謝發(fā)徽

0 引言

占座現(xiàn)象一直是高校圖書(shū)館非常普遍而又難以根治的問(wèn)題。為緩解占座問(wèn)題并有效提高座位資源的利用率，圖書(shū)館通常采用自行開(kāi)發(fā)管理系統(tǒng)或引入第三方管理系統(tǒng)進(jìn)行有限座位的日常管理。兩種方式都能實(shí)現(xiàn)座位的預(yù)約、自動(dòng)激活、自助暫離和釋放等基本功能，不僅規(guī)范了讀者的座位使用行為，而且提升了座位的利用率。然而，系統(tǒng)實(shí)施一段時(shí)間后也產(chǎn)生一些問(wèn)題，如讀者個(gè)性化座位需求得不到滿足、高峰期一座難求、低峰期選座操作可有可無(wú)和座位使用時(shí)長(zhǎng)設(shè)置不合理等較為精細(xì)化的服務(wù)難題。每位讀者是否都迫切需要座位？如何避免高峰期選座的排隊(duì)擁擠？讀者的使用行為是否與其專業(yè)和年級(jí)等屬性有關(guān)？面對(duì)上述座位管理實(shí)踐出現(xiàn)的新問(wèn)題和讀者日益強(qiáng)烈的個(gè)性化座位服務(wù)需求，借助數(shù)據(jù)挖掘方法分析讀者的使用行為，把握選座的讀者群結(jié)構(gòu)和個(gè)性化需求應(yīng)運(yùn)而生。圖書(shū)館也迫切需要利用這些行為的分析結(jié)果來(lái)輔助業(yè)務(wù)決策，改善和提升圖書(shū)館的管理服務(wù)水平。鑒于此，本研究以高校圖書(shū)館座位管理系統(tǒng)中的讀者行為數(shù)據(jù)為基礎(chǔ)，嘗試宏觀上通過(guò)帕累托定律識(shí)別讀者使用座位資源的分布特征，微觀上利用聚類分析把握讀者的群體分布結(jié)構(gòu)和每個(gè)群體之間的差異，探討對(duì)于異質(zhì)群體如何提供個(gè)性化和差異化的服務(wù)策略，提升讀者在座位資源上的用戶體驗(yàn)，從而實(shí)現(xiàn)座位資源的最大化利用。

1 研究基礎(chǔ)

1.1 圖書(shū)館座位管理研究現(xiàn)狀

目前關(guān)于座位管理系統(tǒng)的研究主要集中于國(guó)內(nèi)的高校圖書(shū)館，國(guó)外相對(duì)較少，主要可分為：(1)優(yōu)化座位的資源配置管理模式。譚丹丹等[1]提出完善和優(yōu)化閱覽座位管理模式；陳鷹[2]提出通過(guò)環(huán)境優(yōu)化、改善座位配置等方式；北京郵電大學(xué)對(duì)座位實(shí)施隨機(jī)派號(hào)模式；深圳大學(xué)圖書(shū)館推出“簽發(fā)座位條”模式；童麗琴等[3]提出閱覽室“實(shí)名制”管理。(2)自主研發(fā)座位管理系統(tǒng)。部分高校圖書(shū)館結(jié)合業(yè)務(wù)需求和研發(fā)技術(shù)力量從信息化輔助座位管理提出解決方案，但未形成較為系統(tǒng)和規(guī)?；难芯俊１容^典型的解決方案有單片機(jī)識(shí)別座位狀態(tài)[4]、與門(mén)禁聯(lián)動(dòng)[5-6]、指紋識(shí)別選座[7]、C/S軟硬件應(yīng)用系統(tǒng)[8-9]和基于二維碼開(kāi)發(fā)的“反占座神器”[10]。(3)引進(jìn)成熟的第三方管理系統(tǒng)。2011年以來(lái)，廈門(mén)大學(xué)、山東大學(xué)、北京師范大學(xué)和中國(guó)人民大學(xué)等高校圖書(shū)館陸續(xù)引進(jìn)產(chǎn)品化的座位管理系統(tǒng)，經(jīng)歷試用磨合、經(jīng)驗(yàn)積累和產(chǎn)品優(yōu)化等一系列實(shí)施過(guò)程，有效提高了座位的使用率，也在實(shí)踐中探索和積累座位管理中所出現(xiàn)的諸多問(wèn)題及其解決方案。相應(yīng)的用戶使用行為研究有：郝亞楠等[11]全面分析了引入座位管理系統(tǒng)的利與弊，提出應(yīng)完善閱覽區(qū)的功能劃分、門(mén)禁聯(lián)動(dòng)激活預(yù)約和讀者教育引導(dǎo)等問(wèn)題及對(duì)策；吳開(kāi)明等[12]從博弈論納什均衡展開(kāi)讀者占座博弈分析，提出實(shí)現(xiàn)“微信計(jì)時(shí)法”作為解決占座問(wèn)題的有效補(bǔ)充措施。

