尹相權(quán)

基于圖書館座位管理系統(tǒng)的用戶行為分析*

尹相權(quán)

（北京師范大學(xué)圖書館，北京 100875）

移動服務(wù)的興起使得高校圖書館空間服務(wù)從單一方式演變?yōu)槎喾绞?，通過不同服務(wù)方式的用戶行為對比分析，對高校圖書館空間服務(wù)改進(jìn)具有重要意義。采用圖書館營銷的理念，提出一個結(jié)合用戶細(xì)分模型和方式細(xì)分模型的用戶行為分析模型，以用戶黏度、用戶活躍度和用戶產(chǎn)出作為用戶行為指標(biāo)，在用戶細(xì)分和方式細(xì)分的基礎(chǔ)上，通過描述性數(shù)據(jù)分析方法、聚類、多因素方差分析法，對北京師范大學(xué)圖書館座位管理系統(tǒng)為期2.5年的用戶行為數(shù)據(jù)進(jìn)行分析，并根據(jù)分析結(jié)果提出圖書館座位管理系統(tǒng)應(yīng)進(jìn)一步加強(qiáng)移動方式宣傳、利用座位聚類結(jié)果開展個性化推薦等改進(jìn)策略。

圖書館座位管理系統(tǒng)；圖書館營銷；用戶行為分析；用戶黏度；移動服務(wù)

隨著信息共享空間等概念的興起，圖書館以用戶為中心的設(shè)計和管理，尤其是學(xué)習(xí)空間的管理日益得到關(guān)注。如今的讀者大量利用現(xiàn)代技術(shù)和數(shù)字化信息，圖書館需要了解新一代讀者利用圖書館的習(xí)慣，進(jìn)而有針對性地為其提供學(xué)習(xí)及閱讀空間，如信息空間、學(xué)習(xí)空間等[1]。其中，座位空間預(yù)約服務(wù)由于服務(wù)范圍廣（可面向全部讀者）、可解決圖書館普遍存在的占座問題、工程實現(xiàn)難度低等原因，已在多數(shù)高校圖書館普及。得益于寬帶無線接入技術(shù)和移動終端技術(shù)的飛速發(fā)展，高校圖書館的座位空間服務(wù)逐漸從單一服務(wù)方式轉(zhuǎn)變?yōu)槎嘣?wù)方式，部分圖書館已經(jīng)提供萬維網(wǎng)服務(wù)平臺、移動服務(wù)APP、微信公眾號平臺以及圖書館服務(wù)終端等多種座位預(yù)約方式[2-4]。那么，投入使用這些服務(wù)方式后，用戶對圖書館座位的利用率是否有所提高？如何從經(jīng)濟(jì)學(xué)的角度來衡量座位的利用率？在諸多服務(wù)方式中，用戶會更傾向于選擇哪種服務(wù)方式？不同預(yù)約方式用戶的行為習(xí)慣有哪些異同？通過分析這些問題，各高校圖書館可借助技術(shù)手段培養(yǎng)用戶利用圖書館空間資源的良好習(xí)慣，為高校圖書館選擇何種方式提供預(yù)約、如何改善預(yù)約服務(wù)提供數(shù)據(jù)支持，從而提高高校圖書館空間資源的利用率，最終形成用戶使用方便、圖書館管理科學(xué)的雙贏局面。

