基于VALS2的在线健康社区大学生用户群体画像构建研究

郭顺利　张宇

DOI：10.3969/j.issn.1008-0821.2021.10.006

[中图分类号]G252.0 [文献标识码]A [文章编号]1008—0821（2021）10—0047—12

近年来，互联网、大数据、新媒体技术的深入普及与广泛运用，以及公民健康意识的不断增强，促进了在线健康社区（Online Health Community，OHC）的兴起和蓬勃发展。越来越多的网络用户基于在线社交、获取医疗资讯和利用健康知识的目的活跃于在线健康社区之中。在线健康社区逐渐成为他们社交互动咨询、获取健康资源、共享医疗信息、关注健康管理的渠道与途径。尤其是面对2020年突如其来的新冠肺炎疫情，在线健康社区凭借不受地域限制、排查疑似病例、减少接触、避免交叉感染等特點，成为疫情期间人们寻医问诊和健康信息交流的重要场所。据相关数据统计，好大夫、平安好医生等在内的多家在线健康社区在疫情期间的访问量呈明显激增势头。其中，好大夫社区在2020年2月期间，1个月的新增注册用户的数量比2019年12月增长近3.5倍，并且每日用户提交的在线健康问诊、医学知识咨询的需求量比2019年12月日均增长近6.5倍。然而，在线健康社区的信息供给虽然在一定程度上能够满足用户的信息需求，但随着健康信息体量的不断增加，用户寻找其需求知识的难度也逐级上升，健康社区的信息供给与用户的特定需求之间未能达到平衡。

与此同时，随着社会生活压力的增大和自然环境污染的加剧，年轻一代中出现的健康问题日趋显著，健康信息已经成为青年群体关心的日常生活信息之一。然而，高校大学生（包括大专生、本科生及研究生）用户群体作为当今社会重要的青年群体，他们既拥有较高的学历，也对新兴技术和新鲜事物的接收程度高，并且网络知识搜寻和获取已成为他们学习生活中必不可少的一部分。因此，大学生用户逐渐成为在线健康社区重要群体。在线健康社区如何掌握和获取大学生用户群体的健康信息需求和用户特征，并面向需求和行为特征开展智能化、个性化的精准服务已成为当前在线健康社区发展的关键性问题。而作为新兴的数据分析工具的用户画像技术，恰能为在线健康社区的用户特征表示、精准服务实现提供良好的理论支持与方法支撑。基于此，本文选取大学生用户为研究对象，借鉴用户画像技术探析该用户群体的特征和具体需求类型，以期协助平台运营商更好地为大学生用户提供精准化服务。

1相关理论及研究基础

1.1在线健康社区用户的相关研究

目前有关在线健康社区用户的研究，主要集中体现在利用不同的研究方法或工具，对某一特定用户群体就用户的信息行为、信息需求或使用意愿等方面展开研究。这些研究成果表明，在线健康信息对不同用户群体会产生不同程度的差异化影响。例如，在用户信息行为方面，Oh C等从信息消费类、社区交流类和自我表达类3个角度细分了用户的信息参与行为。许云红等则采用多元逻辑回归的方法，分别探究了甜蜜家园中初级组、中级组和高级组3个不同级别用户参与行为模式的影响因素。在用户信息需求方面，徐孝婷等结合马斯洛需求层次理论，利用定性与定量相结合的方法构建并解释了老年用户健康信息需求模型的内涵。Ekberg J等采用定性研究的方法，通过收集青少年对健康评价和健康信息观点的定性数据，得出终端用户需求与组织目标和资源之间存有冲突的结论。在用户使用意愿方面，王文韬等利用扎根理论和半结构化访谈的方式，探究用户使用意愿的影响因素并构建相关模型。Gonzalez M等则通过以不同种族的美国人为研究对象.发现种族因素也是影响在线健康社区用户使用意愿的重要指标。

