陳可嘉　羅曉莉

(福州大學(xué)經(jīng)濟與管理學(xué)院， 福建福州　350116)

?

基于迂回二次聚類的微博用戶細(xì)分研究

陳可嘉羅曉莉

(福州大學(xué)經(jīng)濟與管理學(xué)院， 福建福州350116)

摘要：對于開展微博營銷的企業(yè)而言，挖掘微博用戶信息，進行用戶細(xì)分，是企業(yè)實現(xiàn)精準(zhǔn)網(wǎng)絡(luò)營銷的迫切需求。為此，首先運用API和網(wǎng)絡(luò)爬蟲技術(shù)，獲取@戴爾中國的粉絲列表及相關(guān)用戶信息。通過數(shù)據(jù)預(yù)處理，得到有效數(shù)據(jù)樣本。然后對變量進行相關(guān)性分析，引入微博熱度、互粉率變量，確定性別、地域、粉絲數(shù)、關(guān)注數(shù)、等級、認(rèn)證類型、互粉率、微博熱度等8項用戶細(xì)分變量。基于迂回二次聚類，將@戴爾中國的微博粉絲用戶劃分為草根明星型、活躍女性型和默默關(guān)注型三類。在此基礎(chǔ)上，幫助戴爾針對不同的用戶群制定微博營銷策略，為戴爾開展精準(zhǔn)營銷提供參考。

關(guān)鍵詞：微博； 用戶細(xì)分； 迂回二次聚類； 戴爾中國

近年來，由于互聯(lián)網(wǎng)技術(shù)的發(fā)展，尤其是web2.0網(wǎng)絡(luò)應(yīng)用的興起，微博、微信等社交類應(yīng)用在短時間內(nèi)迅速崛起。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)發(fā)布的《2014年中國社交類應(yīng)用用戶行為研究報告》，我國整體網(wǎng)民中，社交網(wǎng)站覆蓋率為61.7%，其中微博覆蓋率為43.6%；微博品牌的覆蓋率，新浪微博所占網(wǎng)民比例位居第一，騰訊微博緊跟其后。

微博的日趨流行造就了企業(yè)營銷管理的新格局。一方面，微博用戶群迅猛增長，不同地域、性格和特點的用戶群，用戶需求呈現(xiàn)差異化；另一方面，微博中存儲了海量的用戶數(shù)據(jù)，這些數(shù)據(jù)蘊含著用戶潛在的行為特征，為識別用戶需求提供了可能性。當(dāng)前，微博已成為企業(yè)與用戶互動交流的重要平臺，企業(yè)非常注重在微博上進行用戶關(guān)系管理。挖掘微博用戶信息，進行微博用戶細(xì)分，是企業(yè)實現(xiàn)精準(zhǔn)化營銷的迫切需求。[1]