已有研究采用網(wǎng)絡(luò)調(diào)研方式確立讀者行為分析的變量，并通過座位管理后臺獲取實證研究和跟蹤分析，確定服務(wù)改進(jìn)策略[5]。另外，圖書館座位管理系統(tǒng)在用戶實際使用過程中產(chǎn)生大量歷史數(shù)據(jù)，這些海量歷史數(shù)據(jù)中隱含了用戶的行為習(xí)慣信息，為開展深入的用戶行為分析提供了研究基礎(chǔ)。因此，也有研究基于座位管理系統(tǒng)日志數(shù)據(jù)開展用戶行為分析。儲文靜等[6]基于江西師范大學(xué)圖書館座位管理系統(tǒng)數(shù)據(jù)，使用數(shù)理統(tǒng)計方法從自習(xí)位置選擇偏好、選座行為偏好等方面分析讀者自習(xí)行為，將讀者分為研究生和本科生，統(tǒng)計了刷卡選座、預(yù)約選座和重新選座的頻次，未進(jìn)一步開展基于用戶細(xì)分模型和選座方式的深度分析。為此，筆者調(diào)研了圖書情報領(lǐng)域利用數(shù)據(jù)挖掘方法開展深度用戶行為分析工作，按照工作方法可分為兩類。①描述性以及推斷性分析方法。安徽省圖書館基于Web日志進(jìn)行圖書館用戶行為的描述性以及推斷性的分析，找出了安徽省圖書館用戶行為存在的問題[7]。②基于機(jī)器學(xué)習(xí)的方法，其中又包括基于聚類和基于關(guān)聯(lián)規(guī)則兩類研究。基于聚類的研究中，黃蘭等[8]以圖書館讀者借閱量為實例，利用統(tǒng)計分析系統(tǒng)（SAS）的聚類技術(shù)對圖書館讀者社群進(jìn)行數(shù)據(jù)挖掘；重慶理工大學(xué)圖書館利用數(shù)據(jù)挖掘聚類方法中的系統(tǒng)聚類算法設(shè)計了相應(yīng)的體系構(gòu)架，結(jié)合重慶理工大學(xué)圖書館讀者借閱業(yè)務(wù)需求，建立了圖書館讀者細(xì)分模型[9]；邱均平等[10]采用聚類方法，從基于檢索字段的書目數(shù)據(jù)聚類、基于用戶分類的書目數(shù)據(jù)聚類、基于用戶資源利用行為數(shù)據(jù)統(tǒng)計分析的聚類完善OPAC資源揭示及書目推送服務(wù)；謝發(fā)徽[5]基于K-means聚類對網(wǎng)絡(luò)調(diào)研數(shù)據(jù)開展分析。基于關(guān)聯(lián)規(guī)則的研究中，關(guān)聯(lián)規(guī)則挖掘的目標(biāo)是發(fā)現(xiàn)大量數(shù)據(jù)項集之間的關(guān)聯(lián)或相關(guān)聯(lián)系，如果兩項或多項屬性之間存在關(guān)聯(lián)，那么其中一項的屬性就可以依據(jù)其他屬性值進(jìn)行預(yù)測[11-12]。已有研究中，陳淑英等[13]利用多維屬性間關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)，對不同專業(yè)用戶群體4年圖書借閱數(shù)據(jù)進(jìn)行分析；艾金勇[14]采用基于Fp-樹的頻繁方式增長算法找出隱藏在讀者借閱行為中的關(guān)聯(lián)規(guī)則；李欣[15]應(yīng)用強(qiáng)關(guān)聯(lián)規(guī)則算法在圖書借閱和信息查詢數(shù)據(jù)的分析中，減少圖書頻繁項集的產(chǎn)生，避免冗余規(guī)則的挖掘和生成。

縱觀已有研究，深度用戶行為分析方法大多基于讀者借閱數(shù)據(jù)并應(yīng)用于數(shù)字圖書館電子資源推送以及借閱數(shù)據(jù)推送等方面，尚沒有基于座位管理系統(tǒng)實際使用數(shù)據(jù)的、探究用戶預(yù)約方式對用戶行為影響的深度用戶行為分析模型。圖書館營銷（library marketing）從20世紀(jì)90年代進(jìn)入飛速發(fā)展階段，其中一個很重要的理念是用產(chǎn)品概念來設(shè)計圖書館服務(wù)[16]。將圖書館座位管理系統(tǒng)視為產(chǎn)品，則營銷網(wǎng)站的評價體系適用于座位管理系統(tǒng)的用戶行為分析。因此，本研究提出一個結(jié)合用戶細(xì)分模型和方式細(xì)分模型的用戶行為分析模型，以用戶黏度、用戶活躍度和用戶產(chǎn)出為用戶行為指標(biāo)，在用戶細(xì)分和方式細(xì)分的基礎(chǔ)上，通過描述性統(tǒng)計分析方法、聚類、多因素方差分析法，按照用戶行為指標(biāo)開展數(shù)據(jù)挖掘，為確定服務(wù)改進(jìn)策略提供數(shù)據(jù)支持。

