在線健康社區用戶特征研究

羅雨寧 景慎旗

【摘要】? ? 隨著互聯網應用的發展，越來越多的患者通過在線健康社區獲取健康信息。以“甜蜜家園”為例，通過描述性統計和聚類模型，分析用戶行為特征，對論壇用戶生成內容進行主題聚類并繪制詞云圖以挖掘用戶需求特征，從用戶行為和需求兩個維度構建用戶畫像，以期為在線健康運營者提供啟示和建議方法，更好地為用戶提供服務。

【關鍵詞】? ? ?在線健康社區? ? 用戶聚類? ? 主題聚類

引言：

隨著互聯網、社交媒體的廣泛應用，越來越多的患者通過網絡獲取疾病和診療信息，在線健康社區（Online Health Community，OHC）應運而生。有研究指出，慢性病患者會主動通過博客或論壇來尋求健康信息，并與具有相似經歷的人群共享信息、彼此支持[1]。通過在線社區，用戶不僅可以互相交流心得、共享醫療信息、進行專家咨詢等，OHC的社交屬性還能夠為用戶賦予個體對自我意識的感知，提高自身對群體的情感依賴和社會認同[2]。同時，OHC的技術特點可以保障用戶信息的匿名性，提供相對安全和可信任的溝通環境，激勵用戶創造更多內容。

通過用戶大數據實現對OHC用戶的精準定位，對用戶健康及社區運營發展至關重要。深入分析用戶行為特征及用戶生成內容（User Generate Content，UGC）有助于論壇運營者和社會各界深入了解患者需求，提升OHC的服務水平，為患者提供更多個性化、人性化的服務內容。因此，本文通過采集糖尿病在線社區“甜蜜家園”（http：//bbs.tnbz.com/）的用戶數據，對其行為特征和需求特點展開分析，實現用戶行為、需求與用戶屬性的關聯，旨在為更加有效、精準的信息服務提供啟示和建議。

一、相關研究

在線健康社區用戶行為指用戶通過社區平臺瀏覽信息、發帖、評論等行為。張敏等通過深度訪談和扎根理論，梳理分析在線健康社區用戶診療信息求助行為的影響因素及機理。[3]

翟羽佳等通過采集百度貼吧主題帖、發帖人、發帖時間等信息，對用戶發表主題和帖子數、用戶活躍度與存在期以及好友關系網絡等信息進行分析。研究發現，活躍用戶已經形成了穩定的群體，但也成為了新用戶加入的壁壘。其次，評估好友關系對用戶信息發布行為的影響，發現社交支持對于在線健康社區用戶積極性存在較強的正向推動作用。[2]

張海濤等從用戶角色和行為、用戶需求維度構建在線健康社區用戶畫像概念模型，并構建用戶標簽概念格，通過關聯規則挖掘用戶行為規律。[4]徐孝婷等通過調查問卷獲取老年用戶健康信息需求，并結合馬斯洛需求層次理論對信息需求展開分析并提出對策和建議。[5] Liu等通過主題模型分別對男性用戶和女性用戶的發帖內容進行對比分析。[6]

本文將從用戶行為、用戶需求兩個維度對糖尿病在線社區用戶屬性進行分析，展示在線健康社區用戶基本行為特征，通過對用戶基本特征進行聚類，揭示在線健康社區的用戶角色，進一步通過自然語言處理和主題聚類模型挖掘用戶需求特征，全面展現用戶參與社區交互的行為和需求特征，為社區運營優化和服務升級提供數據支撐和方向。

二、數據獲取

“甜蜜家園”是國內較大的糖尿病在線健康社區，目前擁有約45萬用戶，提供多個糖尿病主題板塊。利用Python爬蟲工具共采集到454759條用戶數據，包括性別、年齡、疾病類型、好友數、發帖數、回帖數、注冊時間、最近登錄時間、累計在線時長等信息。

經過數據清洗，剔除“僵尸用戶”，排除缺失值及異常值數據，最終得到46967條用戶信息。此外，共采集14.4萬條用戶發帖及其所有回帖，使用結巴分詞及哈工大停用詞表、百度停用詞表完成對文本數據的預處理。數據采集時間為2019年5月23日。

三、數據分析

3.1描述性統計分析

對46967條用戶數據進行描述性統計。論壇用戶以30多歲的青年人為主，男性用戶明顯多于女性用戶，其中II型糖尿病患者占比最大，家屬占比達14%。從用戶行為特征來來看，發帖數、回復數的中位數都是0，大多數用戶是“沉默”的。