1.2 帕累托定律

帕累托定律也稱最省力的法則、不平衡原則和二八定律，由意大利經(jīng)濟(jì)學(xué)家帕累托在經(jīng)濟(jì)學(xué)領(lǐng)域的調(diào)查取樣中總結(jié)得出，即“80%的收入來(lái)自于20%的客戶”。它體現(xiàn)了投入與產(chǎn)出之間的不對(duì)稱關(guān)系，這種在取得最佳管理績(jī)效的同時(shí)減少資源投入的定量分析方法在圖書(shū)館理論與實(shí)踐領(lǐng)域得到了廣泛的應(yīng)用研究。王瑋[13]和王君學(xué)[14]將帕累托定律與阮岡納贊的五定律相結(jié)合，討論帕累托在圖書(shū)館資源建設(shè)與服務(wù)管理中的實(shí)踐意義。楊秀敏[15]探究了帕累托在讀者服務(wù)工作的指導(dǎo)策略，促使圖書(shū)館以低成本投入獲得高產(chǎn)出效益。黃艷芬[16]基于帕累托原則提出了館藏圖書(shū)建設(shè)、文獻(xiàn)信息資源共享和資源優(yōu)化配置的建議。曲皎[17]等從高?？蒲懈?jìng)爭(zhēng)力的視角采用數(shù)據(jù)包絡(luò)分析法對(duì)高校圖書(shū)館的技術(shù)效率進(jìn)行帕累托最優(yōu)分析。劉立云等[18]從機(jī)制設(shè)計(jì)角度出發(fā)，通過(guò)帕累托定律探究如何調(diào)整圖書(shū)館座位資源與讀者之間的供需關(guān)系。

1.3 K-Means聚類分析

K-Means聚類算法常用于對(duì)大規(guī)模的用戶數(shù)據(jù)進(jìn)行聚類分析。K-Means聚類算法速度快、簡(jiǎn)單，效率高、可伸縮性強(qiáng)[19]。宋楚平等[20]應(yīng)用K-Means對(duì)圖書(shū)借閱數(shù)據(jù)進(jìn)行挖掘，識(shí)別借閱圖書(shū)不同興趣愛(ài)好的讀者群體。李萍[21]通過(guò)使用Hadoop計(jì)算平臺(tái)，運(yùn)用K-means算法中的數(shù)據(jù)挖掘技術(shù)，開(kāi)展圖書(shū)館個(gè)性化服務(wù)。鞠秀芳等[22]將K-means聚類算法用于檢驗(yàn)期刊排名因子的有效性。孫敏杰[23]采用K-Means聚類算法識(shí)別用戶行為模式，依此劃分用戶群體類型，創(chuàng)建機(jī)構(gòu)倉(cāng)儲(chǔ)系統(tǒng)的人物角色-行為特征矩陣量化模型。實(shí)踐證明應(yīng)用K-means聚類算法識(shí)別圖書(shū)館業(yè)務(wù)系統(tǒng)中的用戶行為特征效果顯著。

2 研究設(shè)計(jì)

2.1 研究思路設(shè)計(jì)

根據(jù)帕累托定律和聚類分析的實(shí)證方法需要，本研究采取網(wǎng)絡(luò)問(wèn)卷方式確立宏觀和微觀分析所需要的用戶行為變量，而后根據(jù)確立的變量從座位管理系統(tǒng)的后臺(tái)數(shù)據(jù)庫(kù)獲取相關(guān)字段值，K-means聚類分析的變量因子則通過(guò)聚類預(yù)分析和判別分析法遴選出適宜的群體分類方案。再針對(duì)每個(gè)細(xì)分群體結(jié)合讀者的學(xué)科專業(yè)、年級(jí)、訪問(wèn)時(shí)段和訪問(wèn)頻率等屬性提出其群體特征和相應(yīng)的座位管理服務(wù)改進(jìn)策略，最后通過(guò)聚類和對(duì)比分析跟蹤實(shí)施服務(wù)改進(jìn)措施后帶來(lái)的讀者行為變化，從而進(jìn)一步論證和改進(jìn)讀者細(xì)分結(jié)果的實(shí)際適配度。綜上，高校圖書(shū)館座位管理系統(tǒng)讀者行為分析的具體思路如圖1所示。

圖1 高校圖書(shū)館座位管理系統(tǒng)讀者行為研究思路

2.2 行為變量設(shè)計(jì)與獲取

基于座位管理系統(tǒng)的數(shù)據(jù)庫(kù)字典定義，擬定將讀者自然屬性和選座行為特征等兩個(gè)屬性類別組成實(shí)證變量。自然屬性也稱人口統(tǒng)計(jì)屬性，包含讀者證號(hào)、性別、年級(jí)和專業(yè)等；讀者行為屬性包含選座次數(shù)、使用時(shí)長(zhǎng)、常用時(shí)段、常用時(shí)段次數(shù)、常用月份、常用月份次數(shù)等。為達(dá)到變量的有效性，筆者通過(guò)網(wǎng)絡(luò)問(wèn)卷調(diào)查向座位管理系統(tǒng)的利益相關(guān)者和管理者進(jìn)行調(diào)研，涵蓋選座頻率較高的學(xué)生、教師、座位巡查志愿者和圖書(shū)館館員等類型讀者，問(wèn)卷中要求受訪者對(duì)以上變量進(jìn)行重要性排序，可以選擇備選變量替換其他變量。收集到的變量通過(guò)SPSS軟件匯總整理。至2016年9月，共收到問(wèn)卷調(diào)查320份，有效問(wèn)卷295份。最終確定的實(shí)證變量見(jiàn)表1。根據(jù)統(tǒng)計(jì)結(jié)果和問(wèn)卷調(diào)研增加變量的建議，讀者行為屬性增加“選座方式”“預(yù)約次數(shù)”字段，這兩個(gè)字段顯示了讀者在座位使用行為上的自助程度及對(duì)座位資源的需求強(qiáng)烈程度，能反映讀者在座位使用中的行為差異。

