層次分析模型在微博與SNS社交網站中的應用(基于層次分析法的微博與SNS社交網站用戶特征的分析)【摘要】眾所周知用戶是微博與社交網站核心，為了展開討論本文首先從用戶的特征展開分析,通過構建層次分析模型對其用戶特征進行定量分析，從人口統計變量(性別，年齡)、社會變量（學歷,行業)、人格與心理變量（性格)對用戶的特點進行分析與描述,選擇出有顯著影響的7個因素。再以這7個因素為切入點,從宏觀的角度對兩類網站進行比較，進一步挖掘兩類網站的營銷價值和進展潛力,并分析這些價值對微博和社交網站進展產生的影響.最后，我們整合全部結果，并以用戶需求為基礎，提出了適合兩類網站的進展途徑。【關鍵詞】微博SNＳ社交網站層次分析法用戶特征進展潛力問題的提出:?

微博即微型博客,是Web3.０興起的一類互聯網社交服務。第一個微博產品是２０06年崛起的Ｔwiｔter.200７年3月飯否(現已關閉）引入國內。隨后國內微博服務商如同雨后春筍般崛起，除了獨立微博以外，門戶網站將微博視為新的“標配”。新浪在傳統博客領域獨領風騷，于2００9年８月推出新浪微博，借其慣用的“名人路線”大獲成功,在國內微博界獨領風騷。隨后，網易、騰訊等門戶網站及人民網、和訊網等媒體網站,也間續推出微博。目前，國內較大有影響力微博有十余家。?

SNS，全稱SｏciａlNeｔworｋingSerｖices，即社會性網絡服務,專指旨在幫助人們建立社會性網絡的互聯網應用服務。1967年,哈佛高校的心理學教授ＳtanｌeyＭilgrａｍ(１９3３～１９８4)創立了六度分隔理論，簡潔地說:“你和任何一個陌生人之間所間隔的人不會超過六個，也就是說，最多通過六個人你就能夠熟識任何一個陌生人。”依據六度分隔理論,每個個體的社交圈都不斷放大，最后成為一個大型網絡。這是社會性網絡（ＳociaｌNetwoｒkｉng)的早期理解。后來有人依據這種理論,創立了面對社會性網絡的互聯網服務,通過“熟人的熟人”來進行網絡社交拓展.但“熟人的熟人"，只是社交拓展的一種方式，而并非社交拓展的全部.因此，現在一般所謂的SNS,則其含義已經遠不止“熟人的熟人”這個層面。比如依據相同話題進行分散(如貼吧)、依據學習經歷進行分散(如faｃeboｏｋ)、依據周末出游的相同地點進行分散等,都被納入“SNS”的范疇.面對這些新興之物,幾乎全部的討論都集中在微博與社交網站的進展動因之上，卻忽視了他們的使用群體.用戶自身特點對網絡媒介的選擇有什么影響，他們又有哪些營銷價值。這些都缺乏詳實的實證分析證據.本文將通過構建層次模型來解讀用戶自身的特征對微博與社交網站進展的影響,并探究這些用戶的營銷價值。由于人人網的掃瞄量在SNS網站中處肯定優勢，新浪微博的掃瞄量在微博中處肯定優勢。所以，我們把人人網和新浪微博作為討論對象,以點帶面，最終評價微博與SNS社交網站.

2.1模型建立層次分析方法的基本過程，大體可以分為如下六個基本步驟:（1)明確問題。即弄清問題的范圍,所包含的因素,各因素之間的關系等,以便盡量掌握充分的信息.（２)建立層次結構。在這一個步驟中，要求將問題所含的因素進行分組，把每一組作為一個層次，依據最高層(目標層）、若干中間層(準則層)以及最低層（措施層)的形式排列起來。這種層次結構常用結構圖來表示（見圖６－１）,圖中要標明上下層元素之間的關系。如果某一個元素與下一層的全部元素均有聯系，則稱這個元素與下一層次存在有完全層次的關系；如果某一個元素只與下一層的部分元素有聯系,則稱這個元素與下一層次存在有不完全層次關系。層次之間可以建立子層次，子層次從屬于主層次中的某一個元素，它的元素與下一層的元素有聯系，但不形成獨立層次.(３）構造推斷矩陣.這一個步驟是層次分析法的一個關鍵步驟.推斷矩陣表示針對上一層次中的某元素而言,評定該層次中各有關元素相對重要性的狀況,其形式如下：尺度含義1ａi與aｊ的重要性相同3ai比aj的重要性稍強５ai比aｊ的重要性強7ai比aｊ的重要性明顯地強９ai比aｊ的重要性肯定地強２，4，6，8ａi比ａｊ的重要性在上述兩個相鄰等級之間1，1/2,……，1/９ａi比aｊ的重要性與上相反