1 基于用戶細(xì)分和途徑細(xì)分的用戶行為分析模型

參考大多數(shù)網(wǎng)站的用戶行為分析[17]，在座位管理系統(tǒng)的用戶行為分析的用戶行為指標(biāo)中，主要關(guān)注讀者的黏度、活躍度和產(chǎn)出。其中，讀者黏度主要關(guān)注讀者在一段時間內(nèi)持續(xù)訪問和使用座位管理系統(tǒng)的情況，更強(qiáng)調(diào)一種持續(xù)的狀態(tài)，這里將訪問頻率、訪問時長指標(biāo)歸到黏度的分類。活躍度更多地針對讀者具體的座位使用情況，考察座位使用隨時間變化的規(guī)律以及座位使用與用戶的關(guān)聯(lián)，前者按時間的特性（周一到周日）以及預(yù)約時間長度特性，統(tǒng)計平均日預(yù)約頻次和長/短時預(yù)約頻次；后者把讀者細(xì)分為讀者類型以及年級，考察不同讀者類型在不同預(yù)約方式的預(yù)約活躍度。產(chǎn)出代表業(yè)務(wù)衡量，考慮到圖書館的非營利性質(zhì)，選擇座位的總體使用量、座位選擇傾向代表座位管理系統(tǒng)的產(chǎn)出。

基于用戶細(xì)分和方式細(xì)分的用戶行為分析研究路線如圖1所示，獲取座位管理系統(tǒng)數(shù)據(jù)后，根據(jù)用戶維度和預(yù)約方式維度進(jìn)行數(shù)據(jù)分割，并進(jìn)一步開展用戶行為分析。將用戶行為分析的指標(biāo)設(shè)定為用戶黏度、用戶活躍度和用戶產(chǎn)出，使用描述性統(tǒng)計分析方法、聚類方法和多因素方差分析方法開展分析，并將分析結(jié)果應(yīng)用于改進(jìn)系統(tǒng)運(yùn)行策略。用戶細(xì)分的維度包括用戶類型和年級，方式分為觸屏機(jī)、網(wǎng)頁、APP和微信，其中，由于網(wǎng)頁、APP和微信的移動特性，在本研究中合稱為移動方式。用戶行為分析中的聚類分析主要用于基于用戶產(chǎn)出（即座位的使用頻次以及使用時長）產(chǎn)生座位的分類信息，并以此分類信息考察不同方式用戶偏好之間的共性以及差異；多因素方差分析主要用于挖掘座位偏好與座位特性之間的關(guān)聯(lián)。

2 用戶行為分析

選取北京師范大學(xué)圖書館2016年9月5日—2019年1月19日中文閱覽室的座位管理系統(tǒng)日志數(shù)據(jù)作為研究對象。由于北京師范大學(xué)圖書館的移動APP和微信正式上線時間在2018年9月，故4個方式的對比分析僅使用2018學(xué)年秋季學(xué)期的數(shù)據(jù)。

2.1 用戶黏度分析

用戶黏度分析的目標(biāo)為考察使用不同方式進(jìn)行預(yù)約的用戶對座位管理系統(tǒng)的訪問頻率和訪問時長情況。表1對比了2016年、2017年和2018年秋季學(xué)期的使用率，對比發(fā)現(xiàn)，預(yù)約平均時長呈遞增趨勢，與2017年秋季學(xué)期相比，2018年秋季學(xué)期預(yù)約平均時長提高5.85%；2018年秋季學(xué)期移動用戶數(shù)量有顯著增長，與2017年秋季學(xué)期相比，增加46.31%，且有效提高了用戶平均使用時長（41.65%），充分說明新的預(yù)約方式給圖書館座位管理系統(tǒng)帶來了更高的用戶黏度。另外，同時使用觸屏機(jī)和移動方式的用戶也呈現(xiàn)增加趨勢，從23.91%逐漸增加到26.35%、35.38%，說明越來越多的用戶使用多種預(yù)約方式。