基于微博用戶數(shù)據(jù)的分析研究引起了國內(nèi)外學(xué)者的廣泛關(guān)注，成為了當(dāng)前社交網(wǎng)絡(luò)研究中的熱點方向。在國外，研究者主要集中關(guān)注Twitter網(wǎng)站上的數(shù)據(jù)分析，采用不同方法對Twitter用戶及微博信息進行研究。Cha等比較分析了與Twitter用戶影響力相關(guān)的三個指標(biāo)，分別為粉絲數(shù)、被轉(zhuǎn)發(fā)數(shù)和評論數(shù)，發(fā)現(xiàn)用戶的粉絲數(shù)量并不能直接反映用戶的影響力，并將用戶間的轉(zhuǎn)發(fā)率作為計算用戶影響力的主要變量[2]；Kwak等運用PageRank算法計算了Twitter用戶的排名，研究了微博信息傳播機制、微博影響力與用戶粉絲數(shù)量的相關(guān)性、用戶網(wǎng)絡(luò)的粉絲分布以及微博話題分布等問題[3]；Shen等使用ROST軟件對微博垃圾信息進行了文本挖掘，分析了微博垃圾信息的擴散網(wǎng)絡(luò)[4]；Fischer等運用歸納理論構(gòu)建法討論了Twitter的互動運行機制及其對用戶認(rèn)知和行為的有效影響，認(rèn)為通過Twitter進行社交互動的兩個主要影響因素分別是社區(qū)定位和對社區(qū)規(guī)范的遵守。[5]在國內(nèi)，研究對象主要為新浪微博、騰訊微博等用戶群體多、影響力廣的微博平臺，探討較多的是微博用戶影響力、微博用戶特征、微博用戶關(guān)系以及微博信息傳播等問題。王曉光以“新浪微博”為例，對微博的基本結(jié)構(gòu)以及信息傳播模式進行了研究，考察了微博用戶的行為特征和關(guān)系特征，構(gòu)建了微博影響力回歸方程[6]；何黎等運用數(shù)據(jù)挖掘技術(shù)研究了微博用戶特征，分析了通過對微博網(wǎng)絡(luò)進行核心用戶挖掘從而開展個性化營銷的可行性[7]；平亮和宗利永以新浪微博為研究對象，利用社交網(wǎng)絡(luò)中心性分析方法，結(jié)合微博用戶之間的網(wǎng)絡(luò)拓?fù)潢P(guān)系，探討了微博信息的傳播模式[8]；楊小朋和何躍引入博文魅力指數(shù)和博主收聽人數(shù)兩個變量，采用K-Means聚類算法對騰訊微博用戶進行了聚類，挖掘了騰訊微博用戶的特征[9]；原福永等借助用戶被關(guān)注度，計算了微博用戶的活躍度與影響力，在此基礎(chǔ)上，建立了用戶影響力指數(shù)模型。[10]

從已有的相關(guān)文獻來看，微博數(shù)據(jù)挖掘研究大多集中于微博的網(wǎng)絡(luò)結(jié)構(gòu)、用戶特征、用戶影響力及微博信息傳播等方面，而針對微博用戶細(xì)分的研究較為缺乏。楊小鵬等運用聚類算法實現(xiàn)了對微博用戶的劃分，證明了聚類分析方法在微博用戶細(xì)分中應(yīng)用是可行的[11]，但其僅僅采用單一的K-Means聚類算法。

聚類分析起源于分類學(xué)，是數(shù)據(jù)挖掘中一個重要的研究課題，被廣泛地應(yīng)用于用戶細(xì)分、識別潛在用戶等領(lǐng)域。[12]最常用的兩種聚類分析方法是K均值(K-Means)聚類和系統(tǒng)聚類。K-Means聚類在效率、精確度等方面優(yōu)于系統(tǒng)聚類，但也有一個明顯的缺陷就是需要事先確定聚類個數(shù)。

基于此，本文選取戴爾的新浪微博作為研究對象，利用API和網(wǎng)絡(luò)爬蟲技術(shù)，獲取@戴爾中國的粉絲用戶列表及用戶信息，綜合系統(tǒng)聚類和K-means聚類的優(yōu)點，提出迂回二次聚類方法，實現(xiàn)微博用戶細(xì)分，通過分析用戶分群的特征，挖掘微博用戶的差異化需求，幫助企業(yè)制定精準(zhǔn)營銷策略。

一、微博用戶細(xì)分模型

基于數(shù)據(jù)挖掘的微博用戶細(xì)分步驟包括微博用戶細(xì)分目標(biāo)確立、微博用戶數(shù)據(jù)預(yù)處理、微博用戶細(xì)分變量確定、微博用戶細(xì)分算法設(shè)計、微博用戶細(xì)分實現(xiàn)、微博用戶細(xì)分結(jié)果分析與精準(zhǔn)營銷指導(dǎo)等。[13]

(一)微博用戶數(shù)據(jù)預(yù)處理

由于微博用戶數(shù)據(jù)可能存在缺失值、異常值和數(shù)據(jù)類型多樣化等情況，在進行微博用戶細(xì)分之前，需要對微博用戶數(shù)據(jù)進行預(yù)處理，預(yù)處理步驟如圖1所示。

