(西交利物浦大學(xué)圖書館，江蘇 蘇州 2015123)

隨著信息技術(shù)的不斷發(fā)展，傳統(tǒng)被動的服務(wù)模式已經(jīng)不能滿足用戶的需求，圖書館經(jīng)歷著以“資源為中心”向“以用戶為中心”的演變?！耙杂脩魹橹行摹币簿鸵馕吨杂脩粜畔⑿袨闉橹行?，因為用戶是在信息行為過程中選擇信息服務(wù)，其行為特征也必將指導(dǎo)圖書館信息服務(wù)的提供。用戶信息行為有哪些特征？影響用戶信息行為的因素有哪些？這些都是圖書館在設(shè)計和優(yōu)化信息服務(wù)中需要考慮的基本問題。有觀點表明，新時期圖書館必定要增強(qiáng)用戶信息行為研究的功能，這將是體現(xiàn)圖書館服務(wù)水平的最重要標(biāo)志。

就用戶信息行為研究方法而言，Elke通過分析2012至2014年發(fā)表的有關(guān)信息行為研究的文獻(xiàn)，指出在信息行為研究中，研究者主要采用訪談和調(diào)研的研究方法[1]。胡珉在介紹用戶行為研究常用的7種研究方法時，認(rèn)為用戶調(diào)查法是信息行為研究的主要方法[2]。然而，針對數(shù)字環(huán)境下的用戶信息行為的研究，或稱之為數(shù)字用戶信息行為的研究，Marshall指出圖書館或其他機(jī)構(gòu)可以運用“數(shù)字考古”的方法，從行為導(dǎo)向的角度來挖掘網(wǎng)絡(luò)用戶的實際使用模式。在眾多網(wǎng)絡(luò)分析工具中，他重點介紹了Google Analytics[3]。曹梅、朱學(xué)芳也將“網(wǎng)絡(luò)策略”納入用戶信息行為研究方法體系整體架構(gòu)[4]。

本文研究以西交利物浦大學(xué)(以下簡稱“西浦”)為例，圍繞核心問題“資源發(fā)現(xiàn)系統(tǒng)中的用戶信息行為”展開探索，引入網(wǎng)絡(luò)研究和大數(shù)據(jù)分析的手段，獲取用戶在資源發(fā)現(xiàn)系統(tǒng)中進(jìn)行信息活動后留下的大量數(shù)據(jù)，形成多維信息，找出隱含的用戶信息行為規(guī)律。這種研究方法采集用戶“做什么”的行動數(shù)據(jù)，而不是“說什么”的數(shù)據(jù)，數(shù)據(jù)的生成和采集不受研究者左右，可以更加客觀地獲得用戶群體特征和面向系統(tǒng)的特征信息，以期從用戶行為的視角，為圖書館資源的整合優(yōu)化提供參考。

1 研究對象和研究方法

1.1 研究對象的系統(tǒng)環(huán)境

本文研究的對象是西浦圖書館的用戶群體，其所處的學(xué)校環(huán)境是中外合作大學(xué)。學(xué)校設(shè)置的專業(yè)采用全英文教學(xué)，接受中英兩國高等教育質(zhì)量保證體系的評估，多個學(xué)科獲得國際權(quán)威專業(yè)組織認(rèn)證[5]。因此，圖書館在館藏資源建設(shè)和保障上，密切配合學(xué)科建設(shè)和評估體系要求，90%以上為英文學(xué)術(shù)資源。圖書館于2011年啟動資源發(fā)現(xiàn)系統(tǒng)項目，以下對西浦圖書館資源發(fā)現(xiàn)系統(tǒng)做簡要概述。

