新媒体用户研究 PPT第八章 数据与算法框架下的新媒体用户.pptxVIP

新媒体用户研究 PPT第八章 数据与算法框架下的新媒体用户.pptx

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

第八章

数据与算法框架下的新媒体用户

目录

数据化生存:另一种媒介化生存

第一节

第一种是个体被动产生的数据内容,例如,用户进入网络中的各种平台,都要进行注册并提供相应的个人信息。

第二种是个体主动生产的数据内容,无论是在论坛、即时通信、博客,还是微博、微信、视频平台中,用户都会自主地制造出大量的内容。

第三种是介于主动与被动之间的数据,如可穿戴设备形成的用户数据。

从信息技术的角度看,任何数字化的信息都是“数据”,从个体对数据的控制关系角度来看,个体的“数据”有三种形式:

个人数据

这些数据至少在记录个人行为的同时,也记录下了很多社会场景、社会活动,并传达出这背后的社会情绪。这些记录,可以与大众媒体的记录形成一种补充、印证关系。

互联网早期,“数据”更多地具有公共记录与公共交流的偏向。

从博客开始,“数据化”的重点开始向“自我”倾斜。数据成为个体重要的生活痕迹,个体在其中体现出来的对自我形象的展示与控制较论坛时期更为明显。“数据”成为人们展现与塑造“自我”的重要手段。

用户画像的数据化描绘

第二节

ADD

TITILE

一、个体用户的数据化画像

今天大量的用户数据分析,是针对个体用户的数据画像,其目标,是揭示用户的自然属性、个性特点、兴趣偏好、行为习惯、需求特征等,甚至有些画像还能揭示出个体的政治倾向、态度立场等。

个体用户的数据画像,主要依赖以下几类数据:

其一是用户在各种平台提供的相关个人信息。

其二是用户在社交平台公开分享的内容。

其三是用户在各种平台的行为数据,如浏览记录、点赞、购物行为等。

ADD

TITILE

二、群体用户的数据化画像

从用户画像角度看,除了人口统计学方面的特征外,对群体成员的共同心理和共性特征的把握,更为重要。

目前对网络群体进行画像的主要目的:

一是为了针对群体进行营销或其他与经济相关的活动;

二是为了对不同群体的文化进行研究;

三是为了研究社会意见分布与走向,面向不同目的的用户画像框架会有所不同。

在这些社群里,往往也会形成一定的成员关系模式,例如常常会出现意见领袖这样的话语权中心,也会有一些意见领袖的跟随者。

多数这类封闭社群,其成员的人口统计学特征并不明显,有时甚至在这方面完全没有规律可循。这时,理解社群特征的出发点,是社群成员的连接纽带,最常见的纽带是兴趣、文化偏好、利益(包括经济利益、社会资本、文化资本)等。

二、群体用户的数据化画像

网络族群的画像研究,有些时候并不只是为了刻画一个孤立的族群,而是同时描绘在同一领域里的“一簇”族群,这既是为了对一个大的人群进行差异化研究,也是为了在比较中来体现每个族群的特点。

对于网络族群,用户画像要解决的核心问题主要包括:发现其行为或文化共性,提炼其特征标签且使其可以进行数据化测量,划分族群边界,刻画成员的人口统计学特征。

二、群体用户的数据化画像

对这些离散却有共性的人群进行画像,不仅可以为某些内容的传播或产品的营销提供目标,也可以更好地理解网络社会的公众心态及动向。

除了网络族群,网络中还会有其他的一些离散但在某些方面具有共性的人群,这些人群还无法上升到“族群”的级别,他们的流动性也更强,但发现这些具有共性的人群并描绘他们的共性画像,在很多时候也是有意义的。

二、群体用户的数据化画像

例如,有国外研究者通过采集机场用户的手机轨迹数据并从中抽取机场用户的实时行为特征,构建用户行为画像,判断机场排队、拥堵等情况,并且在此基础上基于用户画像模型研发了一个决策支持系统。

对于这类人群来说,空间的定位是画像的基础,此外,还需要理解、分析从空间位置延伸出来的相关行为,对用户在这些用户上的特征或即时状态进行数据化分析。相比其他人群,基于空间的人群具有很强的流动性,其画像很多时候应该是实时的。

二、群体用户的数据化画像

ADD

TITILE

三、整体用户的数据化画像

这里所说的整体用户,是指某个产品或某个领域里的用户整体。虽然今天的数据化画像主要是面向个体和小群体的,但某些时候,一个产品的用户往往会有多个子群,在关注个体、子群的差异基础上,对用户整体的共同特征做出分析与判断,仍然是有必要的。对于媒体来说,这一点尤为重要。

有些产品或领域的用户构成相对单一,有些则是由多种类型的用户构成的。将整体用户细分为若干“子集”,对每个子集进行人口统计学特征的描述、行为及文化共性的提炼,有助于对整体用户进行把握。

三、整体用户的数据化画像

对于某些网络产品来说,用户可能是集中在某些平台,甚至产品本身就是用户平台,但也有些产品的用户可能是分散在网络里的,例如新闻内容的用户,对自己的用户的分布模式做出分析,有助于寻找到产品到达用户的更优路径。

三、整体用户的数据化画像

用户对产品的使用常常是基于一定的场景,即相应的时空和社交氛围。场景既有面向整体的共性化场景,也有面向

文档评论(0)

allen734901 + 关注
实名认证
文档贡献者

副教授持证人

知识共享

领域认证 该用户于2024年11月14日上传了副教授

1亿VIP精品文档

相关文档