基于用户情境的图书馆智慧推送服务研究*

孙 鹏 沈 敏 杨新涯 向 晴

（1.沈阳师范大学图书馆 沈阳 110034 2.重庆大学图书馆 重庆 400044）

在当前泛在信息环境下，用户对图书馆的服务提出了更高的要求，希望图书馆在海量信息中能够为用户挖掘出个性化的、匹配度较高的内容，并以适当的途径或手段推送给用户，提高用户获取信息的效率。基于用户情境的智慧推送就是在全面感知、准确分析用户情境数据基础上进行的，按照一定的模型和标准对用户在图书馆产生的行为数据进行深度挖掘和关联分析，及时、准确识别用户的行为特点和需求特征，动态锁定用户的需求变化，最终为用户提供更有价值的、智慧化的内容推送服务。

1 用户情境与行业应用

1.1 情境研究

情境是指能够被使用的特征化处境和实体的任何信息，其实体可以是用户与应用交互的人、地点和对象等[1]。对图书馆而言，用户情境就是图书馆能够感知到的、用户所独有的一些特征，包括时间情境、位置情境、社交情境、行为情境、资源情境等。关于图书馆与情境的研究，多聚焦在移动图书馆和数字图书馆两方面，热词主要有情境感知、数字图书馆、移动图书馆、个性化服务、用户情境等。移动图书馆方面的研究主要围绕信息接受情境的维度融合、模型构建、计算模式、适配机制、个性推送等领域，而数字图书馆方面的研究主要从交互情境开发、嵌入集成、路径优化、策略评估等视角展开。

1.2 行业应用案例

情境在电子商务领域的应用是最为成功的。在亚马逊卖出的图书中，80%以上来自系统的推荐[2]。它采用的推荐算法把用户情境作为重要的参考指标，还主动接受用户的反馈，比如在推荐图书后面专门设置了“Fix this recommendation（修正这一推荐）”按钮[3]，目的是不断让用户帮助校准推送的内容。淘宝推荐系统中把消费者流量中的人群特征作为情境信息的重要来源，包括年龄、性别、收入、偏好等强化标签，情境信息采集得越细致[4]，推送的商品就越能满足用户的需要。除此之外，情境信息在滴滴、美团、百度地图中都有应用，能够为用户带来更精准的体验效果。

2 基于用户情境的智慧推送服务路径

王福根据情境要素及相互作用关系，将信息接受情境分为接受层、汇聚层、核心层和发现层，每一层都有不同的功能，逐层递进，完成情境信息从获取到分析，再到发现的模式构建，为情境信息的利用提供了可能[5]。受此启发，笔者将情境化信息推送模型分为三个层次：数据层、分析层和推送层，分别承担数据感知与情境抽取、数据分析、资源推送与通道建设等功能，见图1。

图1 推送模型

2.1 数据层

数据层主要功能是收集业务数据和感知情境信息，包括数据组织、数据清洗、数据校验、数据加工、数据抽取、数据存储、数据备份等[6]，要尽量保证推送到分析层的数据完整、有效、合法。情境信息一般是从业务数据中分离出来的专业、特长、时间、位置等信息，也有通过其他渠道或途径（智能终端或可穿戴设备等）感知到的短期兴趣、研究项目等信息。情境信息能够直接反映出用户某些独有的特征，这类特征具有很强的时效性，超过这个时间周期就不具备情境价值。如科研课题的时间情境信息，只有在课题研究过程中有助于收集相关内容，才有推送价值，一旦课题研究结束，再推送相关内容就没有价值。表1具体细化了需要收集的数据及其属性，其中方括号内的属性代表了比较重要的情境信息。

表1 数据源及必备属性

2.2 分析层

分析层主要功能是对数据层传输过来的数据，在一定的标准和规则下进行情境化分析，根据推送群体的不同，制定不同的分析方案，即解决服务对象和推送内容的问题。表2列出了对不同来源数据进行分析的方向：①门禁数据可以将入馆频率、在馆时长、入馆时段作为分析方向，它们在一定程度上能够反映出用户对图书馆的依赖程度和利用特征。根据用户在馆时长的聚类分析，我们可以分析出用户来图书馆的目的。比如30%的用户在馆时长不足1小时，说明这30%的用户到馆是借还书、浅阅读、找人等，肯定不是来学习，因为时间太短；②借阅数据可以将借阅频率、借阅时段、借阅时长、借阅图书主题词聚类等作为分析方向，这在一定程度上能够反映出用户的借阅习惯、研究方向等。比如借阅时长低于3天的用户，通常只是进行了浅阅读，或只查找了图书中的部分片段。本次研究仅以门禁数据和借阅数据作为数据来源进行分析，推送的内容也以这两部分数据为主。