3 實(shí)證分析

3.1 數(shù)據(jù)獲取及樣本基本特征

本研究以筆者所在圖書(shū)館的座位管理系統(tǒng)為實(shí)證對(duì)象。系統(tǒng)自2013年部署與實(shí)施以來(lái)，為讀者提供1600個(gè)座位，支持讀者通過(guò)網(wǎng)上自助預(yù)約、圖書(shū)館微信公眾號(hào)預(yù)約和APP預(yù)約等三種方式，讀者入館時(shí)通過(guò)刷卡門(mén)禁系統(tǒng)自動(dòng)激活座位。每個(gè)座位可提供從上午8時(shí)到晚上22時(shí)的使用時(shí)限，以1小時(shí)為最小時(shí)長(zhǎng)單位，讀者可根據(jù)自己的使用需求進(jìn)行預(yù)約和現(xiàn)場(chǎng)刷卡選座。同時(shí)引入失約懲罰機(jī)制，2次連續(xù)失約、7天內(nèi)失約3次和7天內(nèi)提前離場(chǎng)未返回3次均被列入黑名單7天。系統(tǒng)運(yùn)行3年多來(lái)，有效緩解了占座現(xiàn)象，座位利用率得到顯著提高。

表1 高校座位管理系統(tǒng)讀者行為分析變量

為有效跟蹤讀者在座位管理系統(tǒng)的行為變化，基于讀者細(xì)分即“一個(gè)讀者不能同時(shí)屬于兩個(gè)細(xì)分群體”的前提條件，且考慮到單個(gè)讀者在不同學(xué)年的選座行為會(huì)伴隨著系統(tǒng)熟練程度、學(xué)習(xí)需求和學(xué)年安排等因素發(fā)生變化，故此結(jié)合前述的研究思路，數(shù)據(jù)獲取分為兩個(gè)部分：第一部分選取2015-2016學(xué)年(即2015年9月至2016年7月)的讀者選座行為數(shù)據(jù)作為聚類分析的樣本數(shù)據(jù)；第二部分選取2016-2017學(xué)年(即2016年9月至2017年7月)的讀者選座行為數(shù)據(jù)對(duì)聚類的細(xì)分結(jié)果進(jìn)行對(duì)比跟蹤分析。

根據(jù)表1確立的行為變量表，第一部分?jǐn)?shù)據(jù)獲取方法如下：通過(guò)MySQL工具從座位管理系統(tǒng)后臺(tái)獲取讀者的借書(shū)證號(hào)、性別、年級(jí)和專業(yè)等人口統(tǒng)計(jì)特征數(shù)據(jù)組成“讀者信息表”；然后以“讀者ID”為主關(guān)鍵字，實(shí)證選座時(shí)間限定為2015年9月至2016年7月，依次累加統(tǒng)計(jì)每位讀者的“選座次數(shù)”“使用時(shí)長(zhǎng)”和“預(yù)約次數(shù)”，建立“讀者選座行為特征表”。之后，通過(guò)SPSS軟件進(jìn)行表合并操作，共獲得有效數(shù)據(jù)17977條。為保證數(shù)據(jù)分析的有效性，對(duì)獲取的所有數(shù)據(jù)進(jìn)行缺失值分析、重復(fù)值記錄刪除和異常值分析處理等操作，最后獲得有效的讀者選座行為數(shù)據(jù)為17845條。據(jù)此方法對(duì)第二部分即2016年9月至2017年7月數(shù)據(jù)進(jìn)行清理，共獲得有效的讀者選座行為數(shù)據(jù)17252條。

對(duì)獲得的第一部分?jǐn)?shù)據(jù)，按照人口統(tǒng)計(jì)特征進(jìn)行描述性分析，本科生、研究生和教師的比例分別為95.6%、3.3%和1.1%，而本科生中大三、大四選座的人數(shù)比例分別為27.1%和29.4%，高年級(jí)入館選座比例較高。專業(yè)方面，文科專業(yè)和理科專業(yè)比例適中，各占比為49.4%和48.3%，藝術(shù)類為2.3%。選座方式的比例中，全年到館現(xiàn)場(chǎng)預(yù)約79.4%，通過(guò)APP和微信公眾號(hào)預(yù)約為20.6%。

