湯妙吉

(廣州南洋理工職業(yè)學(xué)院圖書館，廣東 廣州 510925)

·業(yè)務(wù)研究·

面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型設(shè)計(jì)

湯妙吉

(廣州南洋理工職業(yè)學(xué)院圖書館，廣東 廣州 510925)

總結(jié)國(guó)內(nèi)外圖書館移動(dòng)用戶行為的研究現(xiàn)狀，為面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型設(shè)計(jì)提供參考。采用理論研究與模型分析相結(jié)合的方法，從數(shù)據(jù)采集、數(shù)據(jù)處理與數(shù)據(jù)應(yīng)用三方面研究用戶行為動(dòng)作序列和用戶行為特征之間的關(guān)系。以前端操作行為與后端業(yè)務(wù)數(shù)據(jù)庫(kù)相結(jié)合的方式定義和表示圖書館移動(dòng)用戶在iOS App、Android App與Web頁(yè)面上與產(chǎn)品UI的隱形反饋行為，采集移動(dòng)用戶客戶端基礎(chǔ)信息字段、用戶行為相關(guān)字段、配置Flume 3個(gè)方面數(shù)據(jù)，引入時(shí)間維度、用戶維度、部門維度、資源維度、行為維度、入口渠道6個(gè)維度進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)層面的建模，從用戶行為序列預(yù)測(cè)與用戶興趣引導(dǎo)兩步實(shí)現(xiàn)數(shù)據(jù)應(yīng)用。

移動(dòng)圖書館；用戶行為；個(gè)性化；信息服務(wù)；模型設(shè)計(jì)

隨著移動(dòng)終端的快速發(fā)展，人們已不僅僅是通過(guò)坐在計(jì)算機(jī)前獲取圖書館信息，更能夠利用手機(jī)、平板電腦等移動(dòng)終端隨時(shí)隨地的訪問(wèn)數(shù)字圖書館，獲取其感興趣的資源，移動(dòng)技術(shù)在數(shù)字圖書館中的應(yīng)用為圖書館個(gè)性化服務(wù)帶來(lái)了一次新的發(fā)展機(jī)遇。目前移動(dòng)終端和普通計(jì)算機(jī)終端相比，在處理能力、處理方式以及操作形式上都有較大差別，移動(dòng)終端更偏向于輕量化的處理，其最終目的是為讀者提供更為快速、便捷、靈活的應(yīng)用效果。因此如何發(fā)揮移動(dòng)終端的特點(diǎn)，在此基礎(chǔ)上更好的為讀者提供個(gè)性化信息服務(wù)，是當(dāng)前需要解決的一個(gè)重要問(wèn)題。

1 國(guó)內(nèi)外研究現(xiàn)狀

1.1 國(guó)外研究現(xiàn)狀

隨著越來(lái)越多的圖書館整合數(shù)據(jù)庫(kù)、優(yōu)化信息化手段，圖書館能夠?yàn)樽x者提供越來(lái)越多快速便捷的信息服務(wù)。在圖書館為讀者提供諸多便捷服務(wù)的過(guò)程中，最引人注目的是圖書館給讀者提供的個(gè)性化信息服務(wù)。個(gè)性化信息服務(wù)是指根據(jù)用戶的特定需求有針對(duì)性的為用戶提供相應(yīng)的信息服務(wù)和知識(shí)服務(wù)[1]。圖書館推出個(gè)性化信息服務(wù)，在很大程度上節(jié)約了讀者的時(shí)間、提高了讀者獲取知識(shí)和信息的效率，受到了大量讀者和用戶的歡迎。