(1)企業(yè)微博粉絲用戶中存在部分的虛假粉絲或活躍度極低的真實粉絲，統(tǒng)稱為“僵尸粉”。該類用戶一般表現(xiàn)為沒有粉絲或基本沒有粉絲，無微博或長期未更新微博。這類用戶對于企業(yè)微博營銷意義不大，因而在對微博用戶進行細(xì)分之前，首先對“僵尸粉”予以剔除，剔除的標(biāo)準(zhǔn)為粉絲數(shù)≤α(α≥0)或微博數(shù)≤β(β≥0)。

(2)由于微博用戶數(shù)據(jù)可能存在缺失值、異常值、無效值等，這些都會對分析結(jié)果造成影響。為了確保分析的準(zhǔn)確性和真實性，剔除數(shù)據(jù)質(zhì)量差的變量。此外，考慮數(shù)據(jù)挖掘算法對于數(shù)據(jù)差異性的要求，對數(shù)據(jù)分布過于集中的變量，同樣予以剔除。最終將數(shù)據(jù)質(zhì)量差的標(biāo)準(zhǔn)定義為數(shù)據(jù)缺失率≥γ(γ≥0)或數(shù)據(jù)集中率≥δ(δ≥0)，其中，映射在某變量上的數(shù)據(jù)缺失率=變量值缺失的樣本數(shù)/總有效樣本數(shù)，映射在某變量的數(shù)據(jù)集中率=出現(xiàn)頻率最高的變量值對應(yīng)的樣本數(shù)/總有效樣本數(shù)。

(3)對于剩余變量，可能還存在用戶樣本在變量的映射含有缺失值、異常值等，剔除這些數(shù)據(jù)異常的用戶樣本。

(4)數(shù)值化處理。對于名義型變量，轉(zhuǎn)化為對稱數(shù)值；對于有序型變量，轉(zhuǎn)化為序數(shù)值。

(5)數(shù)據(jù)分段處理?？紤]變量數(shù)據(jù)離散性，對部分變量數(shù)據(jù)進行分段處理。

(二)微博用戶細(xì)分變量確定

經(jīng)過數(shù)據(jù)預(yù)處理，初步得到可用于微博用戶細(xì)分的有效用戶數(shù)據(jù)。要確定微博用戶細(xì)分變量，還需要進一步考察變量的相關(guān)性。由于相關(guān)性較強的變量會將某些因素放大而影響聚類效果，故需對變量進行相關(guān)性分析，標(biāo)識出相關(guān)性強的變量加以分析，合理去除高相關(guān)變量。通過計算變量間的Pearson相關(guān)系數(shù)，將相關(guān)系數(shù)r≥ε(0≤ε≤1)的變量列出，對于相關(guān)性較高的變量，結(jié)合各變量的具體含義及對應(yīng)關(guān)系，進行合理地剔除，最終確定微博用戶細(xì)分變量。

(三)微博用戶細(xì)分算法設(shè)計

聚類分析能夠根據(jù)用戶屬性變量將用戶劃分為具有不同特征的用戶群，故本文選取聚類分析作為微博用戶細(xì)分的方法。聚類分析通常有兩類方法：分層方法和劃分方法，其中最常用的分別是系統(tǒng)聚類和K-Means聚類。

1. 系統(tǒng)聚類

系統(tǒng)聚類屬于聚類分析中的分層方法，是聚類分析中使用最多的方法，其基本步驟如圖2所示。

系統(tǒng)聚類的基本原理是將距離近的對象先進行聚類，距離遠的后進行聚類，對數(shù)據(jù)反復(fù)進行分裂或合并，直到滿足某個條件為止，可以通過繪制聚類樹圖直觀地反映整個聚類過程。

系統(tǒng)聚類的最大缺陷在于，分裂或合并的步驟一旦完成無法糾正，這意味著如果某個步驟的結(jié)果不好，則無法進行改正，最終將導(dǎo)致聚類效果不好。此外，系統(tǒng)聚類法主要適用于樣本量較少(通常指小于100)的樣本聚類及變量聚類，對于大數(shù)據(jù)，處理性能較差。