和大多數(shù)高校圖書館一樣，西浦圖書館建立資源發(fā)現(xiàn)系統(tǒng)的途徑是引入成熟的商業(yè)系統(tǒng)(EBSCO Discovery Service，EDS)，通過采用云服務(wù)方式進(jìn)行系統(tǒng)部署，節(jié)省圖書館資源建設(shè)的基礎(chǔ)設(shè)施成本。同時，借助EDS的Web開放接口增加系統(tǒng)的可擴(kuò)展性，實現(xiàn)系統(tǒng)服務(wù)功能的延伸。在前期研究中，筆者已經(jīng)對西浦圖書館的資源發(fā)現(xiàn)系統(tǒng)(英文簡稱“Discover”)做了比較具體的介紹，并列舉將Discover嵌入全校教學(xué)課程體系的應(yīng)用案例：運用系統(tǒng)的Curriculum Builder功能，教師可以不離開其熟悉的學(xué)習(xí)管理平臺便捷地創(chuàng)建該課程的閱讀清單[6]。隨著發(fā)現(xiàn)系統(tǒng)資源整合研究和拓展應(yīng)用的不斷深入，西浦圖書館的Discover已經(jīng)成為其資源統(tǒng)一檢索和揭示的強(qiáng)大工具，更是圖書館信息服務(wù)推廣的有力手段。盡管當(dāng)前國內(nèi)外圖書館開始部署和應(yīng)用下一代圖書館系統(tǒng)，如ExLibris公司的Alma。但是，通過剖析Alma的產(chǎn)品核心功能不難發(fā)現(xiàn)：面向讀者服務(wù)的平臺仍然是其同一公司旗下的資源發(fā)現(xiàn)系統(tǒng)Primo，也是目前唯一能夠全面支持Alma的資源發(fā)現(xiàn)系統(tǒng)[7]。因此，資源發(fā)現(xiàn)系統(tǒng)至今還是數(shù)字圖書館面向用戶服務(wù)主要的資源整合和揭示平臺。通過挖掘用戶在資源發(fā)現(xiàn)系統(tǒng)中的信息活動數(shù)據(jù)，可以集中且快捷地掌握用戶群體的一般信息行為特征。

1.2 研究方法的選擇

本文采用網(wǎng)絡(luò)研究的方法，在網(wǎng)站頁面中嵌入JavaScript腳本進(jìn)行在線監(jiān)測與分析。相對于常用的Web服務(wù)器日志分析方法，這種策略能整合其他在線大數(shù)據(jù)、跟蹤出站鏈接和非頁面請求類型的行為等優(yōu)勢。這其中應(yīng)用最廣泛的當(dāng)屬Google Analytics(GA)。調(diào)研美國圖書館學(xué)會2010年以來發(fā)布的《圖書館技術(shù)報告》，當(dāng)中不乏有系統(tǒng)性指導(dǎo)GA在圖書館應(yīng)用的內(nèi)容[8][9][10]，足見它對提升圖書館服務(wù)的價值。這些文獻(xiàn)自然也是本文在發(fā)現(xiàn)系統(tǒng)中安裝與配置GA的技術(shù)性參考文件。下文所述，西浦資源發(fā)現(xiàn)系統(tǒng)采用EDS的云端服務(wù)，技術(shù)支持由其海外EBSCO公司托管和維護(hù)，GA的部署也可以由該公司協(xié)助完成。但是GA在國內(nèi)使用的穩(wěn)定性存在一定的局限，國內(nèi)其他圖書館也可根據(jù)自身系統(tǒng)環(huán)境采用“百度統(tǒng)計”。百度統(tǒng)計是百度推出的免費的專業(yè)網(wǎng)站流量分析工具，具有與GA相似的實現(xiàn)技術(shù)和功能應(yīng)用[11]。

2 資源發(fā)現(xiàn)系統(tǒng)中配置谷歌分析工具

GA由谷歌公司于2005年推出，經(jīng)過多次升級改進(jìn)，其功能設(shè)置、分析圖表已經(jīng)成為網(wǎng)站分析的標(biāo)準(zhǔn)，是公認(rèn)的最好的網(wǎng)站分析工具[12]。針對被分析流量的域名，GA會給出一段JavaScript代碼，將這段代碼加入Web頁面的HTML代碼里的head段中，并位于所有meta字段之后即可。這段代碼會立刻開始工作，即從這段代碼被添加入要分析流量的Web頁的那一刻起，任何訪問這個頁面的動作都開始被收集和分析，但訪問這個頁面的用戶不會感到任何變化。

