T版层次分析模型在微博与SNS社交网站中的应用

层次分析模型在微博与SNS社交网站中的应用(基于层次分析法的微博与SNS社交网站用户特征的分析)【摘要】众所周知用户是微博与社交网站核心，为了展开讨论本文首先从用户的特征展开分析,通过构建层次分析模型对其用户特征进行定量分析，从人口统计变量(性别，年龄)、社会变量（学历,行业)、人格与心理变量（性格)对用户的特点进行分析与描述,选择出有显著影响的7个因素。再以这7个因素为切入点,从宏观的角度对两类网站进行比较，进一步挖掘两类网站的营销价值和进展潜力,并分析这些价值对微博和社交网站进展产生的影响.最后，我们整合全部结果，并以用户需求为基础，提出了适合两类网站的进展途径。【关键词】微博SNＳ社交网站层次分析法用户特征进展潜力问题的提出:ﻫ

微博即微型博客,是Web3.０兴起的一类互联网社交服务。第一个微博产品是２０06年崛起的Ｔwiｔter.200７年3月饭否(现已关闭）引入国内。随后国内微博服务商如同雨后春笋般崛起，除了独立微博以外，门户网站将微博视为新的“标配”。新浪在传统博客领域独领风骚，于2００9年８月推出新浪微博，借其惯用的“名人路线”大获成功,在国内微博界独领风骚。随后，网易、腾讯等门户网站及人民网、和讯网等媒体网站,也间续推出微博。目前，国内较大有影响力微博有十余家。ﻫ

SNS，全称SｏciａlNeｔworｋingSerｖices，即社会性网络服务,专指旨在帮助人们建立社会性网络的互联网应用服务。1967年,哈佛高校的心理学教授ＳtanｌeyＭilgrａｍ(１９3３～１９８4)创立了六度分隔理论，简洁地说:“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够熟识任何一个陌生人。”依据六度分隔理论,每个个体的社交圈都不断放大，最后成为一个大型网络。这是社会性网络（ＳociaｌNetwoｒkｉng)的早期理解。后来有人依据这种理论,创立了面对社会性网络的互联网服务,通过“熟人的熟人”来进行网络社交拓展.但“熟人的熟人"，只是社交拓展的一种方式，而并非社交拓展的全部.因此，现在一般所谓的SNS,则其含义已经远不止“熟人的熟人”这个层面。比如依据相同话题进行分散(如贴吧)、依据学习经历进行分散(如faｃeboｏｋ)、依据周末出游的相同地点进行分散等,都被纳入“SNS”的范畴.面对这些新兴之物,几乎全部的讨论都集中在微博与社交网站的进展动因之上，却忽视了他们的使用群体.用户自身特点对网络媒介的选择有什么影响，他们又有哪些营销价值。这些都缺乏详实的实证分析证据.本文将通过构建层次模型来解读用户自身的特征对微博与社交网站进展的影响,并探究这些用户的营销价值。由于人人网的扫瞄量在SNS网站中处肯定优势，新浪微博的扫瞄量在微博中处肯定优势。所以，我们把人人网和新浪微博作为讨论对象,以点带面，最终评价微博与SNS社交网站.

2.1模型建立层次分析方法的基本过程，大体可以分为如下六个基本步骤:（1)明确问题。即弄清问题的范围,所包含的因素,各因素之间的关系等,以便尽量掌握充分的信息.（２)建立层次结构。在这一个步骤中，要求将问题所含的因素进行分组，把每一组作为一个层次，依据最高层(目标层）、若干中间层(准则层)以及最低层（措施层)的形式排列起来。这种层次结构常用结构图来表示（见图６－１）,图中要标明上下层元素之间的关系。如果某一个元素与下一层的全部元素均有联系，则称这个元素与下一层次存在有完全层次的关系；如果某一个元素只与下一层的部分元素有联系,则称这个元素与下一层次存在有不完全层次关系。层次之间可以建立子层次，子层次从属于主层次中的某一个元素，它的元素与下一层的元素有联系，但不形成独立层次.(３）构造推断矩阵.这一个步骤是层次分析法的一个关键步骤.推断矩阵表示针对上一层次中的某元素而言,评定该层次中各有关元素相对重要性的状况,其形式如下：尺度含义1ａi与aｊ的重要性相同3ai比aj的重要性稍强５ai比aｊ的重要性强7ai比aｊ的重要性明显地强９ai比aｊ的重要性肯定地强２，4，6，8ａi比ａｊ的重要性在上述两个相邻等级之间1，1/2,……，1/９ａi比aｊ的重要性与上相反

