基于數字圖書館的用戶行為分析與應用

劉 瑩

(濰坊市圖書館,山東 濰坊 261045)

1 背景

2022 年,中共中央辦公廳、國務院辦公廳印發了《關于推進實施國家文化數字化戰略的意見》,明確了在“十四五”末期基本建成文化數字化基礎設施和服務平臺,形成線上線下融合互動、立體覆蓋的文化服務供給體系的戰略任務[1]。 圖書館肩負著推動全民閱讀、促進文化發展的重要使命。隨著互聯網技術的發展,人們的信息獲取方式和閱讀行為發生了顯著變化,數字閱讀逐漸成為人們的主要閱讀方式。 雖然數字圖書館經過多年發展已構建了龐大的資源和服務體系,但難以進一步提高數字資源服務效率,難以滿足用戶的個性化閱讀需求。

2 用戶行為分析

2.1 用戶行為分析的意義

用戶行為分析是指獲取網站、App 等平臺訪問量、訪問時間、停留時間、跳出率等基礎數據,并通過人工智能、大數據、可視化分析等現代化技術獲取用戶行為規律的研究方法[2]。 用戶行為分析是圖書館基于“以用戶為中心”的服務思想,通過分析用戶在使用數字圖書館過程中的行為信息,及時了解用戶的興趣偏好和閱讀需求,發現閱讀推廣過程中存在的問題,為優化數字圖書館資源配置、策劃閱讀推廣方案、開展精準化閱讀服務、擴大服務范圍等提供依據的方式方法。

2.2 基于數字圖書館用戶行為分析的優勢

2.2.1 數據的真實性。 用戶在接受采訪、調查問卷、意見征集等被動提供信息的場景下,出于對自身形象、個人隱私、社會影響等的考慮,往往會提供與實際情況不符的信息,降低了數據的可信度[3]。 但是,用戶利用數字圖書館的行為一般屬于自發行為,可真實反映出用戶的實際閱讀需求。

2.2.2 數據的全面性。 用戶行為數據包括用戶在使用數字圖書館過程中涉及的所有個人及操作信息,包括注冊信息、訪問時間、檢索內容、瀏覽人次、瀏覽時間、跳出率、回訪率等,可全面展示用戶的閱讀需求及數字圖書館的服務效能。 圖書館可對獲取到的用戶行為數據進行多維度分析,深入挖掘用戶的隱性需求,建立用戶畫像,以構建目標明確、服務精準、功能完備的數字閱讀服務體系。

2.2.3 數據的易得性。 隨著文化數字化戰略的提出和移動終端的普及,數字閱讀方式受到大眾的青睞,任何人都可通過移動終端使用數字圖書館,為圖書館獲取用戶的行為數據提供了有利條件。

3 數字圖書館建設涉及的用戶行為分析方向

3.1 用戶行為路徑分析

用戶行為路徑分析是圖書館根據用戶在使用數字圖書館過程中的操作信息,提取用戶流向、功能選擇、閱讀轉化率等數據,及時改進服務方式的研究方法,分為不設定具體路徑的行為軌跡分析和設定關鍵路徑的“漏斗模型”分析。 行為軌跡分析可幫助圖書館了解用戶使用數字圖書館的傾向,進而優化數字圖書館的功能和結構。 “漏斗模型”分析可幫助圖書館根據用戶的使用狀態分析出易造成用戶流失問題的關鍵服務環節,提高數字圖書館用戶轉化率。

3.2 用戶頁面點擊行為分析

用戶頁面點擊行為分析是指圖書館對用戶在使用數字圖書館過程中的點擊行為進行分析,如各頁面的訪問次數、模塊訪問量占比等。 一般情況下,用戶頁面點擊行為受以下兩個方面因素的影響:一是用戶對數字資源的主觀認知程度,二是數字圖書館頁面布局的合理性、便捷性及用戶體驗感[4]。 圖書館可對用戶頁面點擊行為進行分析,獲取用戶的瀏覽習慣和閱讀喜好,細分用戶群體,有針對性地優化閱讀推廣服務方式;有效評估用戶與數字圖書館的交互關系,明確用戶需求,為數字圖書館建設奠定基礎。

3.3 用戶檢索行為分析

隨著信息技術的發展,圖書館的資源檢索方式逐漸多樣化,能夠滿足用戶的一站式信息獲取需求。圖書館通過分析用戶的檢索行為獲得用戶的檢索習慣、思維方式、興趣偏好等信息,以持續優化檢索算法,提高用戶的檢索效率。