2.1 建立和部署GA跟蹤代碼

如何建立新的媒體資源即目標(biāo)網(wǎng)站，這里不贅述。值得注意的是西浦圖書館使用EBSCO Discovery Service(EDS)，所以在GA賬戶中建立統(tǒng)計目標(biāo)時需要設(shè)置的域名為ebscohost.com。與此同時，為了統(tǒng)計分析用戶在EDS使用的檢索關(guān)鍵詞，我們需要在數(shù)據(jù)視圖設(shè)置中打開網(wǎng)站搜索跟蹤，并設(shè)定查詢參數(shù)為bquery。生成的GA跟蹤代碼如下：

將生成的代碼放置在EDS頁面上，保證其出現(xiàn)在資源發(fā)現(xiàn)系統(tǒng)的每個用戶頁面上，并置于頁面html代碼的標(biāo)記之前。

2.2 自定義GA事件追蹤

網(wǎng)站常用的追蹤模式是基于訪問者的頁面瀏覽訪問行為。當(dāng)訪問者點擊鏈接打開一個頁面，追蹤代碼會把當(dāng)前頁面的信息和URL記錄下來，并將這些信息組織生成報告。通過這些報告，研究者可知道訪問者到過哪些頁面，點擊過哪些鏈接，從哪個頁面離開網(wǎng)站。但若需要深層次挖掘用戶在資源發(fā)現(xiàn)系統(tǒng)中的信息行為，僅憑這些記錄是不夠的。在很多情況下，訪問者點擊了URL后不會產(chǎn)生新的頁面，比如最常見的全文下載。因此，我們需要借助谷歌分析的事件追蹤功能，來記錄不產(chǎn)生頁面瀏覽的用戶交互行為。

GA對于事件的定義是：“事件”指可以獨立于網(wǎng)頁或屏幕的加載而進(jìn)行跟蹤的用戶與內(nèi)容進(jìn)行的互動。GA事件追蹤可以針對每個事件記錄四個值，依次是事件類別、事件標(biāo)簽、事件價值和用戶行為。同一個事件類別里可以包含多個事件，并使用事件標(biāo)簽來區(qū)別不同的事件名稱。而同一事件里又可以包含多個用戶行為，研究者可以針對每個事件的不同行為計算事件的價值。

在添加事件追蹤代碼前，先對資源發(fā)現(xiàn)系統(tǒng)中需要追蹤的事件進(jìn)行整理，然后進(jìn)行分類，如分面點擊、限制條件增加/減少、使用普通檢索/高級檢索、使用各種EDS小工具等，并建立對應(yīng)的事件標(biāo)簽，添加事件追蹤代碼。以下是資源發(fā)現(xiàn)系統(tǒng)用戶訪問全文鏈接的情況的統(tǒng)計代碼：

jQuery('#FullTextLinking').click(function(){ga('send', 'event', {eventCategory: 'Full Text Linking',eventAction: 'Click',eventLabel: LABEL});});

3 數(shù)據(jù)分析

谷歌分析能夠提供系列報告和圖表。最新版的GA提供實時、受眾群體、流量獲取、行為和轉(zhuǎn)化五類標(biāo)準(zhǔn)報告，其中實時報告是按分鐘甚至按秒鐘顯示網(wǎng)站當(dāng)前的指標(biāo)狀態(tài)，包括此時此刻網(wǎng)站上的活躍用戶、每分鐘網(wǎng)頁瀏覽量、活躍網(wǎng)頁、事件等信息。轉(zhuǎn)化報告主要用于分析商業(yè)網(wǎng)站的目標(biāo)、電子商務(wù)和多渠道路徑，了解用戶在網(wǎng)站上產(chǎn)生轉(zhuǎn)化行為的事件，為網(wǎng)站和營銷計劃的調(diào)整提供數(shù)據(jù)支持。由于資源發(fā)現(xiàn)系統(tǒng)是架構(gòu)于圖書館網(wǎng)站的功能性網(wǎng)頁，用戶基本上通過訪問圖書館主頁直接在平臺上進(jìn)行信息搜索，流量來源渠道可視為單一的直接流量。因此，實時和轉(zhuǎn)化兩類報告對于資源發(fā)現(xiàn)系統(tǒng)用戶行為的分析并無太大意義，本文主要從受眾群體和行為兩類報告中選取重要指標(biāo)和維度，對生成的報告進(jìn)行分析和解讀，揭示用戶在發(fā)現(xiàn)服務(wù)平臺上的信息行為?？紤]到學(xué)期中學(xué)生和教師的信息需求集中，信息行為數(shù)據(jù)豐富，我們選取2017年2月1日至2018年1月31日西浦資源發(fā)現(xiàn)平臺Discover上的交互數(shù)據(jù)，時間跨度為1年，包含兩個完整的學(xué)期。文中數(shù)據(jù)分析所涉及的主要指標(biāo)定義如表1所示。