3.2 帕累托分析

座位管理系統(tǒng)的帕累托分析立足通過(guò)定量分析的方式獲取圖書(shū)館座位資源被利用的情況，從而全面把握座位資源的使用效率和圖書(shū)館讀者的大部分需求。使用時(shí)段是座位資源最核心的屬性，座位資源的分配本質(zhì)就是以最均衡和高效的方式將座位的單位使用時(shí)間提供給每位讀者。故此，“常用時(shí)段”和“常用月份”兩個(gè)行為屬性最能反映座位資源的利用率，讀者每天對(duì)于當(dāng)日座位資源的總體需求可通過(guò)“選座次數(shù)”字段值的高低體現(xiàn)需求的強(qiáng)烈程度。借助SPSS軟件的累積效應(yīng)分析，獲取的讀者行為結(jié)果如圖2所示。

按照帕累托定律的累積效應(yīng)分析，“常用時(shí)段”基本符合二八定律，“常用月份”傾向于四六法則。從圖2(a)可以看出，每日選座時(shí)段80%集中于8時(shí)、18時(shí)、9時(shí)和19時(shí)等4個(gè)時(shí)段。對(duì)時(shí)段的使用時(shí)長(zhǎng)進(jìn)行累加，以圖書(shū)館2015年開(kāi)放290天為基數(shù)，平均每個(gè)座位使用時(shí)長(zhǎng)為4小時(shí)。從圖2(b)可以發(fā)現(xiàn)，80%讀者入館集中在12月、6月、11月、7月和10月。直觀來(lái)看，這幾個(gè)月份的密集選座均跟期末復(fù)習(xí)迎考、圖書(shū)館空調(diào)環(huán)境和復(fù)習(xí)氛圍等因素密切相關(guān)。

圖2 高校圖書(shū)館座位管理系統(tǒng)的總體行為特征分析

從上述基于讀者選座行為字段的帕累托分析來(lái)看，“常用月份”“常用時(shí)段”基本符合帕累托定律。因此，針對(duì)每日的高頻率選座時(shí)段，高校圖書(shū)館可以多投入館員、學(xué)生志愿者以及讀者服務(wù)中心成員等參與督導(dǎo)，引導(dǎo)讀者的選座行為形成規(guī)范并自助化。而每年的高峰期月份，頻繁通過(guò)APP和微信選座的讀者提前預(yù)約量激增，此時(shí)圖書(shū)館可加強(qiáng)后臺(tái)技術(shù)服務(wù)保障，在自助化選座的各個(gè)系統(tǒng)環(huán)節(jié)和業(yè)務(wù)聯(lián)動(dòng)上充分給予保障，以確保座位管理系統(tǒng)的可靠性和易用性。從宏觀視角看，圖書(shū)館“一座難求”的現(xiàn)象集中于每年高頻月份(6月、7月、11月和12月)，每日入館選座高峰期集中于上午(8時(shí)、9時(shí))和晚上(18時(shí)、19時(shí))，圖書(shū)館有限的座位資源與讀者無(wú)限的選座需求之間矛盾將長(zhǎng)期共存，高校圖書(shū)館應(yīng)及時(shí)做好高峰期選座告知、讀者分流和讀者群體細(xì)分，這對(duì)于提高讀者使用座位資源的滿意度大有裨益。

3.3 聚類分析

3.3.1 K-Means聚類

本節(jié)對(duì)第一部分?jǐn)?shù)據(jù)即2015-2016學(xué)年的讀者選座行為數(shù)據(jù)進(jìn)行聚類分析。從3.1節(jié)中得知，獲得的有效讀者選座行為數(shù)據(jù)為17845位讀者數(shù)據(jù)。根據(jù)“組內(nèi)行為特點(diǎn)相似、組間行為差異大”的聚類規(guī)則對(duì)選座的讀者群體展開(kāi)細(xì)分。聚類結(jié)果產(chǎn)生的各個(gè)差異群體可以為圖書(shū)館管理者提供較為清晰的細(xì)分群體特征。為此，以表1確立的“基礎(chǔ)數(shù)據(jù)表”字段為分析對(duì)象，選取與選座行為屬性相關(guān)的為聚類字段，剔除“常用時(shí)段”“常用月份”“選座方式”等不能等級(jí)排序的靜態(tài)屬性，采用K-Means聚類算法對(duì)以上字段聚類，由于聚類的變量存在量綱不一致且差異較大，因此對(duì)聚類變量采用量綱標(biāo)準(zhǔn)化處理。其次，基于K-Means聚類算法容易受到初始聚類中心隨機(jī)選擇的影響而導(dǎo)致聚類結(jié)果不佳，本節(jié)嘗試聚類結(jié)果為3至6，采用判別分析法對(duì)每個(gè)聚類結(jié)果進(jìn)行純度回代檢驗(yàn)，選取分類概率識(shí)別正確最高的聚類結(jié)果為最終聚類中心。每個(gè)聚類的判別分析和最終的聚類中心如表2所示。

