社會化媒體中提升用戶參與度的關鍵因素研究.pdf

1、短短幾年間,社會化媒體得到了迅猛的發(fā)展,用戶數(shù)量和覆蓋率不斷刷新記錄,在社會生活中的地位和作用日漸重要。社會化媒體的核心是“社會化”,即用戶的參與和互動?？梢哉f,社會化媒體的根本價值來自用戶參與的廣泛性與互動性,參與度的低迷將直接導致用戶的流失和平臺本身的沒落。而只有從理論上和本質上深刻影響用戶參與的因素,才能為社會化媒體的實際應用如推薦和搜索提供有意義的指導。
　　本文從多角度展開了對社會化媒體用戶參與度的研究。首先,需要避免千

2、遍一律的枯燥和雷同,單一的內(nèi)容會讓用戶乏味而離開,即需要保證多樣性;其次,僅有多樣性是不夠的,必須同時保證內(nèi)容的相關性和有用性,讓用戶收獲意料之外的發(fā)現(xiàn),即在多樣性之上為用戶帶來眼前一亮的意外驚喜;最后,考慮到多樣性和意外驚喜僅提升了用戶個體層面的體驗,應該繼續(xù)挖掘用戶關系,在網(wǎng)絡層面上激發(fā)更多互動和共鳴,實現(xiàn)廣泛的信息傳播,由此,本文進一步對用戶之間的影響關系進行深入挖掘以最大化整體參與度。對于以上激勵用戶參與的三個重要因素—多樣性、

3、意外驚喜和影響關系,本文分別展開了以下深入研究。
　　在多樣性與參與度的研究上,以微博為例,本文對社會化媒體用戶的個體網(wǎng)絡和所讀內(nèi)容的多樣性進行了實證研究。首先,使用四種不同的度量方法量化了多樣性;之后,對多樣性進行了時序分析,發(fā)現(xiàn)了微博用戶的多樣性隨著時間增長;最后,考察了多樣性與用戶參與度的關系,實驗發(fā)現(xiàn):結構層面的多樣性與原創(chuàng)數(shù)量顯著正相關,而內(nèi)容層面的多樣性則對原創(chuàng)數(shù)量沒有太大影響,這說明平臺應該有意識地引導用戶加入多個不

4、同的圈子;不同度量方式下,轉發(fā)數(shù)都隨著多樣性的增長而增長,這說明在平臺設計中加入多樣性元素能有效提升用戶的參與度。
　　在意外驚喜與參與度的研究上,本文首次對意外驚喜現(xiàn)象進行了基于大規(guī)模用戶行為數(shù)據(jù)的量化研究,提出了一種識別意外驚喜的高效算法,并計算了意外驚喜在社會化媒體中的存在比例,揭示了其對用戶參與度的正面作用。意外驚喜指的是一種非預期的收獲或無意中的發(fā)現(xiàn),其在信息系統(tǒng)中對用戶體驗和用戶參與的積極作用已得到了學術界和工業(yè)界的普

5、遍認同,但這種作用仍缺乏由大規(guī)模數(shù)據(jù)下的理論研究支持。本文定義社會化媒體中的意外驚喜為“意外的相關性”。在該定義下,基于統(tǒng)計假設檢驗,本文提出了一種全新的方法來自動、快速、準確識別信息傳播中的意外性、相關性和意外驚喜,該方法適用于多種信息系統(tǒng),如推薦系統(tǒng)、檢索系統(tǒng)和廣告平臺。使用該識別方法,本文計算了意外驚喜在微博信息傳播中的存在比例,在Twitter的轉發(fā)中約占27％,在新浪微博的轉發(fā)中約占30%。最后,通過相關關系分析和因果關系分析

6、,本文揭示了意外驚喜對社會化媒體中用戶參與度(活躍度和社交度)的正面作用。
　　在影響關系與參與度的研究上,本文利用影響關系提升社會化媒體的整體參與度,抽象并公式化了參與度最大化問題。為了解決此問題,首先,通過隨機測試驗證了影響關系對用戶參與行為的驅動作用;其次,提出了一種迭代算法,根據(jù)用戶歷史交互數(shù)據(jù)計算用戶之間的影響關系;最后,針對參與度最大化問題,提出了一種高效的啟發(fā)式算法TABI,實驗顯示該算法在整體參與度的提升上,性能顯

7、著優(yōu)于推薦算法和社會財富最大化問題的近似算法?；谟绊戧P系的參與度最大化是推薦系統(tǒng)新思路的一種探索,即出于提升整體參與度的考慮,在推薦中不僅需要匹配當前用戶的興趣,還需要考慮當前用戶影響力帶來的未來參與度。
　　綜上所述,本文深入研究了提高社會化媒體用戶參與度的三個關鍵因素:多樣性、意外驚喜和影響關系。實驗結果表明,以上三個因素均對用戶參與度均產(chǎn)生積極作用。因此,在實際應用和系統(tǒng)設計中,可以借鑒本文提出的算法、技術和框架,在信息內(nèi)