1.2用户画像的相关研究

用户画像（User Profile）又称为用户原型、用户角色等，最早提出用户画像概念的交互设计之父Cooper A，将其定义为基于用户真实数据的虚拟代表。用户画像作为理解目标用户、具化用户形象、明确服务目标的一项工具，广泛应用在解读用户需求、实现精准服务中。目前，国内外学者尝试从用户的不同视角构建画像模型，在探索不同模型为学术研究带来可能性的同时，也逐步丰富着用户画像技术的成熟。例如，在基于本体的构建方法中，Calegari S等结合用户个性检索的信息，从现有YAGO本体中提取知识以构建用户画像。单晓红等则采用Protege工具从用户信息属性、酒店信息属性和用户评价信息属性3个维度，建立本体实现携程用户画像属性之间的关联。在基于主题的构建方法中，Kim J等从用户的阅读水平及主题分布的角度出发，提出了包含阅读内容和阅读任务多样性等方面的概念主题模型以刻画用户。在基于用户行为的画像中，黄文彬等从用户移动速度、周期性活动规律、频繁活动规律3方面入手，刻画体现出目标用户日常行为规律和移动情况的动态画像。诚然，用户画像作为日益成熟的数据分析工具，能够基于不同视角、多种方法全面细致地抽象出用户在特定情境下的信息全貌，以此准确描述差异化的用户群体特征，实现用户需求的外显与表达。

1.3 VALS2市场细分理论

市场细分理论是由美国市场营销学家Smith W R于1956年提出的一个重要的市场营销理论，其目的在于满足消费者的差异化需求，挖掘潜在的用户市场，从而促进资源配置优化，提高企业的经济效益。它是一个消费者细分模型，也被称为价值观及生活方式调查（Values and Lifestyle Survey，简称VALS）。此模型在1989年加入了心理学等测量因素后，逐渐发展成为VALS2模型。VALS2模型将用户的价值观和生活方式加入细分因素，更能反映出用户的人文心理特征和市场的消费分众趋势。此模型是基于人类社会基本价值观点的理论模式，具备良好的适用性与测量效度，逐渐受到图书情报领域学者的广泛关注。最早该模型主要被应用于制定资源与服务的营销战略，目前VALS2模型在市场营销、新闻传播、心理学、图书情报等领域得到了广泛应用，具有较好的理论基础和实践应用经验。

1.4用户生命周期理论

国内研究者从2000年前后开始研究用户生命周期理论（简称用户生命周期，也称客户生命周期），生命周期理论最初用于研究个人和家庭的生命周期过程，具体指出生、成长、衰退、死亡的全过程。后应用于企业管理、市场营销学客户研究领域，并不断地被拓展，相继提出领导力生命周期理论、企业生命周期理论、产品生命周期理论、信息生命周期理论等。用户生命周期描述了用户关系从一种状态或者一个阶段向另一状态或阶段运动的总体特征，其代表了基于用户关系水平随时间变化的发展轨迹。可以说，用户生命周期理论是总结用户关系的理论方法，它的发展是分阶段完成的，能够清晰洞察各用户关系的动态特征。陈明亮基于阶段划分提出了考察期、形成期、稳定期、退化期4阶段模型。同样地，蒋国瑞等认为用户生命周期管理起始于平台识别潜在用户，终结于平台与用户二者关系的破裂。也就是说，用户生命周期管理是指如何从庞大的消费群体中甄别出目标用户，同时围绕平台与目标用户之间的关系，从建立、发展到成熟和衰退的全生命过程的管理。可以说，用户生命周期理论是从用户初始状态到终末状态的动态性描述，用户在每一阶段所维持的状态时期会不尽相同。按照用户生命周期管理理论，企业或者运营者根据与用户所处的不同关系阶段，对目标用户进行动态跟踪管理，同时制定每个阶段的市场营销与运营组合策略，满足不同生命阶段用户群体的需求，以达到用户价值最大化，实现企业与客户的双赢。因此，本研究拟借鉴用户生命周期理论探讨在线健康社区用户各个阶段状态和特征，以期为虚拟健康社区制定运营管理策略和提高知识服务质量提供参考依据和借鉴。