目前為讀者提供個(gè)性化信息服務(wù)的方式有多種，較具代表性的有3種：1)國(guó)外多家高校圖書館使用的Mygateway。Mygateway系統(tǒng)能夠保存讀者在訪問(wèn)圖書館各種數(shù)據(jù)庫(kù)時(shí)產(chǎn)生的訪問(wèn)路徑、訪問(wèn)頁(yè)面、訪問(wèn)專題等相關(guān)的信息，并將這些信息分門別類進(jìn)行處理，有針對(duì)性的為讀者推送一些新的、用戶可能感興趣的頁(yè)面或信息，提高讀者獲取其感興趣知識(shí)的效率。2)通過(guò)電子郵件的方式為讀者定時(shí)推送信息。這種服務(wù)方式需要讀者預(yù)先在圖書館相關(guān)的服務(wù)系統(tǒng)中登記信息，尤其是需要讀者主動(dòng)提交感興趣的專題、知識(shí)點(diǎn)和興趣。之后圖書館以此為依據(jù)，定期向讀者郵箱中推送相關(guān)的資訊。著名的INGENTA機(jī)構(gòu)就采用這種服務(wù)方式。3)利用圖書館信息服務(wù)系統(tǒng)功能記錄用戶長(zhǎng)期以來(lái)的訪問(wèn)過(guò)程、訪問(wèn)興趣和愛(ài)好。根據(jù)這些信息為每個(gè)讀者建立虛擬化的個(gè)性圖書館。比如瑞典計(jì)算機(jī)科學(xué)研究所就能夠?yàn)樵L問(wèn)該圖書館的研究者建立虛擬的個(gè)人圖書館，日本大多的高校圖書館也推出類似的虛擬化個(gè)人圖書館信息服務(wù)系統(tǒng)。

綜合近年來(lái)全球各國(guó)所推出的數(shù)字圖書館個(gè)性化服務(wù)的發(fā)展現(xiàn)狀和發(fā)展趨勢(shì)可以看到，在所有的這類應(yīng)用系統(tǒng)中，都是根據(jù)用戶或者讀者的喜好有針對(duì)性的為讀者推送相關(guān)的信息和知識(shí)，從而提高用戶獲取知識(shí)的效率。這種應(yīng)用模式經(jīng)過(guò)實(shí)踐證明能夠極大的提升讀者在圖書館的體驗(yàn)效果，成為圖書館提供信息服務(wù)的一個(gè)主要發(fā)展方向。

1.2 國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)在面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶研究中引入了對(duì)用戶行為的分析功能。如：宋文杰等人研究學(xué)生和工作人員這兩個(gè)群體在對(duì)待移動(dòng)圖書館這種新技術(shù)方面存在的差異，支持TAM模型中兩個(gè)核心變量(感知易用性和感知有用性)對(duì)使用移動(dòng)圖書館行為意向的影響[2]；明均仁等人結(jié)合移動(dòng)圖書館的特點(diǎn)，引入績(jī)效期望、努力期望、感知趣味性、感知風(fēng)險(xiǎn)、信息質(zhì)量、服務(wù)質(zhì)量、社會(huì)影響和促成因素8個(gè)變量，構(gòu)建基于UTAUT的高校學(xué)生使用移動(dòng)圖書館的技術(shù)采納模型[3]；吳丹等人以國(guó)內(nèi)某高校圖書館OPAC后臺(tái)日志為基礎(chǔ)，采用日志挖掘法對(duì)移動(dòng)端與桌面端的用戶后續(xù)點(diǎn)擊行為進(jìn)行統(tǒng)計(jì)分析[4]；梁欣指出目前國(guó)內(nèi)圖書館移動(dòng)服務(wù)模式存在著重實(shí)踐、輕用戶的現(xiàn)象，圖書館應(yīng)以用戶為中心來(lái)設(shè)計(jì)與優(yōu)化移動(dòng)服務(wù)模式[5]。

國(guó)內(nèi)圖書館移動(dòng)用戶行為分析的具體模型設(shè)計(jì)與實(shí)現(xiàn)主要表現(xiàn)為接入第三方或者圖書館自己開發(fā)。在數(shù)據(jù)分析這個(gè)模塊，目前國(guó)內(nèi)圖書館大多使用的是傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)服務(wù)或新興數(shù)據(jù)公司提供的第三方服務(wù)。以百度統(tǒng)計(jì)、Google Analysis為代表的傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)服務(wù)，前端嵌入SDK采集數(shù)據(jù)、后臺(tái)查看相應(yīng)統(tǒng)計(jì)數(shù)據(jù)的方式成為一些圖書館的首選。這種方式的缺點(diǎn)有4個(gè)：1)統(tǒng)計(jì)范圍只能是簡(jiǎn)單的訪問(wèn)量、點(diǎn)擊率與活躍數(shù)；2)各統(tǒng)計(jì)模塊之間的控制、調(diào)用、傳遞關(guān)系依賴性強(qiáng)；3)統(tǒng)計(jì)數(shù)據(jù)源不受圖書館控制；4) 無(wú)針對(duì)用戶需求的分析功能。而以神策、GrowingIO為代表的新興數(shù)據(jù)公司根據(jù)傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)服務(wù)缺點(diǎn)提出了相應(yīng)的解決方案，但需要不菲的接入或私有部署費(fèi)用，這筆費(fèi)用對(duì)于公益性質(zhì)的圖書館來(lái)說(shuō)過(guò)于昂貴，加上新型數(shù)據(jù)公司在業(yè)務(wù)上側(cè)重于電商領(lǐng)域的數(shù)據(jù)分析，對(duì)于圖書館行業(yè)的分析模式也處于探索階段，沒(méi)有成熟的模板可以利用。