注冊時長指用戶注冊時和數據采集時的時間間隔，數值越大則注冊時間越長，從表1可以看出論壇用戶平均注冊時長超過3年。最近登錄時間指最近一次登錄與數據采集時的時間間隔，數值小表示用戶近期有登錄行為，可以看出多數用戶近3年未登錄過論壇。累計在線時長中位數是0，過半用戶累計在線時長不到1小時。

3.2用戶聚類分析

選取性別、年齡、疾病類型、好友數、發帖數、回帖數、注冊時間、最近登錄時間、累計在線時長信息，經過標準化處理后采用K-means聚類算法進行聚類。通過肘部法確認聚類簇數，選取3作為最佳k值。對聚類結果降維，最終得到3個簇，聚類中心如表2所示。

其中，聚類1中用戶年齡最小，在論壇登錄、發帖、回復等行為較活躍，且注冊時間較短，因此將其定義為活躍新用戶。聚類2中用戶注冊時間最長，但很不活躍，很多用戶注冊后卻很少登錄論壇，逐漸成為論壇流失用戶。聚類3中用戶年齡相對較大，行為較不活躍，但近期仍有登錄論壇，稱其為沉默用戶。

3.3主題聚類

LDA（Latent Dirichlet Allocation，LDA）模型在文本語義分析中被廣泛應用，由Blei等在2003年提出，它是一種三層貝葉斯概率模型，是無監督的機器學習模型。[7]LDA模型可以自動提取文本主題，解決單詞、主題和文檔間的語義關聯問題。[6]

通過抓取論壇數據，共獲得144209個論壇帖子，經文本預處理后，采用LDA模型提取主題。經過實驗，當主題數為9時模型運行結果較好，如表3所示，論壇用戶話題主要圍繞診療、健康管理、血糖儀、血糖監測、胰島素、心得交流等，此外還有很多帖子聚焦新用戶歡迎、好友聊天，具有明顯的社交屬性。

3.4詞云圖

對分詞結果進行詞頻統計，結果見圖1。詞頻排名前10的詞匯分別是記錄、健康、血糖、糖尿病、胰島素、大家、控制、空腹、運動、謝謝。可以看出，論壇用戶討論內容集中于血糖監測和控制。根據金碧漪[8]提出的八大糖尿病病主題，“甜蜜家園”關于糖尿病并發癥、社會生活、疾病預防、教育和研究的內容較少，內容質量較低。

四、結束語

根據用戶特征分析結果，一方面可以針對性地實施增加用戶粘性的舉措，例如：挖掘論壇活躍用戶，做好KOL（Key Opinion Leader）運營，向新注冊用戶推薦高質量內容和用戶，防止新用戶的快速流失，通過移動端APP推送消息，提高論壇服務的易用性等。另一方面，可以進一步提升論壇內容質量，如邀請醫生、健康管理專家開展在線講座和咨詢活動，激勵患者分享經驗等。

本文聚焦患者用戶的行為特征和需求特征，未關注醫生用戶群體，存在一定局限性。后續研究可以對兩類用戶群體展開對比研究，還可以進一步對醫生論壇和患者論壇做比較分析，充分挖掘在線健康社區用戶特征，為社區的進步提供更多方向。

參? 考? 文? 獻

[1] Han J Y， Shah D V， Kim E， et al. Empathic exchanges in online cancer support groups： distinguishing message expression and reception effects[J]. Health communication，2011，26（2）：185-197.

[2] 翟羽佳，張鑫，王芳.在線健康社區中的用戶參與行為——以”百度戒煙吧”為例[J].圖書情報工作，2017，61（7）：75-82.

[3] 張敏，劉雪瑞，張艷.在線健康社區用戶診療信息求助行為形成機理的概念模型——基于扎根理論的探索性研究[J].情報科學，2019，37（4）：22-28.

[4] 張海濤，崔陽，王丹等.基于概念格的在線健康社區用戶畫像研究[J].情報學報，2018，37（9）：912-922.

[5] 徐孝婷，趙宇翔，朱慶華.在線健康社區老年用戶健康信息需求實證研究[J].圖書情報工作，2019，63（10）：87-96.

[6] Xuan L，Min S，Jia L.Research on gender differences in online health community[J]. International Journal of Medical Informatics，2018，111：172-181.

[7] David M B，Andrew Y N，Michael I J.Latent Dirichlet Allocation[J].Journal of Machine Learning Research，2003，（3）：993-1022.

[8] 金碧漪，許鑫.網絡健康社區中的主題特征研究[J].圖書情報工作，2015，59（12）：100-105.