通过梳理国内外已有相关研究发现，当前对于在线健康社区用户的研究主要是基于用户的健康需求和特定的参与行为方面。研究过程中未对用户群体做细致划分，部分研究针对老年用户群体开展研究，但是针对大学生这一特殊群体的研究文献较少。并且已有研究中大部分是对于用户行为特征和需求方面研究，缺乏对于用户自身特征的描述和表示。更是少有研究结合用户消费心理偏好和用户生命周期理论探析在线健康社区用户特征和需求。大学生用户凭借较高的网络知识获取能力和信息素养，逐步成为在线健康社区重要的组成用户，他们不同于其他的用户群体，具有自己鲜明的特征。基于此，本文以大学生群体作为研究对象，结合VAIS2市场细分和用户生命周期理论，运用用户画像技术分析大学生用户群体特征和需求，拟为在线健康社区的运营管理、精准推荐、精准宣传等创新性服务提供参考与决策，提升在线健康社区面向特定用户需求的智能化、个性化的精准服务水平。

2用户画像的构建过程

本文将在线健康社区大学生用户群体画像的构建过程分为数据化（Datamation）→标签化（Tagging）→集聚化（Clusterization）→可视化（Visualization）4个阶段，即数据获取处理、用户特征标签提取、聚类判别分析和标签云可视化展示。其中数据获取拥有多种途径，当前大多数研究都是基于网络爬虫技术获取数据，揭示出不同类型群体用户多维度的特征以及不同情境下的行为规律。本文则采用问卷调查递进式提问的方式，由浅入深地获取用户潜在的知识需求和挖掘用户认知层面需求。通过问卷调查获取的用户数据具有定向而具体的信息特征，研究者可以对某一特定的目标人群或地区进行数据收集，将问题的导向性更加明确具体，从而有利于推进后续研究的精准分析。因此，本文采用VALS2量表设计调查问卷并获取大学生用户群体的基础数据，以此构建在线健康社区的大学生用户群体画像模型。

2.1用户画像构建的设计思路

本研究主要基于VALS2模型构建用户画像的标签体系，实现用户画像，为在线健康社区的精准化服务提供参考和基础，具体研究设计思路如图1所示。首先，依据VALS2细分指标设计调查问卷，由此获取用户的基础数据，经预处理后实现样本数据化。然后，基于样本集和标签体系，将用户数据进行特征标签提取形成标签数据集，实现数据标签化。进而，基于用户画像标签数据集，结合用户生命周期理论，以及因子分析、聚类分析、判别分析等方法，提炼关键特征因子，获取差异化用户群体分类，实现特征因子集聚化。最后，采用Python的Wordeloud2工具包绘制标签云可视化输出，完成最终的用户画像。

2.2用户画像标签体系设计

基于在线健康社区用户的使用情境和平台服务目标，根据VALS2模型适用性强、测量效度高、分群结果较稳定和非常有利于用户画像的构建及分群的特征，本文确立以VALS2量表中的“用户的资源”和“用户的自我导向”两个基本元素为细分指标，设计大學生用户画像的标签体系。

2.2.1用户的资源

用户的资源即对应VALS2模型中的消费者资源，包括用户的收入、教育、自信、健康、购买愿望、智力和能力水平。在线健康社区大学生用户群体画像标签涵盖了用户的性别、学历和专业3个人口统计特征，同时包含访问频次、访问内容、使用习惯、用户体验及满意度、用户使用忠诚度等7个用户使用行为调查变量。