顯然,對于任何推斷矩陣都應滿意因此,在構造推斷矩陣時,只需寫出上三角（或下三角)部分即可。一般而言,推斷矩陣的數值是依據數據資料、專家意見和分析者的熟識,加以平衡后給出的。衡量推斷矩陣質量的標準是矩陣中的推斷是否具有全都性。如果推斷矩陣存在關系：則稱它具有完全全都性。但是,因客觀事物的簡潔性和人們熟識上的多樣性，可能會產生片面性，因此要求每一個推斷矩陣都有完全的全都性顯然是不行能的,格外是因素多、規模大的問題更是如此。為了考察層次分析法得到的結果是否基本合理,需要對推斷矩陣進行全都性檢驗。(４）層次單排序。層次單排序的目的是對于上層次中的某元素而言，確定本層次與之有聯系的元素重要性次序的權重值。它是本層次全部元素對上一層次而言的重要性排序的基礎。層次單排序的任務可以歸結為計算推斷矩陣的特征根和特征向量問題，即對于推斷矩陣B，計算滿意：BＷ＝λｍaxW

(5）的特征根和特征向量。（5）式中,λmax為B的最大特征根，Ｗ為對應于λmax的正規化特征向量，W的重量Wi就是對應元素單排序的權重值。通過前面的分析，我們知道，當推斷矩陣Ｂ具有完全全都性時,λmａx=n。但是，在一般情況下是不行能的。為了檢驗推斷矩陣的全都性，需要計算它的全都性指標:（６)式中,當ＣI=0時,推斷矩陣具有完全全都性；反之，ＣＩ愈大,則推斷矩陣的全都性就愈差。為了檢驗推斷矩陣是否具有令人滿意的全都性，則需要將ＣＩ與平均隨機全都性指標RI（見表6-１)進行比較。一般而言，1或２階推斷矩陣總是具有完全全都性的。對于2階以上的推斷矩陣，其全都性指標CＩ與同階的平均隨機全都性指標RI之比,稱為推斷矩陣的隨機全都性比例，記為CR.一般地，當

時,我們就認為推斷矩陣具有令人滿意的全都性;否則，當CＲ≥0.１時，就需要調整推斷矩陣，直到滿意為止。階數1２３45678910111２131415ＲI00０．58０．901。12１.24１。321.411。４51。4９1.52１．5４１.５61.5８1．59

(5）層次總排序。利用同一層次中全部層次單排序的結果，就可以計算針對上一層次而言的本層次全部元素的重要性權重值，這就稱為層次總排序。層次總排序需要從上到下逐層挨次進行.對于最高層，其層次單排序就是其總排序。若上一層次全部元素A1,A2,…，Am的層次總排序已經完成,得到的權重值分別為a１，a2,…，ａm與ａj對應的本層次元素B1,B2，…，Ｂｎ的那么,得到的層次總排序顯然,即層次總排序為歸一化的正規向量.(6)全都性檢驗。為了評價層次總排序的計算結果的全都性，類似于層次單排序，也需要進行全都性檢驗。為此,需要分別計算下列指標:在（9)式中,CＩ為層次總排序的全都性指標，CIj為與ａj對應的B層次中推斷矩陣的全都性指標;在(１0)式中,RI為層次總排序的隨機全都性指標,RＩj為與aj對應的Ｂ層次中推斷矩陣的隨機全都性指標;在(１１）式中,CR為層次總排序的隨機全都性比例。同樣,當CＲ＜0.1０時，則認為層次總排序的計算結果具有令人滿意的全都性；否則,就需要對本層次的各推斷矩陣進行調整，從而使層次總排序具有令人滿意的全都性.一。符號說明綜合評價指標體系如下：⑴：性別：男：女⑵：年齡:青少年(小于30）:中年(３０—５0）：老年（大于50）⑶:行業：同學：白領：工人:退休⑷:學歷:高中及以下：本科：本科以上⑸:性格:外向：內向：SNS社交網站：微博目標層Ａ準則層B子準則層C方案層D媒介的選擇性別男社交網站女年齡青少年中年老年行業同學白領一般員工網絡微博退休性格內向外向學歷高中及以下本科或專科本科以上下面我們利用以上評價指標構造層次結構形成目標層Ａ,準則層Ｂ,子準則層Ｃ和方案層D。通過在網上收集的數據對方案層２個指標，進行了綜合評價得到的對比矩陣如下第一層關系矩陣：對媒介選擇的影響:其次層關系矩陣：1.性別的影響：２。．年齡的影響:3．行業的影響:4．學歷的影響：5。性格的影響：第三層關系矩陣：二計算矩陣權重和全都性指標1。對于影響媒介選擇的矩陣求解:0。０2170。02４3０．10２40．1７2１0．０5510．3７1９0。298５2.對性別影響的求解:0。0000０.00０００。66６７0。33３3３．對年齡影響的求解：0．0068０.003５0.66940．242６0。０879４：對行業影響的求解:０。００77０．00690。56930.1３3０0。22４0０．０７３７５:對學歷影響的求解：０.００000.００００0．20000.４０000．４00０6：對性格影響的求解:0。0００00．００000.66670.33３３全都性檢驗:當〈0。1０時,認為矩陣的全都性是可以接受的，否則對矩陣數據做出修正.Ａ的０.02１7通過全都性檢驗!的0．0000通過全都性檢驗！的0。0０68通過全都性檢驗!的0.０00０通過全都性檢驗!的０.0０77通過全都性檢驗!的０。0０00通過全都性檢驗!有表格對應的各個矩陣的值可以推斷以上各個矩陣的全都性是可以接受的。7:方案層D對子準則層Ｃ（共14個因素）的權向量和全都性檢驗（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對Ａ的權向量而以為列向量的矩陣以表中14個權向量構成矩陣則:方案層D對目標層Ａ組合權向量為全都性檢驗全都性檢驗通過三比較分析通過層次總權值表我們得到因素，，，，,，將對網絡媒介的選擇產生重要影響.下面對以上７個因數進行綜合分析，我們借鑒了已有的網站用戶的人口資料.依據CNNIＣ于2010年6月所最新公布的《第26次中國互聯網絡進展狀況統計報告》中網民情況的數據進行橫向比較(如下表二所示）來顯示微博與SＮS社交網站用戶的基本情況。微博特點歸納如下：