表2 K-Means聚類結(jié)果F值及判別分析正確分類概率

依據(jù)上述聚類結(jié)果，根據(jù)判別分析的概率值逐步下降的變化情況，選取聚類個(gè)數(shù)為3，獲取的最終聚類中心如表3所示。

以表3中3個(gè)聚類在5個(gè)行為屬性的均值為參考值，根據(jù)其聚類特征可將該3類讀者命名為如下3個(gè)差異群體：

群體Ⅰ：選座高頻型讀者(688人，3.9%)。該群體的讀者比例雖少，但使用座位時(shí)間占全年圖書(shū)館總時(shí)數(shù)的25.49%。使用座位時(shí)間年均733小時(shí)以上。

表3 2015-2016學(xué)年讀者聚類中心

群體Ⅱ：選座低頻型讀者(13148人，73.7%)。該群體的讀者比例最高，但使用座位時(shí)間僅占全年圖書(shū)館總時(shí)數(shù)的22.81%。使用座位時(shí)間年均僅33小時(shí)。

群體Ⅲ：選座階段型讀者(4009人，22.4%)。該群體的讀者比例不足三分之一，但使用座位時(shí)間占全年圖書(shū)館總時(shí)數(shù)的51.7%。使用座位時(shí)間年均229小時(shí)。

3.3.2 群體總體差異性分析

對(duì)于上述3個(gè)聚類群體，本研究采用卡方檢驗(yàn)分析不同群體在性別、專業(yè)和年級(jí)等分類變量上是否存在顯著差異。性別在群體中的差異屬于常規(guī)的人口統(tǒng)計(jì)應(yīng)用中一個(gè)重要的研究?jī)?nèi)容，以群體分類和性別放入SPSS描述性統(tǒng)計(jì)分析中進(jìn)行卡方檢驗(yàn)，sig=1.00(＞0.05)，說(shuō)明性別變量不存在顯著性差異。專業(yè)變量的卡方檢驗(yàn)P=0.000(＜0.05)，存在顯著性差異。從圖3(a)專業(yè)變量與聚類群體的對(duì)應(yīng)分析發(fā)現(xiàn)，選座高頻型讀者主要集中于經(jīng)濟(jì)學(xué)、法學(xué)和文學(xué)類專業(yè)。以年級(jí)變量展開(kāi)的卡方分析中，P=0.000(＜0.05)，也存在顯著性差異，這表明本科生到研究生、教師的年齡成長(zhǎng)順序和伴隨圖書(shū)館使用熟悉程度的遞增存在強(qiáng)相關(guān)。通過(guò)圖3(b)的對(duì)應(yīng)分析可以發(fā)現(xiàn)，大四和研究生是高頻選座的主要群體，基于復(fù)習(xí)迎考的大二和大三是階段型選座的主力群體，而大一、教師和校友則是低頻選座的主要群體。因此，若要實(shí)施圖書(shū)館座位資源精細(xì)化服務(wù)，就必須結(jié)合專業(yè)和年級(jí)因素，每個(gè)細(xì)分群體的服務(wù)策略才能更加有效和精細(xì)化。

圖3 高校座位管理系統(tǒng)細(xì)分群體的交叉分析

采用ANOVA單因素方差分析對(duì)“最常用時(shí)段次數(shù)”“最常用月份次數(shù)”“預(yù)約次數(shù)”等變量在3個(gè)群體中展開(kāi)顯著性差異分析，三個(gè)變量的P=0.000(＜0.05)，均存在顯著性差異。通過(guò)三個(gè)變量的對(duì)應(yīng)分析發(fā)現(xiàn)(限于篇幅不列舉具體圖例)：高頻選座群體提前預(yù)約座位已成為其入館使用座位的習(xí)慣行為；階段型選座群體的預(yù)約次數(shù)與每個(gè)月份圖書(shū)館座位資源形成負(fù)關(guān)系；低頻選座群體只存在少數(shù)預(yù)約的情況，結(jié)合常用時(shí)段來(lái)看，該群體讀者大多選擇到館選座。

3.3.3 群體特征與服務(wù)策略討論

選座高頻型讀者：該群體高年級(jí)讀者較多，采用提前預(yù)約方式的居多，且比較習(xí)慣于使用APP預(yù)約，入館時(shí)間集中在早8時(shí)和晚18時(shí)，各個(gè)月份不存在顯著性差異。座位使用的高頻率與讀者利用圖書(shū)館的習(xí)慣、學(xué)業(yè)任務(wù)、升學(xué)、公務(wù)員考試、教師招考等相關(guān)。該群體是座位管理系統(tǒng)的成熟階段型讀者，他們熟悉各項(xiàng)自助選座功能，無(wú)違約記錄和進(jìn)入黑名單情況。針對(duì)此類群體，建議結(jié)合圖書(shū)館空間特點(diǎn)，在座位管理系統(tǒng)的空間設(shè)置上采取集中區(qū)域選座，增加常用座位快速預(yù)約功能。并在系統(tǒng)上引入讀者履約積分制，積累的積分可兌換圖書(shū)館其他業(yè)務(wù)系統(tǒng)的成長(zhǎng)值，該群體的示范帶動(dòng)將引導(dǎo)其他細(xì)分群體向此類型轉(zhuǎn)化。