為此本文重點(diǎn)針對(duì)圖書館移動(dòng)用戶行為，結(jié)合圖書館自身業(yè)務(wù)特點(diǎn)，設(shè)計(jì)圖書館移動(dòng)用戶分析模型，充分利用開源框架實(shí)現(xiàn)相應(yīng)功能，力圖通過(guò)對(duì)移動(dòng)用戶行為的分析，讓圖書館為讀者提供更好的個(gè)性化信息服務(wù)。

2 研究思路

以面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析為目的，以向用戶推送感興趣的內(nèi)容為服務(wù)最終目標(biāo)，在分析圖書館移動(dòng)用戶內(nèi)在特征和外在需求的行為上，采用理論研究與模型分析相結(jié)合的方法開展研究。

第一步，從圖書館移動(dòng)用戶行為的基本定義和表示方法入手，梳理清楚面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析過(guò)程中應(yīng)該如何對(duì)用戶行為進(jìn)行定義和描述，并給出表示用戶行為的基本數(shù)據(jù)結(jié)構(gòu)。

第二步，設(shè)計(jì)圖書館用戶行為分析模型。通過(guò)分析圖書館移動(dòng)用戶行為的特征與意圖，提高圖書館用戶行為分析模型理解用戶行為的準(zhǔn)確性，真正做到為用戶提供所需要的各種個(gè)性化信息推送服務(wù)。

第三步，針對(duì)不同的圖書館移動(dòng)用戶群體，分析其差異性與特征，研究圖書館移動(dòng)用戶行為分析模型動(dòng)態(tài)更新技術(shù)。讓所設(shè)計(jì)的用戶行為分析模型并不是一個(gè)簡(jiǎn)單的靜態(tài)應(yīng)用模型，而是能夠根據(jù)用戶群體的特征和差異動(dòng)態(tài)的進(jìn)行更新，使得用戶行為分析模型能夠針對(duì)不同的應(yīng)用場(chǎng)合、應(yīng)用對(duì)象展示出不一樣的分析能力。

第四步，將研究成果應(yīng)用到圖書館實(shí)際的參考咨詢服務(wù)中。讓讀者在使用圖書館移動(dòng)服務(wù)時(shí)能夠享受到圖書館自主提供的關(guān)聯(lián)數(shù)據(jù)和知識(shí)，提高圖書館信息構(gòu)建服務(wù)能力，提升讀者使用圖書館移動(dòng)服務(wù)的體驗(yàn)效果。

3 用戶行為基本定義和表示方法

圖書館用戶行為數(shù)據(jù)一般分為用戶打分、喜歡或不喜歡的顯性反饋行為與頁(yè)面瀏覽行為、消費(fèi)行為的隱性反饋行為。兩者的詳細(xì)比較如表1所示。

本文所研究的面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為主要指的是表現(xiàn)在iOS App、Android App與Web頁(yè)面上的用戶與產(chǎn)品UI的隱形反饋行為。這些隱形反饋行為伴隨著屬性數(shù)據(jù)在前端引起UI變化或者在后端產(chǎn)生服務(wù)通信，從計(jì)算機(jī)技術(shù)角度來(lái)說(shuō)就是負(fù)責(zé)從前端采集所需的完整用戶行為信息，從后端服務(wù)日志、業(yè)務(wù)數(shù)據(jù)庫(kù)中讀取相關(guān)數(shù)據(jù)，將兩部分?jǐn)?shù)據(jù)做整合用于后期的數(shù)據(jù)建模。

