高校馆微博运营效率分析

　　0 引言

　　微博作为互联网应用，吸引了近 2.5 亿用户，步入发展成熟期[1].近年我国高校图书馆（以下简称“高校馆”）顺应新技术发展潮流和受众阅读习惯，纷纷设立图书馆微博。2009 年重庆大学图书馆率先开通新浪微博账号，目前经过认证的高校馆微博近 300 个[2].在此背景下，图书馆微博成为学界研究热点。本文以高校馆微博为对象，从投入产出视角，运用数据包络分析（D ataEnvelopm ent Analysis,D EA），研究图书馆微博运营效率：构建运营效率评价指标体系，收集“985 工程”高校馆微博数据，选取相应的数据包络分析模型---基于 BCC 模型的含有不可控输入指标的改进模型，借助数据包络分析软件Frontier Analyst,对样本高校馆微博运营效率进行分析。根据 D EA 有效账号的指标贡献值情况和非 D EA 有效指标的改进值情况，对微博运营提出改进建议。

　　1 文献综述及研究方法

　　1.1 文献综述

　　为从宏观视角梳理图书馆微博发展整体状况，笔者以“主题 = 图书馆 and 主题 = 微博（精确匹配）”为检索条件，于 2015 年 2 月 8 日在中国知网中分别限定所有期刊和 CSSCI期刊，得到关于图书馆微博研究的期刊论文年度分布（见图1）。图书馆微博研究从 2009 年兴起，目前进入相对稳定的时期。CSSCI源刊收录的 172 篇关于图书馆微博的研究文献共产生 335 个关键词，其中“微博”“图书馆”提及次数远超其他关键词，“高校图书馆”“信息服务”“公共图书馆”紧随其后。从CSSCI收录文献看，该领域研究按照图书馆类型的不同，主要可分为公共馆和高校馆，其中高校馆研究较多，主要有个案研究、整体分析、用户特征分析等。刘汝建以清华大学图书馆微博为个案，为高校馆微博发展提出建议[3];对整个高校馆微博应用的现状的调查和分析；高校馆用户认证及关注情况等特征的分析。在公共馆研究方面，主要有案例研究；整体分析，如张敏和刘凤[4]对省市级公共馆微博的交流对话特征的描述和分析；微博用户特征，及其与高校的对比研究等。按照研究层面不同，主要可分为图书馆微博信息传播研究和图书馆微博信息服务功能研究。微博信息传播研究又分为对单条微博影响力和微博账户影响力的研究，前者有考虑用户群体特征和微博内容特征的双层模型[5],后者有综合考虑传播深度和广度的能区别个体影响力差异的模型[6].在信息服务功能研究上，有对辅助读者服务的探讨[7];有对微博信息服务质量的对比[8].

　　从上述文献分析不难看出，鲜有涉及运营效率的定量研究。对特定类型的微博账号，由于其具有特定的服务人群和独特的微博内容，不能单纯以影响力来判断其运营好坏，而应从投入产出角度，考虑其运营效率，正如对非政府组织微博，应考虑其组织资源特征、注册状态特征和社会声望特征等对粉丝数产生的影响[9].

　　1.2 研究方法

　　作为典型的评价决策单元相对有效性的非参数方法，数据包络分析被广泛应用于评价具有相同投入和产出指标体系的同类型组织，如学校、医院、银行、超市的生产绩效的优劣。其原理是保持决策单元的输入数据或输出数据不变，借助线性规划的方法确定 D EA 有效的生产前沿面，通过比较决策单元偏离 D EA 生产前沿面的程度来评价其相对有效性[10].

　　自 Charnes 等人 1978 年提出数据包络分析最初的 CCR 模型[11]之后，研究者根据不同的应用需求和假设，提出不同的模型，如满足规模收益可变 BCC 模型。基础的 D EA 模型总是假设一种理想状态，即所有输入输出指标变量都是能够控制的，可以自由变化，然而现实生活中总是存在某些指标变量受限制的情况。为解决该问题，1989 年 Banker和 M orey 在 BCC 模型的基础上提出能处理含有不可控输入或输出指标变量的D EA 模型[12].

　　研究所用的数据分析软件 Frontier Analyst是一款操作简单、功能强大的 D EA 分析软件，可应用在多个领域，如用于零售商、银行、医疗诊所的效率评价问题[13].Frontier Analyst软件允许使用者根据数据情况，选择规模收益不变的CCR 模型，或者规模收益可变的 BCC 模型。

　　2 高校馆微博运营效率评价指标体系构建

　　采用 D EA 定量分析方法来研究高校馆微博运营效率，首先要建立科学的输入、输出评价指标体系。Cha 等研究推特用户的粉丝数、评论数和转发数，构建影响力模型[14];陈明亮等将微博视为传播媒介，提出基于接触、认知、说服和二次传播四个过程的影响力评价指标体系，并进一步通过层次分析法确定各指标权重，其中接触环节的微博使用时间，认知环节的原创微博数和原创微博率，说服环节的微博博主是否通过实名认证和微博博主业内知名度，以及二次传播环节的粉丝质量指数、粉丝互动率和粉丝转发次数被纳入最终的指标体系[15];赵阿敏和曹桂全以政务微博为研究对象，构建原始评价体系，并通过主成分分析方法将政务微博影响力指标因子分为公开 - 互动因子（粉丝数、微博数、原创数、@ 数、被 @ 数、话题数）和获取- 反馈因子（关注数、评论数、转发数和网络链接数）[16].

　　上述以影响力为输出指标的研究对丰富图书馆微博的研究体系具有积极作用，但也存在一些问题，如未仔细区分博主自身的投入因素和产出因素，在实践中应该予以区分。总结前人研究发现，用作输入指标的微博运营特征主要有账户开设天数、微博数、日均微博数、原创数、原创率、微博内容丰富程度、关注数、认证情况、话题数、@ 数、网络链接数；用作输出指标的主要有粉丝数、被 @ 数、评论数、转发数、活跃粉丝占比。

　　为保证评价体系的简约性，本文从时间性投入、内容性投入、结构性投入三个层面选取代表性输入指标变量，从粉丝数量和粉丝互动两方面选取代表性输出指标变量。在时间性投入方面，选取微博开设天数作为不能改变的指标变量；在内容性投入上，选取反映微博原创情况的微博原创率和反映微博更新频率的日均微博数作为指标变量；在结构性投入上，选择反映某一微博与其它微博账号关联程度的微博关注数作为指标变量。在输出指标选取中，选择微博粉丝数和互动率作为衡量微博运营输出的指标变量。