2. K-Means聚類

K-Means聚類屬于聚類分析中的劃分方法，其基本步驟如圖3所示。

K-Means聚類的基本思想是將對象在類間進行移動，通過反復(fù)迭代改變初始聚類，使得類內(nèi)對象間距離最短，類間距離最大。

K-Means聚類具有計算速度快、伸縮性好、精確度高的優(yōu)點，但是由于不同的初始聚類中心會導(dǎo)致不同的聚類結(jié)果，使得聚類結(jié)果存在較大

的不確定性，且算法對離群點異常敏感，離群點的存在會對聚類結(jié)果造成極大的影響。此外，K-Means聚類還有一個明顯的缺陷就是需要事先給出聚類個數(shù)k，而k值的準(zhǔn)確給出是非常困難的。

3. 迂回二次聚類

本文在進行微博用戶細(xì)分時，充分發(fā)揮系統(tǒng)聚類和K-Means聚類的優(yōu)點，提出了迂回二次聚類算法：

(1)系統(tǒng)聚類方法確定。使用六種系統(tǒng)聚類方法對用戶數(shù)據(jù)進行第一次系統(tǒng)聚類，對比不同的聚類方法得到的聚類結(jié)果，確定系統(tǒng)聚類方法。

(2)聚類個數(shù)初試。選取聚類效果最好的系統(tǒng)聚類方法，對用戶數(shù)據(jù)抽取小樣本實施第二次系統(tǒng)聚類，觀察所得聚類樹圖，判斷不同的聚類個數(shù)下，類的大小的分布，初步得出合適的聚類個數(shù)范圍。

(3)聚類個數(shù)確定。繪制聚類個數(shù)與組內(nèi)平方和的散點折線圖，觀察得出推薦的聚類個數(shù)，結(jié)合第二次系統(tǒng)聚類結(jié)果，最終確定聚類個數(shù)k。

(4)初始中心確定。將探索確定的聚類個數(shù)k以參數(shù)形式回傳給K-Means聚類進行迭代，對隨機初始中心的選取次數(shù)進行嘗試，一般增加選取次數(shù)可以改善聚類效果，依據(jù)聚類效果最好的選取次數(shù)，最終確定初始聚類中心。

(5)K-Means聚類。根據(jù)上述步驟獲得的聚類個數(shù)及初始類中心，利用K-Means聚類對原始樣本重新劃分，最終確定聚類結(jié)果。

二、基于迂回二次聚類的戴爾新浪微博用戶細(xì)分

本文對于微博用戶細(xì)分的實證研究，選取戴爾的新浪官方微博@戴爾中國為例。戴爾是微博營銷中的經(jīng)典案例，對其微博用戶進行細(xì)分具有重要意義。

(一)微博用戶數(shù)據(jù)采集與預(yù)處理

1. 微博用戶數(shù)據(jù)采集

目前微博數(shù)據(jù)采集主要有基于API的數(shù)據(jù)獲取和基于網(wǎng)絡(luò)爬蟲的頁面解析兩大方式。[14]新浪微博API接口共開放39項用戶變量信息，針對本文研究的需要，利用API接口獲取14項用戶變量信息，包括用戶UID，昵稱，所在省，所在城市，所在地，個人描述，性別，粉絲數(shù)，關(guān)注數(shù)，微博數(shù)，收藏數(shù)，注冊時間，微博認(rèn)證類型，互粉數(shù)。此外，借助基于網(wǎng)絡(luò)爬蟲的頁面解析技術(shù)，獲取7項用戶變量信息，包括標(biāo)簽，教育信息，興趣(達人)，等級，活躍天數(shù)，信用等級，積分(達人)。

本文的微博數(shù)據(jù)采集工作分兩次進行：第一次抓取時間為1月，完成了基于新浪微博API的數(shù)據(jù)采集；第二次抓取時間為3月，通過網(wǎng)絡(luò)爬蟲采集了微博用戶數(shù)據(jù)。

