JASIST 論文系列 – 網上使用者行為分析
為了擴展我們部落格的人氣(有嗎?),我們決定推出一個新單元,就是找尋一些刊登在國外期刊的有趣的論文或是實驗結果,介紹給大家看,這麼作有兩個原因,一方面可以藉由論文的結果,找出某些網站成功的原因,另一方面是可以找到一些理論基礎,去支持它本身的創意,簡單的說,就是希望能幫助大家更能了解這網路這千變萬化的世界。
我們選了目前有關訊息科學(information science)的期刊中算是最頂尖的一本 ─ JASIST(Journal of American Society for Information Science and Technology),它裡面的討論內容包羅萬象,從最底層的資料庫(database)技術到前端的使用者介面設計(user interface design),對於這些資訊系統(information system)的使用者行為模式分析,都可以在這本期刊看到,當然,更別說是探討當前最紅的網站(web)技術的相關論文,這些都將會是我們今後論文挑選的重點所在。
第一篇論文,我們非常驕傲的選了一篇是從台灣及北京的大學來的學者們所共同發表的研究成果 ─ 「Characterizing Web User’s Online Information Behavior」(分析網路使用者的行為模式)。我想對每一個從事網路相關產業的工作者,使用者的行為就等於金錢,只要能知道大家想要的是什麼,並能夠適時推出符合大家期待的東西,那受大家歡迎就是可以預期的結果,但是就像老話常說的,人心難測,要知道人在想什麼,只怕除了坐小叮噹的時光機回到未來以外,是沒甚麼辦法可以知道的。這篇論文首先非常宏觀的(Macro)將使用者的上網行為量化成三軸,X 軸是使用者瀏覽網站種類的數目(No. categories navigated), Y 軸是在每一種類下會瀏覽網站的數目(average no. sites per category),Z 軸是在每一個網站下使用者會瀏覽的頁數(average no. pages per sites),作者想要知道的是,首先這三個量化的參數是怎樣關聯的,一個會到處瀏覽各種種類的使用者,是否有可能也會對每種類別的網站相對瀏覽的比較多?又或者在逛了這麼多個網站,每個網站都有仔細的逛嗎?還是就會隨便逛逛呢?
為了節省篇幅,我就直接說結果了吧!首先,作者發現 X 軸跟 Y 軸是正相關的(positive corrected),簡單的說,一個人會瀏覽多種類的網站時,他也會相對的瀏覽在同一種類下比較多的網站;同樣的,Z 軸也跟 X 軸和 Y 軸有正相關,一個很愛逛多種類網站的人,也同樣的會在同一個網站下逛比較多的頁面;而一個 X 軸跟 Y 軸比較多的人,瀏覽網站的速度會變快,一個平常就逛很多種網站的人,每頁的停留時間會變小,同樣的,在每個網站逛很多頁的人,每頁停留的時間也會變小。接下是我覺得比較有意思的部份,一個很愛用搜尋引擎的人(the propensity to make explicit searches on search engine),則不會去逛很多種類的網站,即使在同一種類下,他也不會太逛很多網站,同樣的,在同一個網站下,也不會逛很多的頁面。我覺得這是一個很有意思的結果,很多網站都希望能夠在許多知名搜尋引擎下把自己排得很前面,希望能藉此衝高流量,但是大部分從搜尋引擎來的人,卻不會去花時間逛網站的其他頁面,因此高排名是否能給網站一些助益,似乎還有可以商榷的地方。最後一個是,一個很愛逛多種網站的人,比較不會去逛重複性很高的網站,同樣的,Z 軸很多的人,也不會去逛重複性很高的網站,就像一個人常常去聯合新聞網看新聞,就比較不會再花時間去中時電子報看新聞。
最後,說一下我個人的心得,我覺得這篇很有野心的想找出所有人的網站瀏覽行為模式,作者們並沒有設定任何實驗者的條件,他們想找出得是一般人的行為通則,因此所得到的結論也是非常的通用化,似乎對於作網站者來說,缺少更具指標性的分析。
圖片、資料來源 : Huang, Shen, Chiang, & Lin (2007). Characterizing Web User’s Online Information Behavior. Journal of the American Society for Information Science and Technology. Vol 58(13).
2 responses so far




喔喔
感覺還滿有意思的
不知道您可以討論的再深入一點嗎??
例如一些methodology之類的
這樣可以造福廣大的讀者阿
您好,感謝你的留言,這篇論文的主要資料是由創市際市場研究顧問公司提供,在2,022有效樣本下,於2003年七月所作的調查,根據論文的說明,他們應該是在客戶端上裝上追蹤軟體,紀錄這整個月來,使用者所有的上網資料。