2.2.2用户的自我导向

用户的自我导向在VALS2量表中指的是影响消费者参与购买或使用产品服务的机理导向，具体表现在以原则为导向、以地位为导向和以行为为导向3种被验证过的激励导向。在线健康社区中以原则为导向主要指通过用户的主观判断而做出的认知反应，不会受到他人观点的影响。比如，在线健康社区的资源更新、疾病或药品信息查询、诊疗获悉、界面指引等;以地位为导向主要是对在线健康社区用户地位或中心性上的评判，用户会因他人的行为而做出改变，比如即时问答互动、留言、分享转发、其他用户的点赞等;以行为为导向主要来源于社会性、物质性和精神层面的行为、活动、变化与刺激，用户容易被和自身利益相关或新颖的外部环境所吸引，比如在线健康社区的热门话题、功能模块多样性、与生活密切相关性、激励条件等都容易影响用户行为。

基于以上两个角度的分析，本研究最终构建的大学生用户群体画像标签体系如图2、图3所示，由以下3个部分组成：一是人口统计特征，含3个统计变量;二是用户使用行为，含7个调查变量;三是用户的心理行为偏好，即所对应的以原则为导向、以地位为导向和以行为为导向的21个测量项。

2.3用户画像标签权重设计

在线健康社区用户画像的差异在于标签权重设计，即不同的大学生用户群体特征在某一标签上体现的重要程度（权重）是不同的。由于本文以VALS2指标体系构建的心理行为偏好标签能够代表在校大学生用户短期内稳定的服务需求和感知态度值，因此，借助李克特5级量表由低到高来表达用户在某一方面的需求程度和偏好体现。选择将各用户心理偏好变量在各分群的均值作为用户画像标签权重。而人口统计特征和用户行为特征两个方面则采用属性值进行频率排序，由此定义用户画像标签的权重值。

3实证分析

3.1问卷设计及数据获取

本研究的调查问卷主要由3部分组成，第一部分是用户的人口统计特征，包括大学生的性别、学历和所学专业;第二部分是对用户使用行为的调查，包括大学生用户群体对在线健康社区的访问频次、关注内容、使用意愿、满意度、忠诚度等;第三部分主要针对在线健康社区用户的VALS2分群设置的心理行为偏好测量问句，采用李克特5级量表进行程度评测，共由21个问题组成。在问卷通过试测修正后，利用问卷星、微信、QQ等网络平台发放回收问卷。调查对象面向大学生互联网用户，持续发放了15天，累计回收调查问卷650份。为了保证问卷的有效性，本研究剔除回收问卷中缺失值较多、重复，以及明确表示没有使用过在线健康社区的问卷，最终得到有效问卷520份。

3.2样本特征与信效度检验

运用SPSS统计分析，所得样本的人口统计特征如表1所示。

从表1可以看出，样本集的男女比例接近2：3，调查对象中本科学历的人群最多，覆盖到了专科、研究生群体。相应专业中涉及多个专业，工学占据首位，其次为管理学、理学和教育学等专业。

为确保后续用户特征标签化、集聚化和可视化呈现的准确性.本文剔除人口统计特征的相关变量后，将“用户使用行为中的后4个调查项”与“用户心理行为偏好中的21个测量项”组成了25个测量项，进行信度和效度检验分析，如表2所示。运用Cronbachs Alpha系数（α信度系数）分析发现，α系数为0.945>0.8，说明调查问卷获取数据的信度较高，具有良好的可靠性。此外，α系数统计量分析表明，25个测量语句的“项已删除的α值”介于0.939～0.949之间，说明问卷测量语句的一致性较高。另外，从KMO和Bartlett球形检验中发现，KMO值为0.950>0.8，显著性P<0.001，据此样本适合做因子分析，如表3所示。

3.3因子分析与分类标签抽取

为了有效区分用户类型，获取大学生用户群体的差异化画像。本研究借助SPSS开展探索性因子分析获取其特征因子。首先，将各测量语句所表达的含义以4个字的主题词形式进行提炼概括，便于统一规范化处理;然后，将提炼后的语句纳入“降维”模块中的“因子分析”，采用主成分分析法，设置特征值大于1、最大收敛迭代次数为25;最后，结合“最大方差旋转法”萃取因子，由此输出因子碎石图（如图4所示）、总方差解释（如表4所示）和旋转后的成分矩阵（如表5所示）。依据碎石图和总方差解释表，结合公因子选取不宜过多的原则，本研究认为选取4个公因子成分较为适宜，其“旋转载荷平方和载”累积总方差解释也达到63.56%，符合研究要求。