由于微博用戶數(shù)量龐大，僅抽取@戴爾中國的部分用戶作為樣本，利用新浪微博API和網(wǎng)絡(luò)爬蟲兩種方式，共獲取包含21項用戶變量信息的4 856條@戴爾中國粉絲用戶數(shù)據(jù)。獲取的微博用戶數(shù)據(jù)存儲于MySQL數(shù)據(jù)庫中，作為微博用戶細(xì)分的樣本數(shù)據(jù)。

2. 微博用戶數(shù)據(jù)預(yù)處理

根據(jù)數(shù)據(jù)預(yù)處理步驟，具體操作如下：

(1)根據(jù)百度百科對于“僵尸粉”的定義以及@戴爾中國微博粉絲用戶的粉絲數(shù)和微博數(shù)的分布情況，取α=5，β=5，即粉絲數(shù)≤5或微博數(shù)≤5的用戶視為“僵尸粉”予以剔除。共剔除325條用戶樣本，剩余4 531條用戶樣本。

(2)定義變量值為空值(NULL)或空字符串‘ ’的數(shù)據(jù)為缺失值，取γ=30%，共剔除6項數(shù)據(jù)缺失率≥30%的用戶變量，包括個人描述、收藏數(shù)、標(biāo)簽、教育、興趣、達人積分，數(shù)據(jù)缺失率分別為60.8%、57.7%、45.2%、91.0%、84.1%、84.0%。此外，根據(jù)樣本數(shù)據(jù)的分布情況，取δ=90%，信用等級變量的數(shù)據(jù)分布過于集中，除去141項空值外，4693項均為“正常”，數(shù)據(jù)集中率≥90%，不符合聚類分析對于數(shù)據(jù)差異性的要求，予以剔除。

(3)針對數(shù)據(jù)質(zhì)量滿足要求的變量，剔除在這些變量的映射中含有缺失值的樣本，共剔除143條異常樣本。針對研究問題的特定背景，將省份變量取值“其他”“海外”“香港”“臺灣”視為異常值，共剔除468條省份變量信息異常的樣本。

(4)根據(jù)聚類分析對于數(shù)據(jù)類型的要求，對性別、用戶創(chuàng)建時間、微博認(rèn)證類型、所在地4項非數(shù)值型變量進行數(shù)值化處理。性別為名義型變量，值域為{“男”，“女”}，對應(yīng)轉(zhuǎn)化為{1,-1}；將用戶創(chuàng)建時間替換為與實驗時點的時間差，代表用戶的“微博年齡”，以天為計量單位；微博認(rèn)證類型為有序型變量，值域為{“普通用戶”“初級達人”“中高級達人”}，相應(yīng)轉(zhuǎn)化為{0,1,2}；所在地為名義型變量，形如“福建 福州”，分別與省份、城市變量相對應(yīng)，且省份、城市變量均為數(shù)值型，故剔除所在地變量。

(5)由于用戶省份變量取值的值域過大，造成聚類過程運算量大，且可能導(dǎo)致聚類結(jié)果的分辨性不夠，參照2014年中國地理區(qū)劃，對省份變量數(shù)據(jù)進行分段處理，將省份劃分為華北、華東、華中、華南、西南、西北、東北7個區(qū)域，新建數(shù)值型地域變量，分別對應(yīng)為{1,2,3,4,5,6,7}。

經(jīng)過數(shù)據(jù)預(yù)處理，此時有效樣本數(shù)n=3920，變量數(shù)p=14。

(二)微博用戶細(xì)分變量確定

表1　較強相關(guān)變量

通過變量相關(guān)性分析，最終確定8項微博用戶細(xì)分變量：性別、地域、粉絲數(shù)、關(guān)注數(shù)、當(dāng)前等級、微博認(rèn)證類型、互粉率、微博熱度，其中性別和地域?qū)儆趥鹘y(tǒng)意義的人口統(tǒng)計變量，其余則是具有社交網(wǎng)絡(luò)特性的變量。

(三)基于迂回二次聚類的微博用戶細(xì)分實現(xiàn)