圖2進(jìn)一步對比了移動方式與觸屏機(jī)方式在2016年9月—2018年7月每月預(yù)約統(tǒng)計對比情況。如圖2所示，觸屏機(jī)預(yù)約模式為主流預(yù)約模式，兩種方式的趨勢相近，當(dāng)觸屏機(jī)方式預(yù)約量下降時，移動方式預(yù)約量也會下降，反之亦然，相對而言，觸屏機(jī)方式預(yù)約量波動較大；在4個學(xué)期中，有3個學(xué)期的期末，移動相對于觸屏機(jī)的使用均有一定程度下降，以上信息說明用戶在座位相對緊張的時間，大部分還是傾向于選擇使用觸屏機(jī)方式，移動方式還有一定的服務(wù)提升空間。

筆者進(jìn)一步提取了2018年9月—2019年1月的移動模式數(shù)據(jù)，進(jìn)行了觸屏機(jī)、網(wǎng)頁、APP和微信4種預(yù)約方式的行為模式對比研究。如圖3所示，APP預(yù)約和微信預(yù)約的比例呈持續(xù)增長態(tài)勢。這進(jìn)一步說明了用戶使用移動方式的增長趨勢。

2.2 用戶活躍度分析

用戶活躍度更多地針對讀者具體的座位使用情況，考察座位使用隨時間變化的規(guī)律以及座位使用與不同類型用戶的關(guān)聯(lián)?？紤]長時間段預(yù)約和短時間段預(yù)約的比例是影響空間利用率的重要因素，有必要按照不同時間段對不同方式的預(yù)約行為進(jìn)行考察，為此，筆者把使用時間分為6個時間段：上午（7:00—12:00）、下午（12:00—18:00）、晚上（18:00—22:00）、上午—下午、上午—晚上、下午—晚上，例如“上午—晚上”，代表預(yù)約開始時間屬于上午，預(yù)約結(jié)束時間屬于下午，統(tǒng)計了不同時間段的預(yù)約行為，結(jié)果如表2（a）所示。兩種預(yù)約方式的下午時段和上午—下午時段預(yù)約數(shù)相對較少，上午—晚上時段預(yù)約數(shù)相對較多，用戶更傾向于使用較長時間段，且在較長時間段的預(yù)約行為中，移動方式的使用比例有所提高，說明移動方式預(yù)約長時間段具有一定優(yōu)勢或者更為便利。不同方式日平均預(yù)約頻次對比如表2（b）所示，用戶更傾向于在周一—周四使用自習(xí)空間，且在周五、周六和周日使用移動方式預(yù)約的比例會有一定提高。

表3展示了圖書館用戶移動方式預(yù)約總計與觸屏機(jī)方式預(yù)約總計比率的分用戶類型的對比分析結(jié)果。其中，本科生使用移動方式的比例明顯高于碩士生和博士生，留學(xué)生使用移動方式的比例最低，高年級學(xué)生（本科四年級、碩士生三年級、博士生三年級）會更傾向于使用移動方式。另外，在本科階段和博士階段，新生相對二年級學(xué)生使用移動服務(wù)的比率更高，說明新生階段為習(xí)慣養(yǎng)成階段，學(xué)生對不同預(yù)約方式接受度較高；而碩士生階段該變化不明顯，推測原因為部分碩士生中一年級新生為本校本科生，真正意義上的新生比例偏低。留學(xué)生較少使用移動頻道，說明移動頻道在多語言推廣工作方面仍需加強(qiáng)。