依据表5中各因子在原始变量上的负荷系数，总结在线健康社区用户画像的分类特征因子如下：

特征因子1：该特征因子与义诊直播、医疗就业、学术支持、追踪前沿、健康管理、人气话题、知名专家等因子相关，这些因子体现了在校大学生对在线健康社区各类知识资源的需求与依赖，他们能够根据自身的实际需求选择社区提供的对应知识资源类型。因此，该公因子命名为资源需求类因子。

特征因子2：该特征因子与隐私保护、用户认可、实时问答、社交分享、经验传递、医患关系等因子有关，集中反映了大学生用户群体热衷于社区的互动交流和社交，并且善于将自身的经验知识或高质量的知识资源分享到朋友圈或其他社交平台，同时注重其他用户对自己的认可和尊重，因此将此公因子命名为社交互动类因子。

特征因子3：该特征因子与访问便捷、持续使用、资源更新、资源检索、使用习惯等因子相关，这些因子表现出当代大学生习惯对平台或系统的性能做出评判，他们在使用在线健康社区感知相关功能与服务的同时，能够主动地预判、评估甚至改变自身的访问设备或使用习惯，因此将此公因子命名为服务体验类因子。

特征因子4：该特征因子与广告营销、从众心理、需求明确3个因子相关，这些特征因子表现出大学生用户在使用在线健康社区的期间，容易被自身需求的明确程度、广告宣传推广的力度以及周围其他用户行为的异同等内外环境所影响，从而改变着他们对平台的使用程度，因此将此公因子命名为环境影响类因子。

3.4用户画像聚类分析

将上述4类区分大学生用户群体画像的差异化特征因子提取后，采用聚类分析算法能够将相同元素分为紧密关系的子集或簇。本研究选取经典的聚类算法K均值算法（K-means）对所有样本聚类，获取差异用户群体个数，实现用户画像的分群。K-means属于硬聚类算法，1个点只能分到1个类。而在此过程中，关键要明确聚类数目K值的选择。通常主要根据以往经验以及利用K-means聚类的目的來决定K值。在本研究中，借鉴相关领域学者的研究参考，将聚类个数界定在3～6个。同时，在最优的聚类方案选取方面，依据用户生命周期理论和在线健康社区大学生用户的属性特征，将判别分析与WilksLambda方法结合运用，从而综合选择最终的聚类方法，以此得到的聚类结果如表6所示。

从表6可以看出，当聚类个数为6时，表中各特征因子的F值之间的差距最小，说明用户群体画像之间的差异不够明显，故舍弃该聚类方案。当聚类个数为5个、4个和3个时，WilksLambda值随着聚类个数的减少逐渐增加;尤其是当聚类个数从4降低到3时的增量最大，表明F值的差异性最佳，即用户群体分类画像的效果最好。同时，聚类数为3时正确分类概率高达95.8%，也体现了该方案的优势。因此，最终确定选取用户画像的聚类数为3，从SPSS中抽取4个特征因子分别对应的最终聚类中心值，如表7所示。从中可以看出，每一类用户画像在各个特征因子上存在着明显的差异性。

3.5用户画像的可视化展示

为了直观地展示上述分析得到的用户画像聚类结果，本研究采用Python中的Wordcloud2工具绘制可视化的用户标签云。其中，各特征变量的标签大小由此类用户画像群体所对应的均值决定，标签字体越大表示该用户群体的此类特征越显著。另外，其他的人口统计特征相关数据则采用比例统计的方式呈现，如表8所示。

