決策支持系統。這減少了博物館的決策偏頗，能夠幫助館藏機構作出更加符合公眾預期的決定，促進博物館不斷提高業務水平、強化實踐能力，以便為公眾提供更優質、更具差異化的服務。我國博物館的數字化建設起步晚于西方，但由于國內存在巨大的市場空間與數字產業勢能，其數字化進程已處于從探索到成熟的過渡階段。在此過程中，上述西方博物館的創新實踐可以為我國博物館在館與人、物與人、館與物三個關系層面利用數據技術驅動運營生態重構提供寶貴的經驗。

（一）館與人：數據提升智能服務

通過大數據采集與分析技術，博物館的公共性定位已然從惰性的空間承載轉變為積極的柔性分析，從而促使博物館營銷策略趨于精準。每一個用戶都是一個獨特的個體，有著與眾不同的需求和渴望，而數據服務所帶來的變革意義就是將人分成多個群體，為每個群體甚至每個人提供針對性的服務。在經營方面，博物館可以根據用戶的訪問習慣、消費特征、對展覽內容的喜好程度等分析用戶的特征和行為，全面洞察用戶的興趣和習慣，分析他們參觀博物館的期望，以明確觀眾群體的異同，針對性地開展特色服務[20]，從而改善展品設計，制定營銷策略，為用戶提供專屬的信息訂閱和資訊服務。

有學者認為，在大數據時代，企業和社會組織正在不斷收集、獲取、存儲、管理和處理不斷增加的海量信息。這是因為他們想要找到新的洞察力，以實施更為高效的行動，從而在管理過程中能前瞻性地把控業務，更好地制定和達到其戰略方案[21]。以往博物館在經營中多依靠管理者的直覺和經驗，但大數據在海量數據基礎上可以得出更精準、更科學化的決策，能夠修正人類的偏見，幫助博物館調整管理模式以制定出科學的戰略決策，開發出能滿足觀眾需求的消費品。

（二）物與人：數據優化交互體驗

通過虛擬現實、混合現實等技術，博物館的媒介屬性已經從靜態的藏品展示轉變為動態的信息活化，促使博物館傳播趨于沉浸、立體、綜合。伴隨智能化設備的普及，物聯網、傳感器、智能家居、車聯網等移動新技術成果的發展，“萬物皆媒”的景象正在形成[22]。在博物館數字化的早期，藏品的數字化主要服務于藏品的統計管理與簡單的線上傳播。這種數字化僅可以稱為藏品信息的數字化，卻不是藏品自身的數字化。隨著實踐創新，藏品自身的數字化將成為博物館重構物與人關聯的主導思路。

藏品自身的數字化具有兩重含義。第一，通過數字創意技術進行現實再造、文明再現、情境再生三個維度的創作，將藏品還原于其產生的原初背景。第二，在過去，藏品與觀眾溝通的唯一途徑就是講解員，無論講解員多么出色，觀眾在物與人的關系中總是被動而間接的；現在，各類資源需要緊密聯系，協同與觀眾實時互動，充分發揮觀眾在互動關系中的能動性與參與性[23]。同時要利用聲音、觸感、操作等多維溝通技術，讓物自身超越單純被觀看的狀態，主動對人“言說”，構建人與物全方位、全感官的交互渠道。

（三）物與館：數據拓展知識構建

通過數據可視化技術，博物館的價值功能已經從資源開放轉變為數字人文，促使博物館綜合文化效益趨于拓展。博物館自誕生以來，其藏品就并非處于真空的環境中，而是始終在不同的歷史語境、權力關系與空間句法中持續被詮釋、被演繹、被再現。所以，僅認識到數據驅動改變了博物館的運營技術遠遠不夠，更要認識到由技術更迭帶來的關系更新、空間更新和語境更新，以及藏品自身的內容更新。博物館不是科技館、也非游樂園，數據驅動下博物館的實踐創新始于技術卻終于內容。因此，要利用數字化技術強化而非弱化博物館的如下價值功能：通過藏品意義的持續解讀，為人類知識體系的持續生產提供可靠而直觀的文明依據。如此才能在時代快節奏發展中維系對博物館的何謂堅守與何謂流動的清晰判斷。

在當下，隨著網絡連接和智能節點所產生的用量數據在數量、質量和種類上的指數級增長，未來博物館內容的生產、傳播和集成獲得了完備的數據分析基礎。從數字創意產業整體的發展規律來看，當某項信息技術在傳播容量、效率、界面等方面獲得突破性發展之后，必然會倒逼內容端精耕品質、重構認知以匹配新的傳播水平。正如學者伊萊·諾姆（Eli M.Noam）所言：“只有擁有適當的超寬帶內容，超寬帶通道的建設在經濟上才是可行的。”[24]因此，重構館與物的關系，既是博物館自身價值拓展的需求，又是數字創意產業內在發展的需求。因此，基于數字創意產業提升原創內容供給水平，博物館在提供豐厚的“歷史IP資源”方面顯然具有不可替代的作用與職責。

綜上所述，對未來博物館的發展，數據將是最重要的生產要素之一。伴隨進入博物館繁榮發展的新時期，我國博物館可以有針對性地借鑒西方國家博物館的成功經驗，探索建立中國特色的新運營模式，通過海量數據呈現觀眾的參觀動態、描繪觀眾的行為模式、揭示受眾的消費習慣，憑借海量信息預測發展趨勢、制定精準的營銷方案、推出行之有效的經營方案，為公眾建構更友善的參觀環境、提供更意義的藝術體驗、營造更豐富的精神文化生活。

[1]Nathan Eagle，Alex Sandy Pentland.Reality Mining：Sensing Complex Social Systems.Personal and Ubiquitous Computing，2006，10（4）：255-268.