2.3 用戶產(chǎn)出分析

參考網(wǎng)站將用戶選擇的訂單作為用戶產(chǎn)出，研究將用戶選擇的座位作為座位管理系統(tǒng)產(chǎn)出的內(nèi)容，將特定學(xué)習(xí)空間、特定時間范圍、分行為方式的座位偏好作為用戶產(chǎn)出開展分析。收集2.5年內(nèi)實驗記錄共計3?890?077條。

從圖4的座位使用時長分布可以看出，幾乎所有座位的有效使用時長均超過20個月，少數(shù)座位甚至超過30個月，使用率較高，但仍有一定的提升空間。

關(guān)于預(yù)約方式的產(chǎn)出情況，本文分別統(tǒng)計了觸屏機(jī)、網(wǎng)頁、APP和微信的使用時長，并按照使用率從高到低的順序?qū)ψ贿M(jìn)行排序，取前60位進(jìn)行對比分析，探討不同方式的座位偏好。僅通過座位編號來表征座位會忽略不同座位的共性信息，為提取座位的共性信息，盡可能忽略座位編號本身帶來的差異，根據(jù)座位的使用頻次和使用時長，使用K-means聚類方法，對座位進(jìn)行聚類分析。使用組內(nèi)誤差平方和法，選取最佳聚類個數(shù)4，聚類結(jié)果如圖5所示。座位時長與座位使用頻率正相關(guān)，按使用率從低到高排序，依次為簇4、簇3、簇1和簇2。

圖6展示了不同預(yù)約方式的選座偏好，不同形狀的點(diǎn)分別代表座位的不同類別。其中，不同預(yù)約方式的選座偏好具有一定差異，觸屏機(jī)模式和微信預(yù)約模式受歡迎的座位編號分布較為分散，網(wǎng)頁方式對編號為1~20的座位更為青睞，APP方式對座位的偏好可明顯分為0~50以及150~180兩大區(qū)間。統(tǒng)計各個方式之間的交集發(fā)現(xiàn)，網(wǎng)頁方式與APP方式，網(wǎng)頁方式與微信方式，APP方式與微信方式分別有36個，20個和18個共同座位；觸屏機(jī)方式與網(wǎng)頁方式、APP方式和微信方式分別有6個、2個和8個共同座位，說明網(wǎng)頁方式、APP方式和微信方式的行為規(guī)律具有一定共性。從座位類別分布來看，4種方式最受歡迎的座位為類別1、類別3、類別4，分別對應(yīng)圖5中的簇1、簇2和簇3。其中，觸屏機(jī)和APP的座位類別分布比較相似，而微信方式與其他方式的類別分布差異較大，類別分布更為隨機(jī)。

為更具體地看各個影響因素的不同水平與觀測變量的相關(guān)性，使用線形回歸算法對最鄰近圖書分類（CD/D/F/GF/HG/MID）、是否靠墻（WALL）、方位（N/S）、是否臨近洗手間（WC）、是否有擋板（BAFF）5個因素進(jìn)行回歸分析，結(jié)果見公式1。

最鄰近圖書分類CD、靠墻、鄰近洗手間以及具有擋板與受歡迎程度正相關(guān)，其余水平與受歡迎程度負(fù)相關(guān)或不相關(guān)。

3 用戶行為相關(guān)問題分析

以圖書館營銷相關(guān)用戶行為指標(biāo)（用戶黏度、用戶活躍度和用戶產(chǎn)出）為視角，對北京師范大學(xué)圖書館座位預(yù)約管理系統(tǒng)數(shù)據(jù)的深度用戶行為分析，發(fā)現(xiàn)圖書館座位管理系統(tǒng)用戶行為具有明顯的規(guī)律，且不同方式的用戶行為具有明顯差異。