表1 本文涉及的主要指標(biāo)及其定義

3.1 數(shù)據(jù)概覽

圖1為GA管理面板提供的受眾群體的概覽圖。其上部顯示訪問的會話數(shù)走勢圖(可按每小時/日/周/月顯示)，可以看出西浦圖書館用戶訪問Discover集中于學(xué)期教學(xué)周(3月～6月，9月～12月)，訪問量的峰值為3月和10月，信息行為活躍度呈現(xiàn)明顯的周期性。圖1下部顯示主要指標(biāo)的數(shù)據(jù)值及其走勢圖，包括用戶數(shù)、會話數(shù)、網(wǎng)頁瀏覽量、每次會話瀏覽頁數(shù)、平均會話時長、跳出率等。用戶訪問Discover的平均會話時長約13分鐘。會話時長計算分兩種情況：一是用戶完成會話后主動性地關(guān)閉瀏覽器(所有瀏覽頁面)，會話時間為用戶開始進(jìn)入Discover至瀏覽器關(guān)閉的持續(xù)時間；二是用戶30分鐘內(nèi)與瀏覽器沒有任何互動，Discover會自動結(jié)束當(dāng)前會話，此時會話時長為用戶開始進(jìn)入Discover至?xí)捵詣咏Y(jié)束的持續(xù)時間。用戶每次會話瀏覽頁數(shù)接近8頁，包括檢索結(jié)果頁面瀏覽數(shù)和單個記錄的詳細(xì)信息頁瀏覽數(shù)等。4.2%的跳出率表明用戶會話質(zhì)量非常高，反映了用戶是帶著信息需求來訪問Discover的。

圖1 用戶訪問Discover的數(shù)據(jù)概覽(2017年2月1日～2018年1月31日)

3.2 用戶分析

3.2.1 用戶特征及其技術(shù)使用情況

如圖2所示，西浦用戶訪問Discover時在語言、設(shè)備等方面表現(xiàn)出明顯的偏好。從用戶界面的語言設(shè)置來看，40.3%的用戶選擇使用默認(rèn)的英文界面，這與西浦全英文教學(xué)環(huán)境緊密相關(guān)。但是58%的用戶會重新設(shè)置簡體中文作為界面語言，此類用戶可能對英文界面中的各按鈕或選項的含義不熟悉，使用中文界面能幫助他們節(jié)省時間，提高檢索效率。從系統(tǒng)的用戶體驗，圖書館需要考慮Discover的英文界面盡量以淺顯易懂的詞義表述，避免因使用生僻的專業(yè)術(shù)語而影響到服務(wù)效率。從用戶的信息能力培養(yǎng)來看，圖書館需要結(jié)合本校的教學(xué)環(huán)境，探索英語作為二語(English as a Foreign Language，EFL)環(huán)境下的學(xué)生信息素養(yǎng)課程體系的設(shè)置。

從設(shè)備選擇來看，絕大多數(shù)用戶使用電腦(包括臺式機(jī)和筆記本電腦)來訪問Discover，這樣便于進(jìn)行全文下載、文獻(xiàn)管理和引用等操作。使用最多的四種瀏覽器分別是Internet Explorer、Chrome、Safari和Edge，這只表示用戶本身對瀏覽器的偏好，而不僅僅針對Discover的訪問，不同瀏覽器使用者的信息行為并沒有明顯差別。圖書館需要考慮的是不同瀏覽器的兼容性問題，以便為不同偏好的用戶提供流暢的服務(wù)。