[2]徐堅：《新博物館運動之路：廣東客家博物館開館陳列觀后》，《中國文物報》2008年4月2日第5版。

[3]﹝英﹞維克托·邁爾-舍恩伯格、肯尼斯·庫克耶著，盛楊燕、周濤譯：《大數據時代：生活、工作與思維的大變革》，浙江人民出版社2013年，第14—41頁。

[4]Chung-YiLin，Shu-YiLiaw，Chao-ChunChen，Mao-Yuan Pai&Yuh-Min Chen.A Computer-based Approach for Analyzing Consumer Demands in Electronic Word-ofmouth.ElectronicMarkets，2017，27（3）：225-242.

[5]Claire Reilly.Bluetooth for the Blue Period：Art and tech unite in MONA’s gallery app.[EB/OL][2014-12-21][2018-12-19]https：// www.cnet.com/news/bluetooth-arttech-fuse-mona-gallery-app-the-o/

[6]MIT Senseable City Lab.Art Traffic at the Louvre.[EB/OL][2018-12-19]http：// senseable.mit.edu/louvre/

[7]Telefónica LUCA.Understanding the visitors of the Reina Sofia Museum in Madrid.[EB/OL][2017-11-07][2018-12-19]https：// data-speaks.luca-d3.com/2017/11/visitorsreina-sofia-museum-big-data-luca.html.

[8]集智俱樂部：《科學的極致：漫談人工智能》，人民郵電出版社2015年，第133頁。

[9]Lisa Bertagnoli.Art Institute uses data to give visitors what they want.[EB/OL][2018-05-18][2018-12-19]https：// www.chicagobusiness.com/article/20180518/IS -SUE01/180519840/art-institute-of-chicago-uses-datato-make-exhibit-choices.

[10]Guru.Big Data and the Art of Survival：How Museums are Using Data to Thrive.[EB/OL][2017-09-13][2018-12-19]https：// theguru.co/blog/big-data-and-the-art-ofsur-vival-how-museums-are-using-data-to-thrive/

[11]Chloe Dobinson.The National Gallery turns to AI to better predict attendance figures.[EB/OL][2017-08-28][2018-12-19]https：// www.computerworlduk.com/data/national-gallery-uses-predictive-analytics-overhaulmuseum-3663144/

[12]Ekaterina Volcheka，Haiyan Songa，Rob Law&Dimitrios Buhalisb.Forecasting London Museum Visitors Using Google Trends Data.[DB/OL][2018-01-30][2018-12-19]https：// ertr.tamu.edu/files/2018/01/ENTER2018_Submission_65-ok.pdf.

[13]Amnda Davis.New Interactive Program to Help Museum Visitors Use Data to Explore Artworks.[EB/OL][2017-08-07][2018-12-19]http：// theinstitute.ieee.org/technology-topics/big-data/new-interactive-program-tohelp-museum-visitors-use-data-to-explore-artworks.

[14]William Menking.Doug Aitken to Wrap The Seattle Art Museum With LED Video Art Screen.[EB/OL][2013-03-11][2018-12-19]https：// archpaper.com/2013/03/doug-aitken-to-wrap-the-seattle-art-museum-with-led-video-art-screen/

[15]IBM News Room.IBM Big Data Analytics Helps History Colorado Center Better Engage Visitors with an Enhanced CulturalExperience.[EB/OL][2013-06-19][2018-12-22]https：// www-03.ibm.com/press/us/en/pressrelease/41254.wss.

[16]Thor Olavsrud.How Big Data Helped the Norman Rockwell Museum Grow Revenue.[EB/OL][2014-04-01][2018-12-22]https：// www.cio.com/article/2377450/bigdata/how-big-data-helped-the-norman-rockwell-museumgrow-revenue.html.

[17]Jonathan Low.When the Art Is Watching You.[EB/OL][2014-12-13][2018-12-22]http：// www.thelowdownblog.com/2014/12/when-art-is-watching-you.html.

[18]Kate Lin.Museum Data and What to Do With It：Carnegie Museums of Pittsburgh.[EB/OL][2016-04-13][2018-12-22]https：// amt-lab.org/blog/2016/3/museumdata-and-what-to-do-with-it-carnegie-museum-of-art.

[19]Nicole Stutzman.More Knowledge by Friends.[EB/OL][2016-10-11][2018-12-22]https：// www.artsmanagement.net/Articles/The-Dallas-Museum-of-Art-Friendsprogram-More-knowledge-by-friends，3754.

[20]謝硯文：《社交媒體時代的博物館信息傳播——以徐州博物館為例》，《東南文化》2018年第3期。

[21]﹝加拿大﹞托馬斯·埃爾、瓦吉德·哈塔克、保羅·布勒著，彭智勇、楊先娣譯：《大數據導論》，機械工業出版社2017年，第31—38頁。

[22]彭蘭：《萬物皆媒——新一輪技術驅動的泛媒化趨勢》，《編輯之友》2016年第3期。

[23]吳愛云：《互聯網+背景下典籍博物館建設——以吉林省典籍博物館為例》，《圖書館學研究》2019年第4期。

[24]﹝美﹞伊萊·諾姆：《下一代網絡的下一代內容》，﹝美﹞馬克·格雷厄姆、威廉·H.達頓編，胡泳譯《另一個地球：