用戶黏度分析表明，座位使用率有遞增趨勢，預(yù)約平均時長顯著增加，這從側(cè)面說明了圖書館的座位管理系統(tǒng)在提高座位管理系統(tǒng)服務(wù)方面取得了一定成效?？紤]到2016年以來圖書館在服務(wù)改進(jìn)方面最突出的工作是新預(yù)約方式的引進(jìn)，推測座位使用率的提高與新預(yù)約方式的引進(jìn)使得座位預(yù)約更為便利有關(guān)。同時，座位使用率仍有一定的提升空間。在所有的預(yù)約方式中，用戶行為存在以下規(guī)律：連續(xù)兩個學(xué)年中，每年11月和12月都是用戶訪問量最高的月份，推測與臨近期末考試或考研考試相關(guān)；周一到周四的預(yù)約量明顯高于周五、周六、周日；長時段預(yù)約量明顯高于短時段預(yù)約量；觸屏機(jī)的預(yù)約量明顯高于移動預(yù)約量，期末時間尤其明顯。每到學(xué)期的最后一個月，圖書館座位的整體預(yù)約率會顯著下降，同時觸屏機(jī)方式的使用比率會有一定上升，說明在座位使用率不飽和的時間，用戶到館直接使用觸屏機(jī)方式預(yù)約的人數(shù)會有所增加。以上分析結(jié)果表明，為進(jìn)一步提升座位使用率，圖書館應(yīng)該更加關(guān)注“休閑時間”的圖書館座位使用率提升問題。

用戶黏度和用戶活躍度分析表明，移動方式服務(wù)用戶黏度和用戶活躍度具有遞增趨勢。與觸屏機(jī)方式相比，移動方式的服務(wù)量雖然較低，但已顯現(xiàn)出其獨(dú)特的優(yōu)勢。例如，在周五、周六和周日相對休閑的時間，移動預(yù)約比率有明顯增長，且隨著學(xué)生年級的增長，移動預(yù)約比率也有明顯增長。隨著APP和微信服務(wù)方式的開啟以及推廣應(yīng)用，移動方式與觸屏機(jī)方式的用戶量差距在逐漸縮小。另外，留學(xué)生使用移動方式的比例偏低，具有很大的增長空間。移動方式在“休閑時間”的優(yōu)勢以及巨大的服務(wù)提升空間，為進(jìn)一步提高圖書館座位服務(wù)找到了實施點(diǎn)，即圖書館應(yīng)進(jìn)一步提高移動方式在新用戶（尤其是留學(xué)生）中的宣傳力度，并根據(jù)用戶使用情況，增加休閑時段座位推送信息，吸引用戶到圖書館開展學(xué)習(xí)和研究。

用戶產(chǎn)出分析表明，不同預(yù)約方式的座位偏好具有一定差異。各方式最受歡迎的前60個座位中，不同移動方式（包括網(wǎng)頁方式、APP方式和微信方式），用戶的座位偏好具有一定共性，而觸屏機(jī)方式和移動方式的交集較小。移動方式中，微信方式的偏好座位更為隨機(jī)，可能與微信方式無法查看座位分布圖有關(guān)。基于類別的分析發(fā)現(xiàn)，4種方式最受歡迎的座位集中在其中的3個類別，觸屏機(jī)方式和APP方式的最受歡迎座位類別具有較高的共性，而微信方式的類別分布與其他座位類別分布差異較大。另外，在座位本身的特性中，最鄰近圖書分類、是否靠墻、方位、是否臨近洗手間、是否有擋板、最鄰近圖書分類與是否靠墻的交互因素對座位的受歡迎程度影響較大。從整體來看，用戶更傾向于最鄰近圖書分類C-D、靠墻、鄰近洗手間以及具有擋板的座位。座位偏好分析結(jié)果表明，圖書館用戶對隱私性和便利性均有一定要求，可以考慮在圖書館適當(dāng)位置增加擋板，并在座位推送時，結(jié)合讀者的專業(yè)來滿足其對便利性的需求。