圖2 用戶訪問Discover的語言使用比例和技術(shù)使用情況

3.2.2 訪問者類型

訪問者類型報告用來衡量一個網(wǎng)站吸引用戶回訪的能力。當(dāng)用戶在一個設(shè)備或一個瀏覽器上首次訪問Discover時，GA服務(wù)器識別出一個新的ID，系統(tǒng)會計算成一個新用戶。當(dāng)檢測到一個已存在的ID開始一個新的會話，系統(tǒng)會計算成回訪用戶。但如果用戶切換設(shè)備或者瀏覽器再次訪問Discover，將會被識別成一個新的ID，重新被計算成新用戶。所以，前文提到的“用戶數(shù)”不代表實際的用戶數(shù)量原因即在此。根據(jù)統(tǒng)計，67.4%的新用戶帶來的會話數(shù)占比25%，而32.6%的回訪用戶產(chǎn)生了75%的會話數(shù)，反映了用戶回訪Discover時進(jìn)行了大量的信息搜索行為。

3.2.3 用戶訪問Discover的頻率

會話頻率是指某個訪問者在數(shù)據(jù)采集期內(nèi)訪問Discover的次數(shù)。圖3分別從會話數(shù)和網(wǎng)頁瀏覽量兩個指標(biāo)來分析會話頻率?？梢钥吹剑?5.1%的會話來自只進(jìn)行過1次會話的用戶，這恰好對應(yīng)了新用戶帶來的會話數(shù)。進(jìn)行9次以上會話的用戶帶來的會話數(shù)占33.7%，甚至有少量用戶進(jìn)行過100次以上會話。從網(wǎng)頁瀏覽量來看，不論用戶的會話頻率差異如何，平均會話瀏覽頁數(shù)均為8左右。

圖3 用戶訪問Discover的頻率

3.3 行為分析

GA提供的行為報告描述訪問者在網(wǎng)站上的具體行為，包括行為流、網(wǎng)站內(nèi)容、網(wǎng)站速度、網(wǎng)站搜索和事件等子維度報告，每個子維度報告還包含更多的細(xì)分主題報告。其中網(wǎng)站內(nèi)容子維度報告提供對所有頁面、著陸頁、退出網(wǎng)頁的詳細(xì)數(shù)據(jù)列表；網(wǎng)站速度報告給出了用戶訪問網(wǎng)站時網(wǎng)頁加載的時間、不同瀏覽器的平均加載時間對比和速度建議主題報告。速度建議主題報告針對每個網(wǎng)頁都提出了加快網(wǎng)頁加載速度的優(yōu)化建議，Discover的技術(shù)維護(hù)人員可依此提出優(yōu)化網(wǎng)頁加載速度的可行性措施，這里不展開詳述。我們主要從行為流和網(wǎng)站搜索兩個子維度的報告中分析用戶訪問Discover的信息行為特征。

3.3.1 行為流

行為流(Behaviour Flow)報告能夠直觀地顯示訪問者從一個網(wǎng)頁或事件到下一個網(wǎng)頁或事件所經(jīng)過的路徑，并揭示訪問者在哪些內(nèi)容上與Discover進(jìn)行了互動。事實上，GA提供的追蹤路線或路徑的圖形報告可以揭示訪問者在網(wǎng)站上每一步操作的實際路徑，包括沿途發(fā)生的繞路和回溯，這種報告被稱為“用戶流可視化”。依據(jù)選取的維度同，用戶流可視化能夠生成若干種專門的流報告，而行為流報告只是其中的一種。

本文選取“著陸頁”為維度節(jié)點生成如圖4所示的行為流報告。“節(jié)點”表示流量經(jīng)過的點，點擊一個節(jié)點，可以突出顯示流經(jīng)該節(jié)點的流量，或者查看歸納到該節(jié)點的各個網(wǎng)頁或事件。維度節(jié)點確定了流量的基本進(jìn)入點，以白色模塊顯示在報告的最左側(cè)。報告主體包括綠色的網(wǎng)頁節(jié)點以及節(jié)點之間流動的灰色“連接”紐帶?！斑B接”表示部分流量從一個節(jié)點到另一個節(jié)點所走過的路徑。連接的粗細(xì)表示該部分流量的相對規(guī)模：連接線越粗，流經(jīng)該連接的流量就越多。路徑有時也會以意想不到的方式環(huán)回到節(jié)點或圍繞在節(jié)點周圍，以灰色漸變短線顯示在網(wǎng)頁節(jié)點左右。報告中紅色帶有向下箭頭是行為流的“退出點”，表示訪問者最終離開Discover的網(wǎng)頁位置。網(wǎng)頁節(jié)點以“列”呈現(xiàn)，每列表示訪問者與網(wǎng)站的一次互動，而GA將第一列網(wǎng)頁節(jié)點作為行為流的起始網(wǎng)頁，依次往后為“首次互動”“第2次互動”……。GA默認(rèn)顯示前3次互動，管理員可以點擊“+步驟”顯示更多甚至全部的互動，直至最后一個會話結(jié)束。

