socialbeta 社会化媒体用户研究
Transcript of socialbeta 社会化媒体用户研究
目 录目 录
社会化媒体相关研究介绍Introduction
关系型社会媒体的用户行为特征Section1
内容分享型社会媒体的用户行为内容分享型社会媒体的用户行为Section2
小结:用户行为分析的应用?小结:用户行为分析的应用?Discussion
2
社会化媒体浪潮社会化媒体浪潮
3
社会化媒体带来的研究机遇社会化媒体带来的研究机遇
[Science 2009 February 6; 323(5915): 721–723 David Lazer et al ][Science. 2009 February 6; 323(5915): 721–723. David Lazer et al.]
Internet为我们提供了理解人们言行、相互关系的截然不同的途径。
社会化媒体则提供了研究个人结构化地位、交互行为、内在感知之间影响关系的空前机会。关系的空前机会。
4
社会化媒体相关研究方向社会化媒体相关研究方向
用户行为分析
用户关系分析
群体信息利用
信息传播和扩散信息传播和扩散
5
社会化媒体的分类社会化媒体的分类
基于关系基于内容
基于关系基于内容
分享
6
目 录目 录
社会化媒体的相关研究介绍Introduction
关系型社会媒体的用户行为特征Section1
内容分享型社会媒体的用户行为内容分享型社会媒体的用户行为Section2
小结:用户行为分析的应用?小结:用户行为分析的应用?Discussion
7
关系型社会媒体用户行为关系型社会媒体用户行为
【Characterizing User Behavior in Online Social Networks】Fabrício Benevenuto, Tiago Rodrigues, Meeyoung Cha, and Virgílio AlmeidaPublished in IMC’09
基于实际的用户行为数据,作者对多个SNS的用户使用情况进行了分析情况进行了分析。
8
关系型社会媒体用户行为关系型社会媒体用户行为
两部分数据集
1. 来自巴西某个社会网络聚合网站的用户点击记录
2. 使用爬虫获得的 Orkut 的社会网络拓扑结构
9
关系型社会媒体用户行为关系型社会媒体用户行为
在线用户数量随时间的变化
3 PM
Weekends
10
关系型社会媒体用户行为关系型社会媒体用户行为
用户活动统计性质
11
关系型社会媒体用户行为关系型社会媒体用户行为点击流模型(Click Stream Model)
第一步第 步
辨识出显著的用户行为
第 步第二步
计算各种行为之间的转算 种 转移概率
12
关系型社会媒体用户行为关系型社会媒体用户行为点击流模型(Click Stream Model)
O k t的用户行为Orkut的用户行为
通用搜索通用搜索
留言簿留言簿好友资料好友资料
对行为类别进行
站内信息站内信息社区活动社区活动分类标注
好友评价好友评价视频图片视频图片
13
关系型社会媒体用户行为关系型社会媒体用户行为点击流模型(Click Stream Model)
用户各种行为的用时比例(1)用户各种行为的用时比例(1)
14
关系型社会媒体用户行为关系型社会媒体用户行为点击流模型(Click Stream Model)
用户各种行为的用时比例(2)用户各种行为的用时比例(2)
15
社会媒体用户的行为特征社会媒体用户的行为特征
用用户各种种行为为的相相互转化化概率
16
率
关系型社会媒体用户行为关系型社会媒体用户行为用户各种行为类别的相互转化概率
17
关系型社会媒体用户行为关系型社会媒体用户行为Orkut 用户的社会化互动
显性互动显性互动 隐性互动隐性互动
18
关系型社会媒体用户行为关系型社会媒体用户行为Orkut 用户的社会化互动
隐性互动的分布
19
关系型社会媒体用户行为关系型社会媒体用户行为Orkut 用户的社会化互动
显性互动的分布
20
关系型社会媒体用户行为关系型社会媒体用户行为Orkut 用户的社会化互动
用户互动的好友数与自身好友数的关系
隐性互动占整体互动的85%
其他研究表明,在Facebook中,接近60%的用户全年都没有互动活动。
一个简单的解释是 加好友容易 但是真的愿意跟他们互动的很少
21
一个简单的解释是,加好友容易,但是真的愿意跟他们互动的很少
目 录目 录
社会化媒体的相关研究介绍Introduction
关系型社会媒体的用户行为特征Section1
内容分享型社会媒体的用户行为内容分享型社会媒体的用户行为Section2
小结:用户行为分析的应用?小结:用户行为分析的应用?Discussion
22
内容分享型社会媒体用户行为内容分享型社会媒体用户行为【Analyzing Patterns of User Content Generation
in Online Social Networks】Lei Guo, Enhua Tan, Songqing Chen, Xiaodong Zhang, and Yihong (Eric) Zhao
Published in KDD’09Published in KDD 09
作者在本文中,实证分析了三种内容分享型在线社会化媒体上的用户生成内容(UGC)模式上的用户生成内容(UGC)模式。
博客网站
社会书签网站
在线问答网站
23
内容分享型社会媒体用户行为每天和每周的模式分析(1)
内容分享型社会媒体用户行为
博客文章 博客图片
24
内容分享型社会媒体用户行为每天和每周的模式分析(2)
内容分享型社会媒体用户行为
书签提交 答案提交
25
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