3.4 用戶瀏覽行為分析

用戶瀏覽行為數據包括用戶的瀏覽次數、瀏覽時間、瀏覽歷史、頁面停留時間、跳出率、回訪率等。其中,跳出率、回訪率、停留時間等可反映頁面內容對用戶的吸引程度。 圖書館通過用戶瀏覽行為分析的方式了解用戶的閱讀習慣,以開展個性化的推送服務,提高用戶的閱讀效率。

3.5 用戶畫像分析

用戶畫像是圖書館根據注冊用戶的基本信息、行為信息、需求信息等數據建立的標簽化的用戶模型,可直觀顯示用戶在某一維度的需求偏好[5]。 圖書館通過用戶畫像將用戶行為與數字圖書館館藏資源進行匹配,可有效提高數字資源建設、可視化數字服務平臺建設等工作的效率和質量。 此外,圖書館根據用戶畫像開展數字閱讀推薦活動,可有效幫助用戶明確自身閱讀定位,激發他們的閱讀熱情[6]。

4 基于用戶行為分析結果的數字閱讀推廣策略

4.1 優化數字圖書館的功能布局

數字圖書館的功能布局、資源結構和資源服務獲取方式是影響用戶使用體驗的重要因素,圖書館應通過用戶行為分析的方式,有針對性地優化數字圖書館的功能布局,加強數字圖書館系統建設,提升用戶的使用體驗[7]。

4.1.1 清晰的導航系統。 圖書館應挑選用戶普遍關注的資源類型、服務項目、使用問題等,設置清晰的導航頁面,方便用戶快速查找。

4.1.2 方便的檢索系統。 圖書館應不斷提升檢索系統的信息采集能力,為用戶提供方便、快速、精確、可靠的檢索服務。

4.1.3 醒目的引導系統。 醒目的引導系統可引導用戶高效利用數字圖書館,提高他們的閱讀興趣,推動淺閱讀向深閱讀、泛閱讀向精閱讀的轉化。

4.2 開展精準的閱讀推送服務

4.2.1 用戶個性化需求匹配。 圖書館應收集用戶的瀏覽、檢索等行為數據,通過隨機森林算法獲得用戶特征[8],建立用戶行為畫像,精準預測和滿足用戶的閱讀資源需求。

4.2.2 拓展閱讀推薦。 拓展閱讀推薦服務有利于提升用戶的閱讀效果,圖書館應收集用戶的瀏覽行為信息,通過Apriori 算法深入挖掘用戶的閱讀偏好[9,10],為他們提供拓展閱讀資源,擴大他們的閱讀范圍。

4.2.3 群體數字閱讀推廣決策。 圖書館應通過用戶行為分析的方式,對用戶進行分類,利用聚類算法和分類算法開展精準的閱讀推送服務。

4.3 提升用戶體驗

圖書館應通過用戶行為路徑分析的方式,發現易造成用戶流失問題的關鍵服務環節,有針對性地解決服務過程中存在的問題,提升用戶體驗,提高用戶轉化率。 例如,如果用戶在注冊階段流失較多,說明數字圖書館的注冊方式可能過于復雜或難以保護用戶的信息安全,圖書館可據此簡化注冊流程,加強信息安全保護,以提升用戶的使用體驗。

4.4 加大線上線下資源的融合力度

數字圖書館的使用沒有時間、空間的限制,資源數量比傳統圖書館多,但傳統圖書館在線下閱讀推廣活動方面具有明顯優勢。 因此,圖書館應積極分析用戶行為數據,對用戶進行分類,根據用戶類型開展線上或線下閱讀推廣活動;整合線上線下資源,加強數字圖書館資源建設,實現線上線下資源的統一管理和維護,以提高資源利用率[11]。

5 結語

基于數字閱讀平臺的用戶行為分析體現了圖書館“以用戶為中心”的服務思想。 目前,用戶行為分析涉及的技術相對成熟,圖書館可有效分析用戶的行為數據,為其數字閱讀推廣的開展、數字圖書館功能布局的優化、數字資源建設的開展等提供相對準確的決策依據。 值得注意的是,本研究在用戶行為數據選取、“漏斗模型”設計、用戶畫像分析等方面存在一定的局限性,因此,筆者將在后續的實踐和研究中擴大研究范圍,優化模型結構和分析算法,不斷檢驗和調整分析結果,以期得到更加準確且更有價值的學術研究成果。