下面對圖4中顯示的網(wǎng)頁節(jié)點所代表的Discover頁面描述如下：

/eds/results-簡單搜索(Basic Search)的結(jié)果列表頁面；

/eds/detail/detail-檢索結(jié)果的詳細(xì)頁面(Detailed Record)；

/eds/search/basic-簡單搜索(Basic Search)檢索框頁面；

/eds/resultsadvanced-高級搜索(Advanced Search)的結(jié)果列表頁面；

/eds/search/advanced-高級搜索(Advanced Search)檢索框頁面。

從Discover的起始網(wǎng)頁的流量分布來看，Discover用戶主要形成了四種流量路徑。66.7%的流量進(jìn)入簡單搜索得到的結(jié)果列表頁面(/eds/results)，形成此種路徑的用戶習(xí)慣在圖書館主頁(Discover檢框索內(nèi)嵌在圖書館首頁顯著位置)內(nèi)嵌的Discover檢索框開始信息檢索行為，其中半數(shù)用戶在瀏覽結(jié)果列表之后，進(jìn)入檢索結(jié)果的詳細(xì)頁面，他們首次與Discover的互動就是點擊自己感興趣的結(jié)果查看文獻(xiàn)的詳細(xì)信息；14%的流量進(jìn)入檢索結(jié)果的詳細(xì)頁面(/eds/detail/detail)，此類用戶通過點擊自己保存或者他人分享的文獻(xiàn)詳細(xì)頁面的鏈接進(jìn)入Discover開始信息行為；12.7%的流量進(jìn)入Discover主頁(西浦Discover主頁網(wǎng)址為http://ebsco.cc/xjtlueds，提供簡單檢索和高級檢索，系統(tǒng)默認(rèn)設(shè)置為簡單檢索。用戶可自定義檢索選項限制“Search Option”)，此類用戶通過默認(rèn)的簡單檢索框(/eds/search/basic)開始信息行為；3.4%的流量進(jìn)入高級搜索及高級檢索搜索的結(jié)果頁面。我們注意到，“/eds/results→/eds/detail/detail→/eds/results”作為典型的單元出現(xiàn)在整個行為流中，由此可以歸納出用戶信息搜索的典型模式，即瀏覽搜索結(jié)果→查看某條結(jié)果的詳細(xì)信息→返回搜索結(jié)果，繼續(xù)選取其他結(jié)果并查看其詳情，這種搜索模式常用于開放式主題檢索。

圖4 用戶在Discover中的行為流(僅顯示前3次互動)

3.3.2 網(wǎng)站搜索

Discover是圖書館資源的一站式檢索工具，其價值體現(xiàn)在用戶是否通過該工具進(jìn)行了有效的搜索，而不是局限在對網(wǎng)站的點擊訪問。從表2中看出，86.4%的會話在著陸后至少進(jìn)行了1次搜索。每次搜索后，用戶平均瀏覽了1.8個搜索結(jié)果頁面，這說明用戶在搜索信息時通常只關(guān)注檢索結(jié)果的前2頁。由此可見，檢索結(jié)果的相關(guān)度排序?qū)⒅苯佑绊懹脩舻男畔⑿袨?。搜索后平均停留時間是指執(zhí)行搜索后用戶在網(wǎng)站的平均停留時間，如果一個會話有多次搜索，則前幾次搜索停留時間分別是指相鄰兩次搜索的間隔時間，最后一次搜索停留時間是從最后一次搜索發(fā)生到用戶離開網(wǎng)站的時間。用戶平均花費約5分鐘的時間來瀏覽每次搜索得到的結(jié)果。

