社会化媒体用户研究

社会化媒体用户行为研究Logan中科院自动化所[e-mail]2010-5-15分享会@北京社会化媒体相关研究介绍关系型社会媒体的用户行为特征IntroductionSection1目录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？Discussion2社会化媒体浪潮3社会化媒体带来的研究机遇[Science.2009February6;323(5915):721–723.DavidLazeretal.]4Internet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。社会化媒体相关研究方向用户关系分析群体信息利用用户行为分析信息传播和扩散5社会化媒体的分类6基于关系基于内容分享社会化媒体的相关研究介绍关系型社会媒体的用户行为特征IntroductionSection1目录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？Discussion7关系型社会媒体用户行为【CharacterizingUserBehaviorinOnlineSocialNetworks】FabrícioBenevenuto,TiagoRodrigues,MeeyoungCha,andVirgílioAlmeidaPublishedinIMC’098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。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10在线用户数量随时间的变化3PMWeekends关系型社会媒体用户行为11用户活动统计性质关系型社会媒体用户行为12点击流模型(ClickStreamModel)第一步辨识出显著的用户行为第二步计算各种行为之间的转移概率关系型社会媒体用户行为13点击流模型(ClickStreamModel)Orkut的用户行为通用搜索留言簿站内信息好友评价视频图片社区活动好友资料对行为类别进行分类标注关系型社会媒体用户行为14点击流模型(ClickStreamModel)用户各种行为的用时比例(1)关系型社会媒体用户行为15点击流模型(ClickStreamModel)用户各种行为的用时比例(2)社会媒体用户的行为特征16用户各种行为的相互转化概率关系型社会媒体用户行为17用户各种行为类别的相互转化概率关系型社会媒体用户行为18Orkut用户的社会化互动显性互动隐性互动关系型社会媒体用户行为19Orkut用户的社会化互动隐性互动的分布关系型社会媒体用户行为20Orkut用户的社会化互动显性互动的分布关系型社会媒体用户行为21Orkut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隐性互动占整体互动的85%社会化媒体的相关研究介绍关系型社会媒体的用户行为特征IntroductionSection1目录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？Discussion22内容分享型社会媒体用户行为23【AnalyzingPatternsofUserContentGenerationinOnlineSocialNetworks】LeiGuo,EnhuaTan,SongqingChen,XiaodongZhang,andYihong(Eric)ZhaoPublishedinKDD’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。博客网站社会书签网站在线问答网站24每天和每周的模式分析(1)博客文章博客图片内容分享型社会媒体用户行为25每天和每周的模式分析(2)书签提交答案提交内容分享型社会媒体用户行为26内容分享型社会媒体用户行为用户与内容增长分析书签•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本身的特性博客27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•对于博客，用户可能一开始比较热衷，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，用户会逐渐对于这种行为变得懒惰28内容分享型社会媒体用户行为噪声原创复制29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30内容分享型社会媒体用户行为PowerLaw分布是在互联网和社会网络中最常见的分布形式iyi长尾现象31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log32内容分享型社会媒体用户行为用户原创贡献的排序分布33内容分享型社会媒体用户行为用户原创贡献的“80-20”现象34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。35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。36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，这时候所以维基百科上的贡献就满足了PowerLaw分布，这结果也与之前的研究相同。iciyylog~用户在Twitter上的贡献通常都会比较随意，因此c比较大，UGC的分布将会更平坦一些。37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？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？社会化媒体的相关研究介绍关系型社会媒体的用户行为特征IntroductionSection1目录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？Discussion38小结：用户行为分析的应用？39用户分类精确投放倾向分析产品设计用户建模趋势预测？社会化媒体相关研究方向用户关系分析群体信息利用用户行为分析信息传播和扩散40UI和应用设计、广告精准投放病毒（口碑）营销、PR社区管理、CRM、ERP众包、信息市场其他一些比较有趣的工作41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。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。在今年的会议上，HaewoonKwak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。对内容有疑问或者有其他观点，欢迎与我讨论。Logan@[e-mail]@twitter