表2 数据分析的主要方向

分析层需要解决的问题就是推送对象的分层和推送内容的细化。推送对象分为三个群体：个人用户群、管理用户群和决策用户群。个人用户群就是个人用户，管理用户群指各院所领导，决策用户群指图书馆领导。由于不同群体所关注的焦点不同，推送的内容自然不同。个体用户群通常只对本人的信息感兴趣，因此推送的内容具有链式特点，都是关于个体用户不同维度的信息；管理用户群一般比较关注本院所用户的整体情况，因此推送内容是树式多元信息，由若干具有同一归属情境（同一院所）的链式信息组成，而且这些链式信息之间具有某些相关性，能够反映出一些特征和趋势；决策用户群关注所有用户对图书馆的利用情况，因此推送的内容是域式信息，由若干树式信息组成，它们之间也有某些情境属性的关联[5]。由于用户情境的多维性、可变性和交叉性，分析视角和推送内容呈现出多样性和互通性，内容粒度也会有所不同。表3是向不同用户群体推送信息的结构和简单描述，在实际推送过程中内容不局限于此。

表3 各群体推送内容描述

图书馆在具体分析某一用户的数据时，首先从用户的基本信息和门禁数据开始，抽取情境信息。由于情境信息具有多样性、阶段性、突发性和时效性等特征，所以我们要把情境信息融入数据分析的全过程，提高分析结果的价值性[7]。比如：用户在外语等级考试准备阶段，推送内容应以外语等级考试相关的图书（新书、经典书）和资源（在线模拟考试库）为主，考试结束后立即停止这类内容的推送，这是基于时间情境的推送；用户刷卡进入图书馆后，可以推送座位和IC空间空余、活动预告、新书、热门书、预约、到期、超期等内容，这是基于位置情境的推送；根据用户学期课程开设情况，定期推送与课程相关的参考书目、新到图书等内容，这是基于专业情境的推送。

图书馆在具体分析某院所所有用户的信息时，通常也是基于时间情境。比如开学第一个月，院所用户总体的到馆比率（到馆次数与用户数之比）、在馆时长、人均在馆时长、借阅比率、借阅时长、借阅图书主题聚类等，这些内容能够反映该院所用户开学后的总体学习状态回归情况。图书馆将其推送给相应的管理用户，管理用户便可以根据状态分析原因，进行相应的引导、激励等，营造一种向上的学习氛围。

图书馆在具体分析所有用户信息时，要按照时间、学院、类型等情境聚类，当然这些情境之间也存在交叉和复用的情况。按时间情境聚类分析，可以分为每周、每月、每学期、每年等，同时提供一些同比或环比数据作为参考；按照院所情境聚类分析，每个院所用户对图书馆的整体利用情况，包括入馆率、在馆时长、借阅率、借阅时长等；按照类型情境聚类分析，不同类型用户（本科生、硕士生、博士生、社会用户等）对图书馆的整体利用情况，包括入馆率、在馆时长、借阅率、借阅时长等。

从以上不同情境下的分析结果来看，推送内容主要有三种：资源型，主要基于历史数据预测推送相关资源；报告型，主要是不同时间段、不同类型、不同院所的用户对图书馆的利用情况；服务型，为用户提供IC空间、座位、活动等方面的信息。

2.3 推送层

推送层包含传递单元和反馈单元，主要功能是通过合适的通道将分析层产生的内容传递给用户，同时将用户的反馈结果传递回来。根据当前环境下用户接受信息的习惯，推送以线上通道为主。

2.3.1 传递单元

线上通道主要通过与图书馆相关的网络完成推送，具体形式包括：主页、微博、微信、博客、短信、QQ、E-mail、多媒体信息发布系统等。如果推送可以通过走访、公告栏等方式完成，则采取线下的方式。每一种通道都有适用的内容和场景，具体见表4，可以根据内容特点选择合适的通道。通道一般是双向的，可以推送内容，也可以接受反馈。