表2 用戶在Discover上搜索行為的度量

搜索優(yōu)化率、退出率和平均搜索瀏覽頁數(shù)是分析Discover是否很好地實現(xiàn)其資源獲取功能的三個主要度量。當(dāng)用戶完成一次搜索后又立即進(jìn)行了另一次的搜索，我們基本可以定義后一步搜索是優(yōu)化搜索。搜索優(yōu)化率也就是優(yōu)化搜索的次數(shù)除以總的搜索次數(shù)。優(yōu)化檢索通常是用戶為了縮小/擴(kuò)大搜索范圍或者改變搜索目的而產(chǎn)生的行為，至于其提高或是降低信息搜索的質(zhì)量則需要分情況討論。例如，用戶以“Chinese restaurant”為關(guān)鍵詞開始檢索，然后改進(jìn)為“Chinese restaurant South Beauty”或者“Chinese restaurant in Seattle”。用戶通過多次優(yōu)化搜索逐步表達(dá)其信息需求，他們一開始可能就意識到檢索詞的模糊性和不確定性，期望借助后續(xù)優(yōu)化對得到的結(jié)果進(jìn)行探索。但前提是Discover能夠靈敏地相應(yīng)優(yōu)化搜索后的相關(guān)度反饋，畢竟用戶最終的信息行為目的是獲取與搜索關(guān)鍵詞高度相關(guān)的結(jié)果項。對于檢索詞含義明確/具體/單一的信息需求，如果出現(xiàn)較高的優(yōu)化率，則表明搜索結(jié)果的相關(guān)度排序存在問題。

搜索退出率指搜索退出次數(shù)除以總的搜索次數(shù)。當(dāng)用戶的搜索同時表現(xiàn)出很高的優(yōu)化率和退出率，則說明該信息搜索行為的效率較低。相反，退出率和優(yōu)化率越低，同時平均瀏覽搜索結(jié)果頁數(shù)越少，那么說明信息搜索越有效，效率越高。表2列舉的是全部搜索行為的平均度量值，其中搜索優(yōu)化率較高，退出率和平均瀏覽搜索結(jié)果頁數(shù)都較低，但無法明確判定信息搜索的效率高與低。后續(xù)研究將通過分析檢索詞是明確/具體/單一還是開放式主題，進(jìn)一步揭示高優(yōu)化率的原因。

4 結(jié)論和啟示

本文運用網(wǎng)絡(luò)分析工具，已經(jīng)初步獲取西浦圖書館用戶在一站式資源發(fā)現(xiàn)系統(tǒng)Discover中的信息行為的一般特征，為優(yōu)化圖書館資源整合提供了基礎(chǔ)的客觀依據(jù)。但是，探索數(shù)字環(huán)境下用戶的信息行為是一項極為復(fù)雜的過程，需要從多個維度綜合分析影響用戶信息行為的主導(dǎo)因素。鑒于篇幅的限制，對于用戶的信息檢索式行為——檢索詞的選擇、檢索式的構(gòu)建、檢索式的效果，不能展開分析和討論。

后續(xù)關(guān)于用戶信息行為的研究，將從幾個方面入手：深入用戶的檢索式行為分析，可以針對性干預(yù)和調(diào)節(jié)用戶信息檢索層面的焦慮；綜合運用多種研究手段，探究隱含在用戶信息行為背后的真實心理和需求；進(jìn)一步挖掘用戶細(xì)分群體的信息行為特征，如教師、普通職員、本科生、研究生等不同類型的用戶群的信息行為分析特征，實現(xiàn)發(fā)現(xiàn)服務(wù)平臺針對不同類型用戶提供個性化功能；嘗試對更多平臺的用戶行為的數(shù)據(jù)監(jiān)測，探索圖書館不同平臺間用戶行為流和使用偏好的情況，進(jìn)而提升圖書館各在線用戶平臺的使用便攜性與功能整合性，實現(xiàn)“以用戶為中心”的目標(biāo)轉(zhuǎn)變和優(yōu)化。