選座低頻型讀者：該群體的預(yù)約時(shí)段集中在第四季度的早8時(shí)和晚18時(shí)，該群體在選座月份、選座時(shí)段、專業(yè)和年級(jí)上分布不存在顯著性差異，大部分是到館選座，提前預(yù)約較少?？膳袛嘣撊后w是座位管理系統(tǒng)的低頻型讀者，流動(dòng)性大且易流失。針對(duì)此類群體，隨著讀者使用座位需求的增長(zhǎng)與變化，高校圖書(shū)館可采取加強(qiáng)座位系統(tǒng)使用宣傳、社交平臺(tái)及時(shí)收集選座問(wèn)題反饋和選座攻略密集推送等多種積極的關(guān)系維系營(yíng)銷策略，縮短讀者自助選座的磨合期。同時(shí)，可借助系統(tǒng)向讀者提供常用座位快速選取、提前預(yù)約座位和推送微信選座等便捷選座服務(wù)，提高讀者的選座效率。

選座階段型讀者：該群體讀者選座時(shí)段集中于第四季度的上午8時(shí)、9時(shí)和晚上18時(shí)、19時(shí)，常用選座月份集中于6月、7月和12月，結(jié)合高校讀者專業(yè)學(xué)習(xí)階段和復(fù)習(xí)迎考氛圍的特點(diǎn)，可判斷其為選座階段型讀者。對(duì)于該群體讀者，當(dāng)圖書(shū)館出現(xiàn)選座高峰期時(shí)，按照公平原則優(yōu)先保障預(yù)約座位的讀者，借助社交媒體及時(shí)疏導(dǎo)和告知無(wú)法選座的讀者，分流到校內(nèi)其他教學(xué)區(qū)域?qū)W習(xí)。該群體的規(guī)模人數(shù)超過(guò)圖書(shū)館座位資源總數(shù)，當(dāng)圖書(shū)館座位一座難求時(shí)，此群體的讀者滿意度會(huì)有所下降。有座必選是該群體的主要特征。為此，針對(duì)上下兩個(gè)時(shí)段的選座高峰期情況，應(yīng)及時(shí)告知讀者要關(guān)注圖書(shū)館大屏幕、網(wǎng)站頁(yè)面和APP上動(dòng)態(tài)顯示的座位余量情況，提醒讀者擅用隨機(jī)派座功能，系統(tǒng)管理員調(diào)整座位管理策略，例如縮短提前取消預(yù)約的時(shí)長(zhǎng)限制、延長(zhǎng)提前簽到的分鐘數(shù)和中途離場(chǎng)產(chǎn)生的座位回收時(shí)限等精細(xì)服務(wù)，從而應(yīng)對(duì)此類讀者的碎片化選座特征，提高單一座位分時(shí)段多次被預(yù)約的效率。

3.4 服務(wù)策略實(shí)施后的行為跟蹤分析

根據(jù)上述討論的服務(wù)策略，筆者所在圖書(shū)館于2016年8月對(duì)座位管理系統(tǒng)進(jìn)行升級(jí)與優(yōu)化，調(diào)整空閑座位釋放與回收的事務(wù)邏輯，系統(tǒng)后臺(tái)增加手動(dòng)調(diào)配現(xiàn)場(chǎng)選座和場(chǎng)外預(yù)約的座位資源配比，研發(fā)圖書(shū)館官方微信公眾號(hào)上的現(xiàn)場(chǎng)選座功能。對(duì)改進(jìn)服務(wù)策略之后的第二部分讀者選座行為數(shù)據(jù)采用帕累托分析，“常用時(shí)段”仍然符合二八定律，“常用月份”接近于四六法則，這說(shuō)明當(dāng)前圖書(shū)館的空間資源與讀者的使用需求不對(duì)等的矛盾依舊存在。按照本文確立的K-Means聚類方法對(duì)其展開(kāi)分析，聚類個(gè)數(shù)仍為3，聚類結(jié)果如表4所示。

表4 2016-2017學(xué)年讀者聚類中心

將表4與表3的聚類結(jié)果對(duì)比發(fā)現(xiàn)，3個(gè)差異群體比例基本保持一致，說(shuō)明前述聚類分析的結(jié)果合理，比較符合圖書(shū)館的座位管理實(shí)踐。從聚類結(jié)果的均值來(lái)看，聚類1代表的選座高頻型讀者群體在“選座次數(shù)”的均值發(fā)生質(zhì)心負(fù)偏離，這是因?yàn)橐肓藞D書(shū)館微信公眾號(hào)快速選座的服務(wù)改進(jìn)策略，提前預(yù)約座位功能在此類群體得到大范圍使用，現(xiàn)場(chǎng)觸摸屏選座方式較少，該讀者相對(duì)上學(xué)年的比例提升不少。聚類2代表的選座低頻型讀者與上學(xué)年聚類結(jié)果在均值上基本保持不變，但讀者比例有所下降。聚類3代表的選座階段型讀者群體在預(yù)約次數(shù)和選座次數(shù)的均值提升較大，這得益于服務(wù)策略實(shí)施了系統(tǒng)選座效率優(yōu)化、APP用戶體驗(yàn)改善、座位回收時(shí)限縮短和延長(zhǎng)讀者提前簽到時(shí)長(zhǎng)等細(xì)節(jié)性控制。