在聚類分析中，大多數(shù)據(jù)由于不在同一數(shù)量級而存在絕對值差異，往往不能直接參與運算，需要進行中心化或標(biāo)準(zhǔn)化處理，弱化不同變量絕對值差異對于聚類結(jié)果的影響。本文對進行聚類分析的3920條樣本數(shù)據(jù)的8個細(xì)分變量進行了中心化和標(biāo)準(zhǔn)化處理，使得各變量的均值為0，標(biāo)準(zhǔn)差為1。

1. 系統(tǒng)聚類方法確定

對用戶數(shù)據(jù)進行第一次系統(tǒng)聚類，利用數(shù)據(jù)挖掘工具R語言中提供的聚類分析包，分別使用六種定義類間距離的方法建立系統(tǒng)聚類模型，評價六種聚類方法獲得的聚類結(jié)果，最終確定系統(tǒng)聚類方法。

(1)計算距離矩陣。使用歐氏距離定義樣本間距離，對提取的3920條數(shù)據(jù)的8個細(xì)分變量計算距離矩陣。

(2)系統(tǒng)聚類方法嘗試。使用hclust函數(shù)建立系統(tǒng)聚類模型，系統(tǒng)聚類首先將每個樣本作為一類，再將類間距離最近的樣本合并，合并后重新計算類間距離，重復(fù)步驟直到將所有樣本歸為一類。定義類間距離有如下六種常見的方法：最短距離法、最長距離法、中間距離法、類平均法、重心法、離差平方和法(Ward法)。為了使聚類結(jié)果更加準(zhǔn)確，分別使用六種定義類間距離的方法建立系統(tǒng)聚類模型。

(3)確定系統(tǒng)聚類方法。使用plot函數(shù)繪制聚類樹圖，對比六種聚類方法的樹形聚類圖，根據(jù)類的大小的分布均勻性，直觀上看，最短距離法的聚類效果較差，Ward法的聚類效果較好，最終將系統(tǒng)聚類方法確定為Ward法。

2. 聚類個數(shù)初試

由于數(shù)據(jù)集過大，得出的聚類樹圖太密集，無法觀察判斷合適的閾值，同時考慮到系統(tǒng)聚類的特性(適用于小樣本)，故取前40條用戶記錄(樣本總數(shù)的1%)作為抽樣樣本，利用Ward法對用戶抽樣數(shù)據(jù)進行第二次系統(tǒng)聚類，繪制聚類樹圖(圖4)。樹形圖中縱軸為閾值，代表類間的距離，橫軸為用戶id，代表樣本所屬的類別，對應(yīng)不同的閾值，可得到不同的聚類結(jié)果。

取閾值為5，得到類間距離大于5的聚類結(jié)果，以類的大小、類間距離作為評價標(biāo)準(zhǔn)，評價聚類效果，考察不同聚類個數(shù)下，各類的大小的分布，計算標(biāo)準(zhǔn)差。根據(jù)表2的計算結(jié)果，結(jié)合類間距離，初步得出合適的聚類個數(shù)范圍在3-6之間。

利用Ward法重新對總體樣本進行系統(tǒng)聚類，分別得到分為3至6類的聚類結(jié)果，結(jié)果證明將用戶總體分為3至6類是比較合適的。

3. 聚類個數(shù)確定

根據(jù)兩次系統(tǒng)聚類結(jié)果，得出了合適的聚類個數(shù)的范圍，為了更好地確定聚類個數(shù)，進行第二次聚類個數(shù)嘗試。利用R語言中的NbClust包，繪制散點折線圖(圖5)，用于判斷聚類個數(shù)，其中橫軸代表聚類個數(shù)，縱軸代表組內(nèi)平方和(SSE)。

根據(jù)折線圖中組內(nèi)平方和減小的趨勢可知(表3)，曲線在聚類個數(shù)為3時第一次出現(xiàn)明顯的拐點，表明組內(nèi)平方和減小的趨勢變緩，綜合考慮系統(tǒng)聚類得到的聚類個數(shù)范圍，最終確定推薦的聚類個數(shù)為3。