4用户画像描述讨论与启示

根据上述分析和表8可视化的结果可以发现，每一类型的大学生用户画像存有不同的关键性特征，结合画像结果和用户生命周期理论，具体描述如下：

4.1从众派用户的画像特征

从众派用户代表了用户生命周期的初级阶段，体现出大学生用户尚处在考察社区资源与服务的时期。此阶段的大学生用户群体，具备明显的盲目从众、容易被自身需求的不确定性和外部环境的错综性所干扰的心理特征。从众心理、广告营销、需求明确等是该用户群体画像的主要特征。如今身处互联网时代的大学生群体，非常容易被在线健康社区其他用户的热议转发、热门主题推荐和弹窗广告等渠道方式的宣传推广所影响，从而促使他们的用户行为发生改变。从人口统计特征来看，该用户群体的男女比例趋于平衡，“基本不使用”和“使用0～5次”的总数约占80%，说明此类用户较显著的特征是访问频次较低，对平台的使用尚不熟悉，缺乏自己明确的需求目标。综合以上特征和关键影响因子，可以将此类用户分为“他人导向型”和“广告导入型”两类具体的用户类型。

1）他人导向型用户。他人导向型用户是经过线上和线下同学、朋友、家人或师长等交流、推荐和宣传而发展成为的在线健康社区用户。体现出大学生初人在线健康社区的陌生感与评判标准的不确定，极易因为其他用户的提问或评论而模糊了自身的判断。由于绝大多数的大学生用户是刚刚成年，在心智上尚不成熟，对于一些模棱两可或隐私性的健康问题不愿意询问家人或朋友，加之自身健康信息素养的缺失和独立思考能力缺乏，导致出现“人云亦云”“盲目从众”的现象。针对此类用户群体，在线健康社区可以设置专门的“新用户引导”模块和优质安全内容标记等方式。通过向导式的服务模式或沟通互动的形式，获悉大学生用户具体的服务需求，避免盲目从众、经验主义至上等现象发生，进而指导他们提高获取高质量健康知识资源的能力，并且能够根据自己的真实需求检索相应资源，获得相应服务。

2）广告导入型用户。广告导入型用户是指被营销广告、热点主题推荐、软文推广等方式吸引发展成为的在线健康社区用户。该群体的大学生用户容易被平台植入的广告或误导性的消息而转移注意力。现如今“见缝插针”的广告宣传手段在互联网空间铺天盖地，对于部分判断能力和健康信息素养较低的大学生用户而言，这些营销广告影响了他们的价值判断，也加剧了他们检索和获取信息的难度，从而在一定程度上影响了他们的检索结果。因此，对于此类用户群体，在线健康社区需要严格广告宣传的“准人标准”，对于存在安全隐患、虚假宣传等危险性广告类型，禁止许可宣传。同时，有益于服务并满足大学生需求的广告内容，可以通过多媒体呈现等方式，帮助他们获取对自身有价值的知识资源。

综合从众派中“他人导向型”和“广告导入型”两类具体的用户类型可以发现，用户对于平台的具体服务功能和资源内容较为模糊，对于自己的服务需求缺乏准确表达，易受到内外部环境等各种因素的影响。因此，一方面在线健康社区需要引导大学生等青年用户积极适应平台的功能设置和资源内容，通过加强他们对平台功能的感知与认同而促使他们向需求派用户转化;另一方面，在线健康社区管理运营者运用该类用户群体特征，积极发挥社区的意见领袖作用和媒介推广影响，借助他们的影响力开展网络营销和推广，增加在线健康社区的品牌影响力和知名度。

4.2需求派用户的画像特征

需求派用户较从众派用户集中表现出大学生用户群体具备较明确的服务需求，能够灵活、准确地使用平台资源和服务功能，反映出他们正处于用户生命周期中的形成期阶段。其中，医疗就业、学术支持、社交分享、经验传递、用户认可等是该大学生用户群体画像的显著特征。从人口统计特征来看，此用户群体中研究生的人数比例较之前有所增加，说明健康社区的知识资源和服务功能为研究生的日常生活、学术研究等方面提供了补充;从每月访问频次来看，“基本不使用”和“使用0～5次”的总数有所降低，说明此类用户能够经常性使用平台，获取自身的资源需求。综合以上特征和关键影响因子，将此类用户分为“社交活跃型”和“资源获取型”两类具体的用户类型。