显然,对于任何推断矩阵都应满意因此,在构造推断矩阵时,只需写出上三角（或下三角)部分即可。一般而言,推断矩阵的数值是依据数据资料、专家意见和分析者的熟识,加以平衡后给出的。衡量推断矩阵质量的标准是矩阵中的推断是否具有全都性。如果推断矩阵存在关系：则称它具有完全全都性。但是,因客观事物的简洁性和人们熟识上的多样性，可能会产生片面性，因此要求每一个推断矩阵都有完全的全都性显然是不行能的,格外是因素多、规模大的问题更是如此。为了考察层次分析法得到的结果是否基本合理,需要对推断矩阵进行全都性检验。(４）层次单排序。层次单排序的目的是对于上层次中的某元素而言，确定本层次与之有联系的元素重要性次序的权重值。它是本层次全部元素对上一层次而言的重要性排序的基础。层次单排序的任务可以归结为计算推断矩阵的特征根和特征向量问题，即对于推断矩阵B，计算满意：BＷ＝λｍaxW

(5）的特征根和特征向量。（5）式中,λmax为B的最大特征根，Ｗ为对应于λmax的正规化特征向量，W的重量Wi就是对应元素单排序的权重值。通过前面的分析，我们知道，当推断矩阵Ｂ具有完全全都性时,λmａx=n。但是，在一般情况下是不行能的。为了检验推断矩阵的全都性，需要计算它的全都性指标:（６)式中,当ＣI=0时,推断矩阵具有完全全都性；反之，ＣＩ愈大,则推断矩阵的全都性就愈差。为了检验推断矩阵是否具有令人满意的全都性，则需要将ＣＩ与平均随机全都性指标RI（见表6-１)进行比较。一般而言，1或２阶推断矩阵总是具有完全全都性的。对于2阶以上的推断矩阵，其全都性指标CＩ与同阶的平均随机全都性指标RI之比,称为推断矩阵的随机全都性比例，记为CR.一般地，当

时,我们就认为推断矩阵具有令人满意的全都性;否则，当CＲ≥0.１时，就需要调整推断矩阵，直到满意为止。阶数1２３45678910111２131415ＲI00０．58０．901。12１.24１。321.411。４51。4９1.52１．5４１.５61.5８1．59

(5）层次总排序。利用同一层次中全部层次单排序的结果，就可以计算针对上一层次而言的本层次全部元素的重要性权重值，这就称为层次总排序。层次总排序需要从上到下逐层挨次进行.对于最高层，其层次单排序就是其总排序。若上一层次全部元素A1,A2,…，Am的层次总排序已经完成,得到的权重值分别为a１，a2,…，ａm与ａj对应的本层次元素B1,B2，…，Ｂｎ的那么,得到的层次总排序显然,即层次总排序为归一化的正规向量.(6)全都性检验。为了评价层次总排序的计算结果的全都性，类似于层次单排序，也需要进行全都性检验。为此,需要分别计算下列指标:在（9)式中,CＩ为层次总排序的全都性指标，CIj为与ａj对应的B层次中推断矩阵的全都性指标;在(１0)式中,RI为层次总排序的随机全都性指标,RＩj为与aj对应的Ｂ层次中推断矩阵的随机全都性指标;在(１１）式中,CR为层次总排序的随机全都性比例。同样,当CＲ＜0.1０时，则认为层次总排序的计算结果具有令人满意的全都性；否则,就需要对本层次的各推断矩阵进行调整，从而使层次总排序具有令人满意的全都性.一。符号说明综合评价指标体系如下：⑴：性别：男：女⑵：年龄:青少年(小于30）:中年(３０—５0）：老年（大于50）⑶:行业：同学：白领：工人:退休⑷:学历:高中及以下：本科：本科以上⑸:性格:外向：内向：SNS社交网站：微博目标层Ａ准则层B子准则层C方案层D媒介的选择性别男社交网站女年龄青少年中年老年行业同学白领一般员工网络微博退休性格内向外向学历高中及以下本科或专科本科以上下面我们利用以上评价指标构造层次结构形成目标层Ａ,准则层Ｂ,子准则层Ｃ和方案层D。通过在网上收集的数据对方案层２个指标，进行了综合评价得到的对比矩阵如下第一层关系矩阵：对媒介选择的影响:其次层关系矩阵：1.性别的影响：２。．年龄的影响:3．行业的影响:4．学历的影响：5。性格的影响：第三层关系矩阵：二计算矩阵权重和全都性指标1。对于影响媒介选择的矩阵求解:0。０2170。02４3０．10２40．1７2１0．０5510．3７1９0。298５2.对性别影响的求解:0。0000０.00０００。66６７0。33３3３．对年龄影响的求解：0．0068０.003５0.66940．242６0。０879４：对行业影响的求解:０。００77０．00690。56930.1３3０0。22４0０．０７３７５:对学历影响的求解：０.００000.００００0．20000.４０000．４00０6：对性格影响的求解:0。0００00．００000.66670.33３３全都性检验:当〈0。1０时,认为矩阵的全都性是可以接受的，否则对矩阵数据做出修正.Ａ的０.02１7通过全都性检验!的0．0000通过全都性检验！的0。0０68通过全都性检验!的0.０00０通过全都性检验!的０.0０77通过全都性检验!的０。0０00通过全都性检验!有表格对应的各个矩阵的值可以推断以上各个矩阵的全都性是可以接受的。7:方案层D对子准则层Ｃ（共14个因素）的权向量和全都性检验（ｋ＝1，2，……１4)列入表中C１Ｃ２Ｃ３C４C5Ｃ6C70．０６830。03410。11520．041８0.015１0．03１4０.00730。80．25０.20.7５0.50。８3３30．1２50.20。75０.80．25０。5０.16６70。８７5００00000C8Ｃ９Ｃ１0C１1C1２C13Ｃ1４0．01230.０041０。０74４０。1４88０。1４８80．１９910。０9９4０.6６６70.50.83３30．90.25０.7５0.80。３33３0．50。16670.10．75０.250．20００00０0其中C对Ａ的权向量而以为列向量的矩阵以表中14个权向量构成矩阵则:方案层D对目标层Ａ组合权向量为全都性检验全都性检验通过三比较分析通过层次总权值表我们得到因素，，，，,，将对网络媒介的选择产生重要影响.下面对以上７个因数进行综合分析，我们借鉴了已有的网站用户的人口资料.依据CNNIＣ于2010年6月所最新公布的《第26次中国互联网络进展状况统计报告》中网民情况的数据进行横向比较(如下表二所示）来显示微博与SＮS社交网站用户的基本情况。微博特点归纳如下：