4 總結(jié)與建議

以圖書館營銷為視角，對北京師范大學(xué)圖書館座位預(yù)約管理系統(tǒng)數(shù)據(jù)開展的用戶行為分析結(jié)果表明：用戶黏度有遞增趨勢，座位使用率有遞增趨勢，預(yù)約的平均時長顯著增加；移動方式服務(wù)用戶黏度和用戶活躍度遞增趨勢明顯，尤其體現(xiàn)在“休閑時間”以及長時間段預(yù)約；座位偏好與座位的隱私性以及便利性相關(guān)性較高。

以上基于用戶黏度、用戶活躍度以及用戶行為進(jìn)行分析得到的結(jié)論為進(jìn)一步改進(jìn)圖書館座位管理系統(tǒng)服務(wù)提供了嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)論證和有益的啟發(fā)。首先，建議圖書館將下一步的工作重點(diǎn)聚焦到“休閑時間”的圖書館座位使用率提升問題。在非工作日時間以及距離考試較遠(yuǎn)的時間，及時觀測座位使用率變化并做出響應(yīng)。進(jìn)而，重點(diǎn)研究如何提升移動方式服務(wù)問題，進(jìn)一步提高移動方式在新用戶中的宣傳力度。加強(qiáng)針對新生的移動座位預(yù)約宣傳、培訓(xùn)工作，考慮到留學(xué)生使用移動服務(wù)的比例偏低，還應(yīng)改進(jìn)英文版本的移動座位預(yù)約指南，幫助留學(xué)生盡快學(xué)會使用移動預(yù)約方式，在提高移動方式使用率的同時，達(dá)到提高長時預(yù)約比例，進(jìn)而提高座位利用率。最后，有必要根據(jù)用戶使用情況，增加休閑時段座位推送信息，吸引用戶到圖書館開展學(xué)習(xí)和研究。在座位推送時，應(yīng)該同時考慮到座位的隱私性以及便利性，以進(jìn)一步提高用戶的滿意度。此外，圖書館應(yīng)排查頻次低、時間短的座位產(chǎn)生原因，進(jìn)一步提高該類座位的隱私性和便利性，如通過增加座位擋板提高該類座位對學(xué)生的吸引力等。

根據(jù)本文提出的模型實現(xiàn)圖書館座位個性化推薦是進(jìn)一步研究的重要方向。根據(jù)用戶的使用習(xí)慣，統(tǒng)計每位用戶喜歡的座位分類，構(gòu)建基于用戶歷史記錄、座位使用特性以及座位本身特性的區(qū)分用戶預(yù)約方式的多元化推薦模型。其中，用戶歷史記錄提供用戶更傾向于使用的預(yù)約方式以及歷史座位。座位使用特性即基于座位的歷史預(yù)約頻率以及預(yù)約使用時長給座位打的分類標(biāo)簽；座位本身特性即指座位本身的硬件屬性，包括是否鄰近洗手間以及是否有擋板等。當(dāng)用戶選擇某一種預(yù)約方式時，如微信預(yù)約時，系統(tǒng)自動根據(jù)用戶歷史記錄中統(tǒng)計出的座位類別以及座位本身特性，從微信預(yù)約方式的座位產(chǎn)出列表中篩選候選座位，以進(jìn)一步提高用戶選座效率，進(jìn)而提升圖書館座位的產(chǎn)出。

［1］ 肖小勃，喬亞銘. 圖書館空間：布局及利用［J］. 大學(xué)圖書館學(xué)報，2014，32（4）：103-107.

［2］ 陳武，錢青，趙熊，等. 清華大學(xué)智能座位管理系統(tǒng)的設(shè)計與實現(xiàn)［J］. 現(xiàn)代圖書情報技術(shù)，2013，29（10）：90-95.

［3］ 周瑤，劉暢，李建東. 圖書館微信座位預(yù)約應(yīng)用開發(fā)——以西北民族大學(xué)為例［J］. 現(xiàn)代圖書情報技術(shù)，2015，31（7）：155-159.

［4］ 顧朝兵. 高校圖書館多平臺座位管理系統(tǒng)設(shè)計［J］. 電腦知識與技術(shù)，2014（24）：5667-5670.