表1 顯性反饋行為與隱形反饋行為的比較

圖1所示是一次移動(dòng)圖書館的注冊(cè)流程。

圖1 移動(dòng)圖書館的注冊(cè)流程圖

從圖1中可以看出，如果僅僅依靠后端的數(shù)據(jù)庫(kù)只能知道在一定時(shí)間內(nèi)新增了多少新注冊(cè)移動(dòng)圖書館的用戶。而通過(guò)采集用戶在前端的操作行為，則可以分析出全部新增移動(dòng)圖書館用戶的5個(gè)數(shù)據(jù)：用戶瀏覽海報(bào)頁(yè)面的數(shù)據(jù)、點(diǎn)擊“注冊(cè)”跳轉(zhuǎn)注冊(cè)頁(yè)面的數(shù)據(jù)、點(diǎn)擊“獲取驗(yàn)證碼”的數(shù)據(jù)、點(diǎn)擊“提交”注冊(cè)信息的數(shù)據(jù)、后臺(tái)注冊(cè)成功的用戶數(shù)據(jù)。所以定義和表示圖書館移動(dòng)用戶行為，一定要前端操作行為與后端業(yè)務(wù)數(shù)據(jù)庫(kù)相結(jié)合，前端用戶行為數(shù)據(jù)用于分析轉(zhuǎn)化率，幫助后端業(yè)務(wù)數(shù)據(jù)庫(kù)挖掘出更多的有用信息，方便后臺(tái)產(chǎn)品業(yè)務(wù)做結(jié)合。

4 分析模型設(shè)計(jì)

在傳統(tǒng)圖書館各種應(yīng)用、服務(wù)、管理系統(tǒng)中，由于對(duì)用戶行為模型研究不充分，缺乏對(duì)用戶行為數(shù)據(jù)的深度挖掘，導(dǎo)致圖書館服務(wù)系統(tǒng)不能夠?yàn)樽x者提供高質(zhì)量個(gè)性化信息服務(wù)。所以在研究圖書館移動(dòng)用戶行為分析時(shí)，應(yīng)將研究重點(diǎn)放在移動(dòng)用戶行為的建模方法上。研究用戶行為動(dòng)作序列和用戶行為特征之間的關(guān)系，剔除用戶行為中的一些個(gè)性化信息的干擾，采用模型的表示形式，快速、準(zhǔn)確地將用戶行為動(dòng)作序列映射到用戶行為特征上，解決移動(dòng)用戶行為分析中的核心問(wèn)題。

面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型總體數(shù)據(jù)架構(gòu)分為數(shù)據(jù)采集、數(shù)據(jù)處理與數(shù)據(jù)應(yīng)用三大塊。如圖2所示，數(shù)據(jù)采集層負(fù)責(zé)從前端App、H5頁(yè)面、服務(wù)器日志采集數(shù)據(jù)，通過(guò)Kafka接入后存入Elasticsearch中，數(shù)據(jù)處理層負(fù)責(zé)數(shù)據(jù)的抽取、清洗、建模，然后存入MongoDB與MySQL中，整個(gè)過(guò)程由Airflow任務(wù)調(diào)度管理系統(tǒng)來(lái)進(jìn)行管理與監(jiān)控，產(chǎn)出的數(shù)據(jù)最終提供給應(yīng)用層使用。MySQL與MongoDB業(yè)務(wù)數(shù)據(jù)在數(shù)據(jù)采集層仍是重要的數(shù)據(jù)源，同時(shí)考慮到圖書館數(shù)據(jù)增長(zhǎng)相對(duì)于電商數(shù)據(jù)很緩慢且沒(méi)有很明顯的需求，整個(gè)過(guò)程暫時(shí)擱置Hadoop。

4.1 數(shù)據(jù)采集

主要采集圖書館移動(dòng)用戶客戶端的數(shù)據(jù)。由于圖書館各種移動(dòng)端應(yīng)用并不全是圖書館負(fù)責(zé)開發(fā)，所以這部分工作由移動(dòng)系統(tǒng)各團(tuán)隊(duì)負(fù)責(zé)采集并將采集到的數(shù)據(jù)寫入kafka，圖書館這邊以kafka作為source，通過(guò)flume直接將采集到的數(shù)據(jù)以天為單位sink至hdfs中。相關(guān)采集的字段如下：

1)移動(dòng)用戶客戶端基礎(chǔ)信息字段。可分為26個(gè)字段，詳見(jiàn)表2。

圖2 圖書館移動(dòng)用戶行為分析模型總體數(shù)據(jù)架構(gòu)