表3　組內(nèi)平方和隨聚類個數(shù)k變化情況

4. 初始中心確定

將探索確定的聚類個數(shù)k傳遞給K-Means聚類，并對選取隨機初始中心的次數(shù)進行嘗試，確定初始中心。

在K-Means算法中，初始中心的選擇對用戶聚類結(jié)果具有很大影響。為了使用戶聚類的效果盡可能好，本次實驗利用R語言中的k-means函數(shù)，嘗試用不同的初始中心進行建模，觀察組內(nèi)平方和的變化情況。結(jié)果顯示，將隨機選取初始中心的次數(shù)設(shè)定為15進行K-Means聚類時，組內(nèi)平方和最小，聚類效果最好。

5. K-Means聚類

利用R語言中的k-means函數(shù)建模，將聚類個數(shù)k設(shè)定為3，隨機選取初始中心的次數(shù)nstart設(shè)定為15，對用戶樣本進行聚類，獲得最終的微博用戶細(xì)分結(jié)果(表4)。

經(jīng)過迂回二次聚類，最終將微博用戶樣本分為三類，各類的樣本數(shù)分別為697、1111、2112，由聚類結(jié)果可得到各類的中心。

表4　微博用戶細(xì)分結(jié)果

(四)微博用戶細(xì)分結(jié)果分析與精準(zhǔn)營銷建議

根據(jù)用戶聚類結(jié)果，計算三類用戶各項變量的算術(shù)平均值(表2)，結(jié)合用戶各項變量的取值范圍，分析得出各類用戶不同的屬性特征。可以發(fā)現(xiàn)，@戴爾中國的粉絲群體中男性居多，這與男性多偏愛電子產(chǎn)品相關(guān)；粉絲群主要分布在華東和華中地區(qū)，這可能與戴爾的市場重心有關(guān)；戴爾的粉絲用戶很大一部分為普通用戶，達人用戶所占比例較低，這也是戴爾在新浪微博營銷中需要關(guān)注的一點。

根據(jù)微博用戶細(xì)分結(jié)果，每類用戶群在活躍度、影響力各方面均存在較大不同。針對用戶細(xì)分群體特征，向@戴爾中國提出精準(zhǔn)的個性化營銷建議。

默默關(guān)注型。所占比例超過一半，且基本為男性，屬于@戴爾中國的堅實用戶基礎(chǔ)；用戶群的關(guān)注數(shù)大于粉絲數(shù)，發(fā)博數(shù)較少，導(dǎo)致粉絲數(shù)較少，此類用戶習(xí)慣接收信息，不善于主動創(chuàng)造信息。建議根據(jù)其標(biāo)簽、愛好、話題等信息，定期對其推送相關(guān)感興趣的信息，并適時邀請此類用戶參加舉辦的一些微博活動，提高用戶活躍度，增大影響力，爭取發(fā)展成為活躍用戶。

活躍女性型。唯一的女性占大比例的用戶細(xì)分群體，微博熱度最高，發(fā)博數(shù)較多，粉絲數(shù)與關(guān)注數(shù)居中，有較高的影響力和活躍度。女性作為消費的一大主力，對于企業(yè)來說有很大價值。建議適當(dāng)在微博內(nèi)容和微博活動中添加女性關(guān)注的內(nèi)容，并在產(chǎn)品設(shè)計中添加女性元素，增強女性用戶的忠實度，擴大女性用戶群體。

草根明星型。粉絲數(shù)與關(guān)注數(shù)均遠遠超過其他兩類，互粉率最高，發(fā)微博數(shù)遠高于其他兩類，普遍為等級較高的達人用戶；此類用戶屬于微博中的積極分子，在微博中影響力較大，屬于高質(zhì)用戶。建議主動與其進行互動，參與其發(fā)布的話題討論，通過其龐大的粉絲群，拓展自身的粉絲群；還可以通過其他途徑，如招納其進行校園代理、微博營銷代理等，增強企業(yè)微博的影響力。