1）社交活跃型用户。社交活跃型用户是指运用在线健康社区社交互动功能获取知识资源或共享知识资源的用户群体。大学生用户的网络应用能力和频繁的社交互动使他们成为在线健康社区中最活跃、贡献度最大的一类用户。一部分用户是通过将在线健康社区知识资源内容分享到朋友圈、微博等社交软件上，实现知识资源传播和分享。他们通常会因为共享知识资源获得他人的点赞、评论或转发等行为，而沉浸在社区的使用中感觉自我价值实现和自我满足。作为年轻群体，其他用户对自己的认可和赞许，尤其是自身分享的经验和知识受到威望度较高用户的青睐、推荐和转发分享时，他们会更加积极踊跃地参与到平台社交互动和知识交流活动之中;另外一部分用户作为在线健康社区的知识生产者，分享自身的经验和知识资源，比如：回答问题、论坛互动、评论点评、关注他人等方式。也有用户通过关注和加好友等互動交流方式，与社区内其他人进行沟通交流和互动，从而获取或者分享知识资源。因此，作为在线健康社区活跃用户群体，需要不断维护和激发大学生用户的活跃度，推荐和提供符合他们感兴趣、擅长的专业话题。通过激励措施激发社交活跃用户群体能动作用，吸引更多的用户关注和使用在线健康社区，以此保障社区良性的活跃氛围。

2）资源获取型用户。资源获取型用户是指借助在线健康社区获取专业性知识资源和服务的大学生用户群体。较社交活跃型用户，资源获取型用户对健康类知识资源的需求更加明确，目的性更强。他们不再局限于简单的交流互动，而是为获取某一类特定的专业性知识资源，有着自己明确的访问需求，较为注重平台知识资源组织方式和资源内容质量。比如：针对某种特定疾病或症状的医药查询，减肥方法、保健常识等知识资源查询，也有医学专业的学生会通过平台获取专业知识以及人才招聘资讯和就业信息等。因此，对于此类用户群体，在线健康社区要以用户为中心，尽最大可能为他们提供相应的服务功能及资源内容，不断满足其健康知识资源需求，从而提高社区服务水平和用户满意度，促使资源获取型用户持续关注和使用。在运营管理方面，在线健康社区需要打破传统的服务功能和运营模式，不断创新知识资源组织方式和服务模式。

从综合需求派中“社交活跃型”和“资源获取型”两类具体的用户类型可以发现，大学生用户群体能够在自身拥有较明确的目标需求下使用社区，并且在校大学生在满足自身服务需求的同时，能够协助平台提升知识服务的水平和用户数量，从而促进他们向更加成熟的体验派用户转化。

4.3体验派用户的画像特征

体验派用户则直观描述了作为用户生命周期中稳定期用户的基本特征，集中表现出大学生用户能够有针对性地选择不同在线健康社区，并熟练运用健康社区平台的功能和服务，成为在线健康社区忠实用户和粉丝。资源更新、资源检索、访问便捷、使用习惯、持续使用等是该用户群体画像的主要特征。作为体验派的大学生用户群体较为注重平台资源更新的时效性、知识资源检索的简洁性以及访问的舒适性等感知感官方面的需求满足。从而决定他们对此平台是否继续使用、是否当作自己健康知识获取和共享的场所社区。从人口统计特征来看，此用户群体的女大学生用户数量比例明显高于男生，这也符合当下女大学生更加注重自身健康管理的现状;从主要关注的内容来看，更多的主题内容受到大学生的关注，也证明了他们参与社区的广度与深度范围较大。综合以上特征和关键影响因子，总体可以将此类用户分为“服务感知型”和“成熟参与型”两类具体的用户类型。