字段名中文名稱可取值字段名中文名稱可取值opt_system_type操作系統(tǒng)類型android、ios、windowsuser_account用戶賬號(hào)opt_system_version操作系統(tǒng)版本ios_10.0、android_5.0user_dept用戶部門location_gps_long地理經(jīng)度位置user_post用戶職位location_gps_lat地理緯度位置user_role用戶角色network_type網(wǎng)絡(luò)類型WIFI、3G、4G、2Gdevice_brand設(shè)備品牌network_operator網(wǎng)絡(luò)運(yùn)營(yíng)商名中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信、中國(guó)網(wǎng)通、中國(guó)鐵通、阿里通信、京東通信action_type動(dòng)作類型login(登陸)、logout(登出)、startup(啟動(dòng))、install(安裝),background(切換到后臺(tái))device_type設(shè)備機(jī)型device_imei設(shè)備IMEIaction_result動(dòng)作結(jié)果成功、失敗device_resolution設(shè)備分辨率action_erro動(dòng)作錯(cuò)誤action_create_time動(dòng)作時(shí)間毫秒時(shí)間戳app_nameApp名稱app_key應(yīng)用鍵值install_way安裝途徑校園局域網(wǎng)、分享二維碼、appstore、應(yīng)用寶、小米應(yīng)用市場(chǎng)、華為應(yīng)用商店extra_data其他參數(shù)啟動(dòng)時(shí)候上報(bào)上次使用時(shí)長(zhǎng)(毫秒)app_versionApp版本user_dept_number部門編號(hào)user_name用戶名ip_addressip地址

2)移動(dòng)客戶端用戶行為相關(guān)字段?？煞譃?3個(gè)字段，詳見(jiàn)表3。

3)配置Flume。Flume是一個(gè)分布式、可靠和高可用的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，同時(shí)提供對(duì)數(shù)據(jù)的簡(jiǎn)單處理，并寫到各種數(shù)據(jù)接受方(比如文本、hdfs、hbase等)的能力[6]。在本模型設(shè)計(jì)中，需要在base action topic和user action topic中分別配置sources、sinks和#channels，即被監(jiān)聽的源目錄、目的目錄和通道目錄的配置，把文件事件持久化到本地硬盤上，然后在hdfs上相關(guān)目錄形成以天為分區(qū)、小時(shí)為單位的的日志文件。至此，數(shù)據(jù)采集的工作告一段落。

4.2 數(shù)據(jù)處理

面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型的數(shù)據(jù)處理，主要指業(yè)務(wù)數(shù)據(jù)倉(cāng)庫(kù)層面的建模。首先根據(jù)圖書館需求擬定出符合業(yè)務(wù)發(fā)展的數(shù)據(jù)模型，然后根據(jù)該數(shù)據(jù)模型的表示方式從MySQL、MongoDB中的業(yè)務(wù)數(shù)據(jù)和Elasticsearch中的用戶行為、日志數(shù)據(jù)中提取數(shù)據(jù)進(jìn)行篩選，通過(guò)ETL過(guò)程編寫Python腳本完成分析功能，由Airflow負(fù)責(zé)任務(wù)處理和存儲(chǔ)，最后將形成的數(shù)據(jù)存入MySQL中，建立能應(yīng)用于深度分析、供數(shù)據(jù)應(yīng)用層使用的多維數(shù)據(jù)模型。作為集中存儲(chǔ)數(shù)據(jù)的中間平臺(tái)，數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)重點(diǎn)在于數(shù)據(jù)建模與ETL過(guò)程，并不生產(chǎn)和消費(fèi)數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)建設(shè)方案如圖3所示。

表3 移動(dòng)用戶客戶端用戶行為采集字段

圖3 數(shù)據(jù)倉(cāng)庫(kù)建設(shè)方案

面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型采用維度建模法。維度建模法是Kimball最先提出的概念，將數(shù)據(jù)抽象為事實(shí)表與維度表兩種，而根據(jù)二者之間的關(guān)系將整體的模型劃分為星型模型與雪花模型兩種[7]。用維度建模法來(lái)建模的優(yōu)勢(shì)在于可以按照不同維度預(yù)處理數(shù)據(jù)，提高數(shù)據(jù)分析時(shí)的效率。比如根據(jù)時(shí)間維度預(yù)處理統(tǒng)計(jì)與分類。

結(jié)合圖書館具體業(yè)務(wù)，本系統(tǒng)引入6個(gè)維度：時(shí)間維度、用戶維度、部門維度、資源維度、行為維度、入口渠道；數(shù)據(jù)指標(biāo)上，主要有點(diǎn)擊總?cè)藬?shù)、點(diǎn)擊次數(shù)、注冊(cè)人數(shù)、拒絕人數(shù)，每個(gè)指標(biāo)分別有增量值和總量值兩種；數(shù)據(jù)粒度上，時(shí)間維度細(xì)分到以小時(shí)為單位，部門維度細(xì)分到讀者專業(yè)。圖4為相應(yīng)的星型模型。