三、結(jié)語

開展微博營銷的企業(yè)可以利用數(shù)據(jù)獲取技術(shù)和數(shù)據(jù)挖掘算法，對微博用戶信息進行聚類分析，從而實現(xiàn)微博用戶細(xì)分，并根據(jù)用戶細(xì)分結(jié)果，進行更有針對性的消息推送和互動，制定營銷策略，實現(xiàn)精準(zhǔn)營銷。本文運用數(shù)據(jù)挖掘工具中的聚類算法，對目標(biāo)企業(yè)@戴爾中國的微博粉絲實現(xiàn)了用戶細(xì)分。首先，運用API和網(wǎng)絡(luò)爬蟲技術(shù)，獲取@戴爾中國的粉絲列表及相關(guān)用戶信息。通過數(shù)據(jù)預(yù)處理，得到有效數(shù)據(jù)樣本。然后，對變量進行相關(guān)性分析，引入微博熱度、互粉率變量，確定了性別、地域、粉絲數(shù)、關(guān)注數(shù)、等級、認(rèn)證類型、互粉率、微博熱度等8項用戶細(xì)分變量?；谟鼗囟尉垲悾罱K將@戴爾中國的微博粉絲用戶劃分為草根明星型、活躍女性型和默默關(guān)注型三類。針對戴爾新浪微博粉絲用戶細(xì)分結(jié)果，提出了精準(zhǔn)營銷建議。

注釋：

[1] 郝 玫、王道平：《面向供應(yīng)鏈的產(chǎn)品評論中客戶關(guān)注特征》，《現(xiàn)代圖書情報技術(shù)》 2014年第4期。

[2] Cha M., Haddadi H., Benevenuto F., et al. ，MeasuringUserInfluenceinTwitter:TheMillionFollowerFallacy， Proceedings of the 4th International Conference on Weblogs and Social Media, 2010，pp.10-17.

[3] Kwak H., Lee C., Park H., et al.,WhatisTwitter,asocialnetworkoranewsmedia?,Proceedings of the 19th International Conference on World Wide Web, 2010,pp. 591-600.

[4] Shen Y., Li S., Ye X., et al. ,“Content mining and network analysis of microblog spam”，JournalofConvergenceInformationTechnology, vol.5,no.1(2010), pp. 135-140.

[5] Fischer E., Reuber A. R., “Social interaction via new social media: How can interactions on Twitter affect effectual thinking and behavior?”,JournalofBusinessVenturing, vol.26,no.1(2011),pp. 1-18.

[6] 王曉光:《 微博客用戶行為特征與關(guān)系特征實證分析——以 “新浪微博” 為例》，《圖書情報工作》 2010年第14期。

[7] 何 黎、 何 躍、 霍葉青：《微博用戶特征分析和核心用戶挖掘》，《情報理論與實踐》2011年第11期。

[8] 平 亮、 宗利永：《 基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例》，《 圖書情報知識》2011年第6期。

[9][11] 楊小朋、何 躍：《騰訊微博用戶的特征分析》，《情報雜志》2012年第3期。

[10] 原福永、馮 靜、符茜茜：《微博用戶的影響力指數(shù)模型》，《現(xiàn)代圖書情報技術(shù)》2012年第6期。

[12] Byrne D., Uprichard E.，Clusteranalysis，London: Sage, 2012.

[13] King R. S.，ClusterAnalysisandDataMining:AnIntroduction， Dulles: Mercury Learning & Information, 2014.

[14] 廉 捷、 周 欣、 曹 偉等:《新浪微博數(shù)據(jù)挖掘方案》，《清華大學(xué)學(xué)報》(自然科學(xué)版) 2011年第10期。

[責(zé)任編輯：黃艷林]

中圖分類號：TP393

文獻標(biāo)識碼：A

文章編號：1002-3321(2016)01-0042-07

作者簡介：陳可嘉， 男， 福建福州人， 福州大學(xué)經(jīng)濟與管理學(xué)院教授、 碩士生導(dǎo)師， 博士；

基金項目：國家自然科學(xué)基金項目(61179061)； 教育部新世紀(jì)優(yōu)秀人才支持計劃(NCET-11-0903)。

收稿日期：2015-10-05

羅曉莉， 女， 福建連城人， 福州大學(xué)經(jīng)濟與管理學(xué)院碩士研究生。