1）服务感知型用户。服务感知型用户较资源获取型用户，更加注重对平台服务性能的感知与评价。对于知识资源获取和利用方面，关注在线健康社区平台界面的设计布局、访问设备的支持度、系统流畅、在线互动交流、客服即时回复、服务方式渠道等方面的性能。系统或平台的服务性能将影响和改变着大学生用户的满意度和体验度，进而刺激着大学生用户的持续参与行为和关注状态。因此，对于此类大学生用户群体，在线健康社区要积极收集他们的服务反馈，通过设置“信箱访谈”“机器问答”等功能优化平台的服务反馈交流渠道。同时，在线健康社区既要转变服务理念，树立以用户为中心的服务意识，不断地创新和优化服务模式及渠道方式，扩大知识服务的深度和广度。也要充分把握大学生用户的心理特征和用户需求，深度挖掘用户需求和个性特征，提高在线健康社区个性化、智能化、精准化服务水平。

2）成熟参与型用户。成熟参与型用户为在线健康社区最为忠实粉丝群体，也是所有用户中最为成熟和活跃类的种子用户群体。此类大学生用户已经和在线健康社区建立起了稳定的信任关系，拥有固定的使用习惯，不仅经常性使用在线健康社区常规查询疾病症状、共享和生产健康类知识及自身经验，而且也是在线健康社区的知识传播和分享的重要群體。同时，该类用户群体使用在线健康社区频次也较高，容易购买和使用付费产品，用户的价值也越来越大。随着用户对在线健康社区的熟练使用，也逐渐习惯于对在线健康社区的信赖与持续使用。因此，在线健康社区需要维系和保持此类大学生用户群体的粘性和满意度，并及时根据他们的使用反馈和行为进行服务优化和调整。同时通过不断制定用户成长的激励通道，能够像指挥棒一样，激励用户沿着平台指定的方向成长和发展，保持用户的活跃度和持续关注度。

体验派用户可以说是目前在线健康社区中最为活跃和稳定的大学生用户代表，然而随着用户需求程度的不断提高，在线健康社区也应该随时做好精准服务策略的调整准备，避免一些用户过早地进入衰退期，导致大学生用户的流失。

5研究结论与展望

在线健康社区已逐渐成为大学生日常生活中获取健康信息及知识的重要渠道，为了更好地服务于此类群体，平台运营商需要及时掌握大学生用户的使用行为和心理特征，挖掘与分析其具体的需求特征。了解和掌握大学生用户群体的画像类型，能够明晰他们具体的健康知识需求，从而为其提供精准化、细致化、个性化的健康知识服务，促进该群体身心的健康发展。鉴于此，本研究以用户画像技术为指导，结合VALS2市场细分与用户生命周期理论，构建了在线健康社区大学生用户群体画像的具体模型。本文通过问卷调查的方法收集数据后，经实证研究得出从众派、需求派和体验派三大类，细分为他人引导型、广告导入型、社交活跃型、资源获取型、服务感知型和成熟参与型6类具体典型差异化的用户群体画像类型。研究发现，在线健康社区大学生用户群体特征演化符合用户生命周期理论，既表现了用户群体画像的逐步成熟化，也反映出用户对社区的依赖感与期望程度的变化，从而为在线健康社区的资源优化与精准服务提供了决策参考与实践支持。

然而，尽管本文从用户认知和心理角度为在线健康社区用户画像的构建研究提供了思路和方法，并通过多种分析方法检验了模型的普适性，但是也存在一些研究局限性。由于本文问卷调查样本对象群体仅为大学生用户，未来研究需要包罗更为广泛的用户群体。同时，本文是针对所有在线健康社区的总体研究，反映的是整体化的用户特点和差异，未来可以考虑对垂直领域在线健康社区的用户开展细致化调研分析，从而更有针对性地满足平台的精准运营决策，提升垂直领域在线健康社区的服务质量和用户体验度。

（责任编辑：郭沫含）