從圖4可以看出，圖書館移動(dòng)用戶行為分析模型只建立了tb_dim_time時(shí)間維度、tb_dim_user用戶維度、tb_dim_resources資源維度、tb_dim_action行為維度四張維度表，部門維度和入口維度以字符串的形式放到tb_fact_lib_usage事實(shí)表中，這是為了避免重復(fù)查詢，提高分析效率。在用戶維度、資源維度、行為維度3張表中設(shè)立與圖書館業(yè)務(wù)數(shù)據(jù)庫(kù)中相應(yīng)數(shù)據(jù)id鏈接的prod_xxxx_id字段，方便與業(yè)務(wù)數(shù)據(jù)庫(kù)中的信息進(jìn)行同步。當(dāng)業(yè)務(wù)數(shù)據(jù)庫(kù)中的相關(guān)信息發(fā)生變化時(shí)，通過(guò)ET更新數(shù)據(jù)倉(cāng)庫(kù)信息[8]。ETL過(guò)程則采用編寫Python腳本、引入增量更新機(jī)制與Airflow任務(wù)流管理來(lái)實(shí)現(xiàn)。

4.3 數(shù)據(jù)應(yīng)用

圖書館對(duì)移動(dòng)用戶行為進(jìn)行建模和分析，最終是為了引導(dǎo)讀者能夠更好的利用圖書館中的各種資源，開展學(xué)習(xí)和研究活動(dòng)，充分發(fā)揮圖書館中館藏資源的價(jià)值。因此在研究和設(shè)計(jì)移動(dòng)用戶行為分析模型和應(yīng)用技術(shù)之后，結(jié)合圖書館對(duì)用戶行為分析的結(jié)果，設(shè)計(jì)有針對(duì)性的讀者引導(dǎo)模型和機(jī)制，可以使圖書館能夠主動(dòng)的為移動(dòng)用戶群體提供高質(zhì)量的信息和知識(shí)服務(wù)。

在設(shè)計(jì)用戶行為引導(dǎo)機(jī)制時(shí)需要考慮的不僅僅是用戶操作界面設(shè)計(jì)的信息構(gòu)建問(wèn)題[9]，還需要將之前分析的用戶行為特征進(jìn)行逆向預(yù)測(cè)。根據(jù)用戶已有的用戶行為序列分析出用戶行為特征，然后再以此特征為依據(jù)預(yù)測(cè)出用戶下一步可能感興趣的行為序列[10]。由用戶行為特征預(yù)測(cè)用戶行為序列是對(duì)用戶行為分析模型的數(shù)據(jù)應(yīng)用。預(yù)測(cè)到的用戶行為序列可以為用戶的下一步行為引導(dǎo)做鋪墊。最后對(duì)用戶潛在的行為動(dòng)作序列進(jìn)行優(yōu)化設(shè)計(jì)，提高每個(gè)操作步驟對(duì)用戶的吸引力。

圖4 圖書館移動(dòng)用戶行為分析模型

用戶行為引導(dǎo)可分用戶行為序列預(yù)測(cè)與用戶興趣引導(dǎo)兩步實(shí)現(xiàn)。首先，通過(guò)分析用戶行為，抽象描述用戶的行為特征，對(duì)抽象的用戶行為特征反向表述出用戶行為的基本步驟，將用戶行為的表示形式與用戶行為特征建立對(duì)應(yīng)關(guān)系，然后在進(jìn)行用戶興趣引導(dǎo)時(shí)對(duì)每個(gè)步驟的用戶行為進(jìn)行專門設(shè)計(jì)，開發(fā)出友好的界面和操作流程吸引用戶眼球，使用戶有興趣沿著預(yù)先設(shè)計(jì)的行為步驟逐步操作下去，將圖書館移動(dòng)用戶行為分析模型的數(shù)據(jù)應(yīng)用朝圖書館希望的方向發(fā)展。

5 結(jié) 論

建立面向個(gè)性化信息服務(wù)的圖書館移動(dòng)用戶行為分析模型，能夠讓圖書館更好的發(fā)現(xiàn)移動(dòng)用戶行為的特征以及需求[11]，為圖書館給這些讀者提供更高質(zhì)量的知識(shí)和信息服務(wù)奠定基礎(chǔ)，也將進(jìn)一步調(diào)動(dòng)讀者訪問(wèn)圖書館的興趣和積極性，讓圖書館能夠在有限的時(shí)間和空間上抓住讀者的需求，將讀者吸引到圖書館中開展更深入的學(xué)習(xí)和研究。

[1]陳鶴陽(yáng).國(guó)內(nèi)外移動(dòng)圖書館用戶行為研究綜述[J].圖書情報(bào)工作,2016,60(22):135-144.

