类研究.PDFVIP

商务即时通阿里旺旺的宏观统计特性与高活跃用户分 类研究 1 1 2 1 许小可 许爽 刘肖凡 徐征 1 大连民族学院信息与通信工程学院 2 东南大学计算机科学与工程学院 摘要 即时通讯（Instant messaging，简称IM）是目前很流行的一种终 端服务，它允许两人或多人使用互联网即时传递文字、文件、语音与视 频，对于传统的电话、E-mail等通信方式，即时通讯不仅节省费用，而 且效率更高。一般即时通讯工具如QQ等仅具有社交功能，而阿里旺旺不 但能实现朋友之间的社会性交流，也能完成一些非常重要的商务功能， 如寻找客户资源和实现低成本的商务交流。 本课题主要做了以下三部分工作，首先基于抽样理论和方法分析 了整个阿里旺旺即时通系统的各种宏观统计特性，如总用户数量、每天 通信量的动态波动以及每天的活跃用户数量等，这些信息是衡量阿里旺 旺在整个即时通软件领域市场地位和商业份额的重要指标，对于研究天 猫和淘宝商城用户的商业集群行为也有重要的辅助作用。 其次，阿里旺旺系统中最有商业价值的就是那些高活跃性用户，基 于随机记录的抽样方法也使数据集中这部分用户的信息相对更准确些， • 2 • 商务即时通阿里旺旺的宏观统计特性与高活跃用户分类研究 因此本文使用社交网络理论对阿里旺旺的高活跃性用户进行了分类。根 据出权（发短消息数量）和入权（收消息数量）之间关系将高活跃性用 户分为：客服中心型（收短消息数量远大于发短消息数量）、广告传播 型（发短消息数量远大于收短消息数量）和高影响力型 （收发短消息的 数量均很大）。这三类用户不仅在社交网络的出入权上有不同的特点， 他们和其他用户信息交互的人类动力学特征也明显不同，这些特征对于 挖掘垃圾广告传播着、寻找优质商家等实际应用具有重要的参考价值。 最后，本研究发现用户交互的动力学特征和其商业行为息息相关， 因此尝试使用加权社交网络分析方法中的友谊关系的传递性理论来区 分高影响力用户的社交和商务两类活动，我们发现高影响力用户具有迅 速衰减的边权重分布和极弱的友谊传递性，自我中心网具有和其他社交 通信系统明显不同的星型结构，说明阿里旺旺中的商务交流远大于社会 交流，因此我们认为阿里旺旺属于典型的商务即时通工具。这意味着在 不区分买家和卖家角色的前提下使用社交网络理论分析旺旺系统是不 合适的，因为卖家-卖家以及买家-买家之间不易形成短消息联系，这造 成整个旺旺网络的碎片化，而买家-卖家之间形成卖家主导的星型结构。 本项目研究具有重要的理论研究价值和一定的实际应用前景，根据 阿里旺旺兼有社交功能和商务功能的特点，本研究理论上有助于我们深 入理解加不同类别（如个人社会交往、商务活动、企业内部办公等）人 类交互行为的统一性和差异性；实践上有利于我们根据用户行为的类别 来改进即时通讯工具的用户体验，如进一步在阿里旺旺丰富的商务功能 中融入更多符合用户需求的社交模块，在保证目前商务功能的前提下增 加旺旺的社交黏性，提高用户在旺旺系统中的社交活跃度等。 商务即时通阿里旺旺的宏观统计特性与高活跃用户分类研究 • 3 • 第一章 阿里旺旺用户群的宏观统计特性分析 1.1 竞赛数据说明 在本次阿里数据平台创新大赛中，主办方提供了一个真实的大规模 阿里旺旺数据集，具体为2011年11月份10%的阿里旺旺通信记录。数据 抽样的方式是随机记录抽样，文件大小为解压缩前为2.8GB，文档类型 是CSV格式，总的记录数为1.3亿条（具体数值为133937090），数据的结 构如表1.1所示，第一列为通信发生的时间，精确到天，第二列是通信 的发起人匿名化后的编号，第三列是通信的接收人匿名化后的编号。 表 1.1：旺旺通信包含了通信发起时间(time)、通信发起人(from_user)和接收人(to_user)， 每条记录表示发起人和接收人在这一天至少有一次交流。时间的精度取到天。 研究者得到的抽样数据而不是全部数据，如何由抽样