表4 推送通道与适合推送的内容

向个人用户群推送的内容，因为比较个性化，一般通过微信、短信、QQ、E-mail实现，当然个人用户也可以通过主页、博客、多媒体发布系统获取共性内容。内容比较短的实时信息，一般通过微信（需要在图书馆微信平台将微信与借阅证绑定）、短信、QQ直接推送给个人，包括IC空间、座位、入馆位次、预约、到期、超期、活动等内容。内容比较长、时效性要求不高的信息，比如个人阶段性图书馆利用情境报告、新书、热门书、专业图书等，则可以通过E-mail进行推送。

向管理用户群和决策用户群推送的内容，时效性要求不高，通常以阶段性报告为主。如年度大数据分析报告（或阅读报告），由于报告内容较多，且有同比或环比数据、排行榜等信息，一般会通过E-mail推送。这些内容也可以通过院系走访等形式推送，反馈效果会更为明显，更能引起管理层对图书馆服务效能的关注。

2.3.2 反馈单元

反馈单元的信息主要来源于两部分：一部分来自用户的直接反馈，是显性的反馈；另一部分来自图书馆的主动跟踪，是隐性的反馈。图书馆应通过对这两部分指标的综合评定，不断调整数据分析策略，优化推送内容[7]。

用户的直接反馈，通常是指用户在接受推送内容后，对其价值、时效性、匹配度等进行打分，即对推送内容进行量化反馈，而不是简单的“非常好、好、一般、较差、很差”之类的反馈。这种方式是用户主动参与其中的，效果直观。由于推送内容的不同，反馈的量化指标也有所侧重：针对资源型内容的反馈，侧重匹配度，即内容的适用性；针对报告型内容的反馈，侧重权威性，即内容的可用性；针对服务型内容的反馈，侧重时效性，即内容的有用性。

图书馆的主动跟踪，通常是在图书馆向用户推送相关内容后，对推送效果进行持续关注的一种做法。亚马逊卖出的图书80%以上来自系统推荐，可见精准推送的价值。因此，图书馆要通过主动跟踪来弥补用户直接反馈的缺失或不足，通过多维指标评定推送内容的准确性，不断优化推送策略。比如：图书馆根据用户专业情境推送的图书，用户是否已经借阅，阅读周期是多少天等，根据这样的主动跟踪，就能准确评判推送内容是否契合用户的真实需求。

3 基于用户情境的智慧推送服务思考

3.1 部门联动，协同推进

情境化的智慧推送建立在对用户情境数据的完整、有效收集和分析基础之上，虽然在实践过程中存在一定困难，却是图书馆在新常态下寻求转型与创新的进路之一。首先要打破部门之间的壁垒，以去中心化的扁平化管理模式进行推进，强调部门之间的协作，明确责任，避免推诿，同时建立有效的评价与保障机制；其次要设立专属责任人，具体推动情境化信息的采集与规范处理，保障各部门能够按要求、按规定横向协同推进，充分发挥个体的能动作用；最后要注重技术支持的可持续性，强化技术支撑下的情境交互与长效作用，特别是数字环境下技术对情境信息的感知与探知作用。

3.2 精准介入，开拓创新

智慧推送要求图书馆推送给用户的内容具有较高价值，契合用户真实需求，在外界环境不断变化的情况下，能够持续得到用户认可，形成一个长效、稳定、智慧的服务共同体。一是坚持需求促供给的思维定式转变，重构业务架构与业务流程，由图书馆主导转向用户主导，自底向上，不断拓展服务维度，全力释放服务能效；二是寻求用户环境的精准介入与创新支持，不断完善用户情境数据采集系统，以发现数据关联价值为探测点，深度挖掘用户的需求特征，增强对用户行为的感知力，细化资源粒度与服务单元，为用户提供集成化知识服务。

3.3 注重规划，常态运营

在智能时代大背景下，图书馆应将智慧推送服务作为一项常态化工作来开展，积极制定发展规划，同时加强对用户反馈信息的接收和处理，不断完善智慧推送机制，让服务更接地气、更有温度和质感。一是注重规划意识与愿景力量，常态化推进智慧服务并将其纳入图书馆的战略规划，助力图书馆在精准化数据服务方面有所突破和创新，比如对基于用户情境的阅读资源的个性化、智慧化推送；二是丰富智慧推送的内容和形式，内容上讲究由表及里、融会贯通，具有较强的趋势性和导向性，形式上要充分依托新媒体的受众面并发挥其影响力，比如微信公众平台，在传播速度与受众群体方面优势明显。

（来稿时间：2018年7月）