[2]宋文杰,朱學(xué)芳.基于TAM模型的移動(dòng)圖書館用戶行為意愿研究[J].圖書館學(xué)研究,2015,(11):71-77,60.

[3]明均仁,張俊,楊艷妮,等.基于UTAUT的移動(dòng)圖書館用戶行為模型及實(shí)證研究[J].圖書館論壇,2016,(11):1-9.

[4]吳丹,金鑫,王林琳.移動(dòng)圖書館與非移動(dòng)圖書館用戶后續(xù)點(diǎn)擊行為比較分析[J].圖書情報(bào)工作,2016,60(18):27-34.

[5]梁欣.圖書館移動(dòng)服務(wù)模式優(yōu)化研究——基于用戶信息行為的視角[J].現(xiàn)代情報(bào),2012,32(9):75-79.

[6]楊海鋒.用戶移動(dòng)搜索行為研究綜述[J].情報(bào)理論與實(shí)踐,2017,40(4):138-144.

[7]陳亞睿,田立勤,楊揚(yáng).云計(jì)算環(huán)境下動(dòng)態(tài)用戶行為認(rèn)證的機(jī)制、模型與分析[J].系統(tǒng)仿真學(xué)報(bào),2011,23(11):2302-2307.

[8]黃傳慧,萬(wàn)力勇.高校學(xué)術(shù)用戶移動(dòng)學(xué)習(xí)信息查詢行為影響因素分析[J].現(xiàn)代情報(bào),2017,37(3):52-56.

[9]湯妙吉.信息構(gòu)建研究進(jìn)展[J].情報(bào)資料工作,2015,(1):58-64.

[10]劉錦宏,余思慧,徐麗芳.移動(dòng)數(shù)字圖書館用戶行為模型構(gòu)建研究[J].大學(xué)圖書館學(xué)報(bào),2015,(5):93-98.

[11]湯妙吉.圖書館智能化專業(yè)學(xué)科服務(wù)平臺(tái)建設(shè)[J].現(xiàn)代情報(bào),2016,36(6):100-102,107.

DesigningtheAnalysisModelofLibraryMobileUserBehaviortoFacilitatePersonalizedInformationService

Tang Miaoji

(Library,Guangzhou Nanyang College,Guangzhou 510925,China)

The current research status on library mobile user behavior at home and abroad was summarized in this paper to provide a reference for designing the analysis model of library mobile user behavior to facilitate personalized information service.With theoretical research and model analysis combined,the relationship between the action sequence of user behavior and the characteristics of user behavior was studied in three aspects,i.e.,data collection,data processing and data application.Front-end operation behavior and back-end business database were combined to define and denote library mobile users’ invisible feedback of product UI on iOS App,Android App and Web.Three types of data,namely,the basic information field of mobile user client,fields related to user behavior and Flume were collected,and six dimensions including time,user,department,resource,behavior and entrance channel were introduced to set a DW-based model to finally realize data application by two steps—user behavior sequence prediction and user interest guiding.

mobile library;user behavior;personalise;information service;model design

10.3969/j.issn.1008-0821.2018.01.017

G250.7

A

1008-0821(2018)01-0121-06

2017-06-26

2016年廣州市科技創(chuàng)新委員會(huì)軟科學(xué)項(xiàng)目“從化高校-企業(yè)-農(nóng)村地方區(qū)域信息服務(wù)”(項(xiàng)目編號(hào)201609010073)；2016年廣州市科協(xié)項(xiàng)目“‘云’閱讀與移動(dòng)圖書館技術(shù)的宣傳及推廣”(項(xiàng)目編號(hào)K20160603)。

湯妙吉(1980-)，女，館長(zhǎng)，副研究館員，研究方向：校地信息資源共享、移動(dòng)圖書館。

孫國(guó)雷)