將兩學(xué)年的選座行為數(shù)據(jù)以“讀者借書(shū)證號(hào)”為關(guān)鍵字進(jìn)行內(nèi)部關(guān)聯(lián)和各字段數(shù)值對(duì)比分析，可跟蹤發(fā)現(xiàn)讀者行為和細(xì)分群體身份轉(zhuǎn)變發(fā)生如下變化：在新的群體Ⅰ(選座高頻型讀者)結(jié)果中，從群體Ⅱ(選座低頻型讀者)轉(zhuǎn)換過(guò)來(lái)的有473位讀者，從群體Ⅲ(選座階段型讀者)轉(zhuǎn)換過(guò)來(lái)的有444位讀者。從各個(gè)字段的數(shù)值變化來(lái)看，微信或者APP選座為群體Ⅰ的顯著行為特征，現(xiàn)場(chǎng)選座比例減少2/3，學(xué)年使用時(shí)長(zhǎng)均值達(dá)到854小時(shí)以上，這說(shuō)明在實(shí)施有效服務(wù)策略后，選座高頻型讀者群體數(shù)量遞增，該群體雖流失192位讀者，但加上留存讀者380位，讀者群體轉(zhuǎn)化率較高。在新的群體Ⅱ結(jié)果中，從群體Ⅰ轉(zhuǎn)換過(guò)來(lái)的有75位讀者，均是高年級(jí)或即將畢業(yè)的讀者。有4773位讀者仍留存在此群體中，985位讀者從群體Ⅲ轉(zhuǎn)換到群體Ⅱ中，從字段數(shù)值變化對(duì)比來(lái)看，預(yù)約次數(shù)提高9倍，學(xué)年使用時(shí)長(zhǎng)減少一半，微信或者APP的選座方式比例提高20%。在新的群體Ⅲ結(jié)果中，從群體Ⅰ轉(zhuǎn)換過(guò)來(lái)的有117位讀者，從群體Ⅱ轉(zhuǎn)換過(guò)來(lái)的有1986位讀者，留存在群體Ⅲ中的有879位讀者，整體預(yù)約次數(shù)遞增，現(xiàn)場(chǎng)觸摸屏選座方式較為常用，學(xué)年使用時(shí)長(zhǎng)翻倍，達(dá)到學(xué)年內(nèi)的294小時(shí)。從以上三個(gè)群體的對(duì)比分析可以看出，根據(jù)前述首次聚類分析提出的精細(xì)化服務(wù)改進(jìn)策略帶來(lái)了后續(xù)每個(gè)群體更好的圖書(shū)館座位服務(wù)用戶體驗(yàn)，讀者座位自助管理的習(xí)慣正逐步形成。

4 結(jié)語(yǔ)

本研究旨在將帕累托分析和K-Means聚類應(yīng)用于高校圖書(shū)館座位管理系統(tǒng)的讀者行為分析。研究結(jié)果表明，圖書(shū)館座位資源的利用需求并非存在均等分布，對(duì)讀者選座行為屬性的“常用月份和常用時(shí)段”進(jìn)行分析，發(fā)現(xiàn)其基本符合帕累托定律，造成此種不均等分布的根源在于讀者對(duì)于高校圖書(shū)館的基本定位為復(fù)習(xí)迎考的最佳氛圍和舒適的空間環(huán)境。這就意味著，高校圖書(shū)館要從宏觀角度上增加座位資源才能緩解一座難求的困境，目前可從改善座位管理系統(tǒng)的用戶體驗(yàn)，發(fā)布選座攻略和提高空閑座位釋放效率等方面優(yōu)先保障最急需的讀者。本文從后續(xù)學(xué)年的讀者選座行為跟蹤分析也證實(shí)了這一點(diǎn)。從聚類分析獲取的3個(gè)差異群體來(lái)看，長(zhǎng)期使用座位的讀者比例不高，階段性選座的群體集中于6月、7月和12月，高校圖書(shū)館一座難求的困境不可避免，必須通過(guò)差異化的服務(wù)組合和精細(xì)化的系統(tǒng)管理策略有針對(duì)性的改善選座體驗(yàn)。而后通過(guò)得出的改善性服務(wù)策略落實(shí)到系統(tǒng)的升級(jí)完善、社交平臺(tái)功能擴(kuò)展和功能優(yōu)化控制等有效措施，從再次獲取的聚類結(jié)果來(lái)看，讀者選座行為得到有效的優(yōu)化和引導(dǎo)，高校圖書(shū)館座位資源的自助服務(wù)得到進(jìn)一步優(yōu)化和提升。