［5］ 謝發(fā)徽. 高校圖書館座位管理系統(tǒng)的讀者行為分析［J］. 圖書館論壇，2018（3）：108-116.

［6］ 儲文靜，儲昭輝，許曉云. 基于座位管理系統(tǒng)數(shù)據(jù)的圖書館讀者自習(xí)行為探究［J］. 圖書館研究，2017（5）：107-112.

［7］ 李祝啟，陸和建，毛丹. 基于Web日志統(tǒng)計分析的公共圖書館用戶行為研究［J］. 圖書館雜志，2014，33（7）：39-46.

［8］ 黃蘭，郭志敏，習(xí)萬球. 利用聚類技術(shù)對圖書館讀者社群的研究分析［J］. 計算機(jī)工程與設(shè)計，2007，28（22）：5552-5555.

［9］ 聶珍. 一種基于系統(tǒng)聚類的圖書館讀者細(xì)分模型［J］. 現(xiàn)代情報，2009，29（9）：158-161.

［10］ 邱均平，周毅. 聚類視角下圖書館OPAC資源揭示與推送服務(wù)探析［J］. 圖書館建設(shè)，2014（2）：17-20.

［11］ 熊擁軍，陳春穎. 基于關(guān)聯(lián)挖掘技術(shù)的數(shù)字圖書館個性化推送服務(wù)［J］. 圖書情報工作，2010，54（1）：125-129.

［12］ 高俊峰，王淑梅. 基于概念格的數(shù)字圖書館信息推送服務(wù)方法研究［J］. 圖書情報工作，2012，56（17）：66，122-125.

［13］ 陳淑英，徐劍英，劉玉魏，等. 關(guān)聯(lián)規(guī)則應(yīng)用下的高校圖書館圖書推薦服務(wù)［J］. 圖書館論壇，2018（2）：97-102.

［14］ 艾金勇. 圖書館讀者借閱行為的關(guān)聯(lián)規(guī)則挖掘研究［J］. 情報探索，2017（1）：40-43.

［15］ 李欣. 強(qiáng)關(guān)聯(lián)規(guī)則挖掘在智慧圖書館個性化推送服務(wù)中的應(yīng)用研究［J］. 情報科學(xué)，2018，36（4）：95-99.

［16］ 張明霞，龔劍. 國內(nèi)外圖書館營銷研究述評［J］. 圖書館學(xué)研究（應(yīng)用版），2010（3）：7-10.

［17］ 尤婷. 社交網(wǎng)站用戶行為特征及其內(nèi)在機(jī)制研究——以“人人網(wǎng)”為例［D］. 北京：北京郵電大學(xué)，2012.

An Analysis of Multiple-Way User Behaviors of Academic Library Seat Reservation System

YIN XiangQuan

( Beijing Normal University Library, Beijing 100875, China )

With the breakdown of mobile techniques, mobile ways of space services in academic libraries have been developed in recent years. It is important to understand the differences of user behaviors among different service ways for better services. Based on the library marketing theory, a user behavior model which is user specific and service way specific is rendered. The model takes user viscosity, user activity and user output as indicators, divides users and ways to different classes, and uses descriptive analysis, clustering and multivariate analysis of variance methods. The model is applied in the 2.5-year-long records of seat reservation system collected by Beijing Normal University Library, and strategies including an improvement of mobile service advertisement and a personalized recommendation based on the seat clustering results are suggested.

Library Seat Reservation System; Library Marketing; User Behavior Analysis; User Viscosity; Mobile Service

*本研究得到教育部人文社會科學(xué)研究規(guī)劃基金項目“數(shù)據(jù)驅(qū)動的圖書館精細(xì)化服務(wù)模式與保障機(jī)制研究”（編號：17YJA870011）資助。

G250

10.3772/j.issn.1673-2286.2019.10.006

尹相權(quán)，男，1982年生，碩士，館員，研究方向：圖書情報領(lǐng)域數(shù)據(jù)挖掘，E-mail：yinxq@lib.bnu.edu.cn。

（2019-10-08）