用户与内容增长分析书签博客
• 增加速率同样是递减的,但是用户增加往往高于Post增加,这与博客不同• 平均的用户贡献数量变化不明显,说明了两种类型的UCG本身的特性
26
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
UGC的用户时限分布
• 对于社会书签网站,用户年限接近均匀分布限接近均匀分布
• 对于博客,用户可能一开始
比较热衷 但是后期就逐渐变比较热衷,但是后期就逐渐变得均匀
• 对于问答网站 注册时间小• 对于问答网站,注册时间小于200天的用户的贡献占了绝
大多数。因为回答问题本身是一种利他行为,用户会逐渐对种利他行为,用户会逐渐对于这种行为变得懒惰
27
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
原创复制
噪声
28
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
博客复制内容的分布
均匀分布,没有明显的波动
29
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
Power Law分布是在互联网和社会网络中最常见的分布形式
α−∝ iyi ∝ iyi
长尾现象长尾现象
30
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
用户原创贡献的排序分布
在用户原创贡献中,作者发现,其实际上满足的是一个扩展的指数分布
biayci +−= log
31
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
用户原创贡献的排序分布
32
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
用户原创贡献的“80-20”现象
33
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
核心用户比例
核心用户:贡献内容的下降速度低于其排名的增加速度速度低于其排名的增加速度。
34
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
UGC质量的刻画标度
biayci +−= log
扩展因子c反映了UGC的质量,
或者说用户创造内容的工作量。UGC的质量越高 c越小UGC的质量越高,c越小。
35
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
UGC质量的刻画标度(续)
用户在维基百科上的贡献通常都会比较认真,因此c 很小,这时候此c 很小,这时候
所以维基百科上的贡献就满足了Power Law分布,
ici yy log~
所以维基百科上的贡献就满足了Power Law分布,这结果也与之前的研究相同。
用户在Twitter上的贡献通常都会比较随意,因此c 比较大 UGC的分布将会更平坦 些比较大,UGC的分布将会更平坦一些。
36
内容分享型社会媒体用户行为内容分享型社会媒体用户行为
UGC的产生和消费
在之前对于UGC消费(比如YouTube上的视频观看)的研究中,发现这些UGC对象的消费分布同样满足扩展的指数分布。该分布中,扩展因子c反应了UGC本身的规模(比如视频长度、文件大小),c 越大,UGC对象的规模就越大。
因此就产生了一些疑问:UGC的产生和消费之间是否存在某种关联?UGC的产生和消费之间是否存在某种关联?为什么有些站点可以拥有高质量的UGC并取得成功,而有
些不能?我们能否通过UGC本身的一些性质,预测点击率或者流量?
37
目 录目 录
社会化媒体的相关研究介绍Introduction
关系型社会媒体的用户行为特征Section1
内容分享型社会媒体的用户行为内容分享型社会媒体的用户行为Section2
小结:用户行为分析的应用?小结:用户行为分析的应用?Discussion
38
小结 用户行为分析的应用?小结:用户行为分析的应用?
用户分类 倾向分析用户分类
精确投放
倾向分析
产品设计
用户建模用户建模
趋势预测 ?
39
社会化媒体相关研究方向社会化媒体相关研究方向
UI和应用设计 广告精准投放
用户行为分析
UI和应用设计、广告精准投放
用户关系分析
社区管理、CRM、ERP
群体信息利用
众包、信息市场
信息传播和扩散信息传播和扩散
40
病毒(口碑)营销、PR
其他一些比较有趣的工作其他 些比较有趣的工作
在今年的WWW会议上, Haewoon Kwak 等人分析了用户在Twitter上的信息分享行为,并与其他站点(Flickr、Cyworld)进行比较 他们 为人们 多的是把 当作 种新闻媒介进行比较,他们认为人们更多的是把Twitter当作一种新闻媒介,而不是一种社会网络。
密歇根州大的 Lampe 等人长期关注于社会化媒体(Facebook)的用户行为。 他们的系列研究工作从用户交互行为变化分析开始
,采用实证分析和问卷调查等方式,研究用户行为的模式及其内在动机 并围绕“社会资本”来解释用户行为
来自Facebook的Burke 等人基于用户记录,研究了用户在社会
化媒体中贡献的动机 他们发现那些观察到好友贡献行为的新用
在动机,并围绕 社会资本 来解释用户行为。
化媒体中贡献的动机。他们发现那些观察到好友贡献行为的新用户将会分享更多的内容。并且那些初始被引导去分享内容、得到反馈、许多人看到他们贡献的新用户,将会有更多的分享行为。
41
对内容有疑问或者有其他观点,欢迎与我讨论。
Logan @SocialBetaXR @ iLoganLXR @t.sina
Hilllee @twitter