本研究不可避免存在局限性，未來(lái)研究將擴(kuò)大樣本數(shù)和比較分析同類師范院校圖書(shū)館的座位管理系統(tǒng)的讀者選座行為，以提高分析結(jié)論的可適用性。在分析范圍上擴(kuò)展和綜合圖書(shū)館門(mén)禁系統(tǒng)、圖書(shū)借閱系統(tǒng)和電子資源訪問(wèn)控制系統(tǒng)等其他業(yè)務(wù)系統(tǒng)的讀者行為數(shù)據(jù)，以期更加全面和系統(tǒng)地分析讀者在圖書(shū)館的使用行為特征。

[1]譚丹丹，孫陽(yáng)陽(yáng)，劉金濤，等.大學(xué)圖書(shū)館閱覽座位利用及管理優(yōu)化研究：以上海財(cái)經(jīng)大學(xué)圖書(shū)館為例[J].上海高校圖書(shū)情報(bào)工作研究，2012（4）：47-53.

[2]陳鷹.高校圖書(shū)館座位的設(shè)置優(yōu)化及管理[J].圖書(shū)館論壇，2009（4）：164-166，111.

[3]童麗琴，丁小琴.淺談高校圖書(shū)館閱覽室座位“實(shí)名制”管理：以華中科技大學(xué)武昌分校圖書(shū)館為例[J].高校圖書(shū)情報(bào)論壇，2011（4）：38-40.

[4]王祥斌.基于讀卡器時(shí)分復(fù)用技術(shù)的自習(xí)室座位管理系統(tǒng)設(shè)計(jì)研究[J].情報(bào)探索，2011（12）：99-101.

[5]王立峰，鄭燕林.與門(mén)禁聯(lián)動(dòng)的座位管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].圖書(shū)情報(bào)工作，2013（13）：106-109.

[6]陳武，錢青，趙熊，等.清華大學(xué)智能座位管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2013（10）：90-95.

[7]王守紅.高校圖書(shū)館自習(xí)座位管理系統(tǒng)設(shè)計(jì)[J].大學(xué)圖書(shū)館學(xué)報(bào)，2010（2）：38-40.

[8]謝紅，王炳江.基于VB的圖書(shū)館閱覽座位管理系統(tǒng)的開(kāi)發(fā)及應(yīng)用[J].圖書(shū)館論壇，2010（5）：58-60.

[9]程坤，王麗麗.圖書(shū)館座位資源管理系統(tǒng)研究與應(yīng)用：以哈爾濱理工大學(xué)圖書(shū)館為例[J].上海高校圖書(shū)情報(bào)工作研究，2012（3）：44-48.

[10]陽(yáng)淑華.揭秘湖南師大圖書(shū)館“反占座神器”[EB/OL].[2017-04-06].http：//www.hunnu.edu.cn/info/1011/24615.htm.

[11]郝亞楠，邵紅宇.高校圖書(shū)館座位管理系統(tǒng)的利與弊[J].晉圖學(xué)刊，2014（4）：17-20.

[12]吳開(kāi)明，李淑敏.高校圖書(shū)館占座現(xiàn)象的博弈分析[J].大學(xué)圖書(shū)館學(xué)報(bào)，2015（6）：38-44.

[13]王瑋.帕累托原則與阮岡納贊圖書(shū)館學(xué)五定律[J].圖書(shū)與情報(bào)，2002（1）：7-9.

[14]王君學(xué).圖書(shū)館學(xué)五定律、帕累托原則與4Rs理論[J].現(xiàn)代情報(bào)，2006（5）：171-172，179.

[15]楊秀敏.基于帕累托定律的圖書(shū)館讀者服務(wù)策略研究[J].圖書(shū)館研究，2013（2）：68-70.

[16]黃艷芬.基于帕累托原則的高校圖書(shū)館文獻(xiàn)信息資源配置[J].圖書(shū)館論壇，2007（2）：114-116.

[17]曲皎，張瑜.DEA方法在高校圖書(shū)館技術(shù)效率評(píng)價(jià)中的應(yīng)用——基于二十五所985院校的實(shí)證分析[J].大學(xué)圖書(shū)情報(bào)學(xué)刊，2015（1）：46-49.

[18]劉立云，雷宏振，邵鵬.高校圖書(shū)館座位資源配置的帕累托優(yōu)化解決方案[J].圖書(shū)情報(bào)工作，2012（5）：102-105.

[19]吳夙慧，成穎，鄭彥寧，等.K-means算法研究綜述[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2011（5）：28-35.

[20]宋楚平，李少芹.一種K-Means改進(jìn)算法在圖書(shū)館主題挖掘中的應(yīng)用研究[J].情報(bào)理論與實(shí)踐，2014（11）：120-123.

[21]李萍.基于Hadoop的K-Means聚類算法在高校圖書(shū)館工作中的應(yīng)用研究[J].圖書(shū)情報(bào)論壇，2014（2）：30-35.

[22]鞠秀芳，孫建軍，鄭彥寧，等.基于K-means聚類的期刊操控引用行為特征指標(biāo)研究[J].圖書(shū)情報(bào)工作，2013（3）：114-119.

[23]孫敏杰，吳振新.基于用戶行為聚類的人物角色量化模型創(chuàng)建實(shí)證研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2010（12）：15-20.