（１）在性別構成中，男性群體比例占肯定主導；?（２）在年齡構成中，１8-4０歲之間的社會中堅力氣占７7.8％,處肯定優勢；

(3)在教育背景構成中，大專、高校本科及以上的高學歷用戶占84．9%，超出平均值６1。6個百分點；?（4）在收入構成中，用戶整體的收入水平較高,尤其以1001—２000元居多;?（5)在職業構成中,專業技術人員、黨政機關事業單位工作者及企業單位管理人員等核心領域的用戶群體規模較大。

因而，微博的核心用戶是：年齡處在18－４0歲之間受過高等教育的男性群體，他們往往都是白領人群，并擁有著較高的工作收入,他們更有可能關注時政話題和經濟熱點，并對以高質量、權威性為標志的嚴格網絡產品擁有較高的需求度，新浪微博產品的業務開發也是基于以上細分的用戶需求而制定網站范圍層的功能規格和內容需求的。社交類網站的特征：（１）使用社交網站的用戶性別比例為52.9:47．1,男性略高于女性。與ＣNNＩC第２６次《中國互聯網絡進展狀況統計報告》中的全國網民男性為53%，女性為4７％的性別分布高度全都(２）社交網站用戶的年輕化特征格外突出,用戶群以２０-２9歲的青年為主,達到52。６%,高出全國網民平均水平22。８個百分點，而在其他年齡分段上，均低于全國網民的平均水平.（３)大專以上學歷的用戶占到了社交網站用戶的近六成水平,達到5９．1％,超過全國平均水平3４個百分點。同學群體是社交網站的最大用戶群體，比例達到50．3％由于人人網的掃瞄量在SNS網站中處肯定優勢,新浪微博的掃瞄量在微博中處肯定優勢。所以，我們把人人網和新浪微博作為討論對象，以點帶面,最終評價微博與SＮS社交網站。校內網新浪微博CNＮIＣ數據性別男52。959。２５４．80％女２7．１４0．８４５。20%年齡青少年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%大專或本科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％職業同學50．337。８3０.70％一般員工25.328．7２６.10％白領２0.32６．3３7．３0%退休4。1７.66．90%三、以用戶體驗的角度，從橫向和縱向兩個層面考量微博產品和社交網站價值：

通過對微博和社交網站用戶層的特點揭示之后，我們要關注的一個問題便是：社交網站和微博產品的價值從多大程度上符合了網站戰略核心層的要求。在信息管理學領域，通常將用戶體驗(ｕｓeｒ

experiｅｎce）來作為討論網站的框架(Ｕsｅｒ

Exｐerｉeｎcｅ

Ｃonferｅｎce：２0０6/2009)

。因此，我們便以用戶體驗的角度深化考察網站中較為顯性的結構層、框架層和表現層要素，從而窺探出微博和社交網站當下的價值所在。由于條件所限，我們運用推斷抽樣(Judgment

sａmｐling)的方法選取200位具有典型代表性的新浪微博用戶與校內網用戶。接著，筆者結合傳播學定性討論方法中的實地訪談法（fｉeld

ｉnteｒｖｉｅｗ）和用戶測試法(coｎteｘｔual

ｉnquiry）來進行討論,前一種方法能揭示訪談對象對自己的使用人民微博的想法和感受（Joanｎ

Ｋeyｔon,２00９：P3７1）,而后一種方法可以使用戶來測試微博產品的改版效果或潛在的可用性問題（J.Ｊ。Ｇaｒrett，2０10：Ｐ46)

,此兩種方法可以互為補充。?1．第一個考察維度是讓被訪者將新浪微博與校內網進行橫向比較:

據及最多的方面以整體定位、整體風格、功能服務、明星資源、人氣量及整體用戶體驗度等五個維度進行編碼，簡略情況如下表四所示:校內網新浪微