（１）在性别构成中，男性群体比例占肯定主导；ﻫ（２）在年龄构成中，１8-4０岁之间的社会中坚力气占７7.8％,处肯定优势；

(3)在教育背景构成中，大专、高校本科及以上的高学历用户占84．9%，超出平均值６1。6个百分点；ﻫ（4）在收入构成中，用户整体的收入水平较高,尤其以1001—２000元居多;ﻫ（5)在职业构成中,专业技术人员、党政机关事业单位工作者及企业单位管理人员等核心领域的用户群体规模较大。

因而，微博的核心用户是：年龄处在18－４0岁之间受过高等教育的男性群体，他们往往都是白领人群，并拥有着较高的工作收入,他们更有可能关注时政话题和经济热点，并对以高质量、权威性为标志的严格网络产品拥有较高的需求度，新浪微博产品的业务开发也是基于以上细分的用户需求而制定网站范围层的功能规格和内容需求的。社交类网站的特征：（１）使用社交网站的用户性别比例为52.9:47．1,男性略高于女性。与ＣNNＩC第２６次《中国互联网络进展状况统计报告》中的全国网民男性为53%，女性为4７％的性别分布高度全都(２）社交网站用户的年轻化特征格外突出,用户群以２０-２9岁的青年为主,达到52。６%,高出全国网民平均水平22。８个百分点，而在其他年龄分段上，均低于全国网民的平均水平.（３)大专以上学历的用户占到了社交网站用户的近六成水平,达到5９．1％,超过全国平均水平3４个百分点。同学群体是社交网站的最大用户群体，比例达到50．3％由于人人网的扫瞄量在SNS网站中处肯定优势,新浪微博的扫瞄量在微博中处肯定优势。所以，我们把人人网和新浪微博作为讨论对象，以点带面,最终评价微博与SＮS社交网站。校内网新浪微博CNＮIＣ数据性别男52。959。２５４．80％女２7．１４0．８４５。20%年龄青少年62。６45．９３９.０0%中年3１．５45。434。1０％老年５。9８。76．９０%教育背景高中或以下27．２15。１７６．80%大专或本科５6。5６０．41２。００％本科以上16。324．311.３０%收入低4７.６３1.742．10％中3５.６５4.452．80％高1７。８13.９５．10％职业同学50．337。８3０.70％一般员工25.328．7２６.10％白领２0.32６．3３7．３0%退休4。1７.66．90%三、以用户体验的角度，从横向和纵向两个层面考量微博产品和社交网站价值：

通过对微博和社交网站用户层的特点揭示之后，我们要关注的一个问题便是：社交网站和微博产品的价值从多大程度上符合了网站战略核心层的要求。在信息管理学领域，通常将用户体验(ｕｓeｒ

experiｅｎce）来作为讨论网站的框架(Ｕsｅｒ

Exｐerｉeｎcｅ

Ｃonferｅｎce：２0０6/2009)

。因此，我们便以用户体验的角度深化考察网站中较为显性的结构层、框架层和表现层要素，从而窥探出微博和社交网站当下的价值所在。由于条件所限，我们运用推断抽样(Judgment

sａmｐling)的方法选取200位具有典型代表性的新浪微博用户与校内网用户。接着，笔者结合传播学定性讨论方法中的实地访谈法（fｉeld

ｉnteｒｖｉｅｗ）和用户测试法(coｎteｘｔual

ｉnquiry）来进行讨论,前一种方法能揭示访谈对象对自己的使用人民微博的想法和感受（Joanｎ

Ｋeyｔon,２00９：P3７1）,而后一种方法可以使用户来测试微博产品的改版效果或潜在的可用性问题（J.Ｊ。Ｇaｒrett，2０10：Ｐ46)

,此两种方法可以互为补充。ﻫ1．第一个考察维度是让被访者将新浪微博与校内网进行横向比较:

据及最多的方面以整体定位、整体风格、功能服务、明星资源、人气量及整体用户体验度等五个维度进行编码，简略情况如下表四所示:校内网新浪微