本文關(guān)鍵詞：音樂(lè)APP在社交平臺(tái)傳播推廣的用戶行為分析　出處：《北京交通大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 社交網(wǎng)絡(luò) 用戶行為分析 音樂(lè)應(yīng)用 人類(lèi)動(dòng)力學(xué) 網(wǎng)絡(luò)爬蟲(chóng)

【摘要】：近年來(lái)社交網(wǎng)絡(luò)快速發(fā)展,社交平臺(tái)的用戶流量巨大,在全民社交網(wǎng)絡(luò)時(shí)代用戶分享應(yīng)用消息數(shù)量與日俱增,如今社交平臺(tái)分享應(yīng)用對(duì)APP的傳播逐漸代替?zhèn)鹘y(tǒng)的廣告營(yíng)銷(xiāo),甚至有時(shí)可以決定一款A(yù)PP的成敗,因此在音樂(lè)應(yīng)用發(fā)展迅速、競(jìng)爭(zhēng)激烈的背景下,本文從微博這一主流社交網(wǎng)絡(luò)平臺(tái)入手,提出音樂(lè)應(yīng)用開(kāi)發(fā)商可以利用微博來(lái)對(duì)音樂(lè)APP進(jìn)行有效推廣。本文介紹了微博、音樂(lè)APP的現(xiàn)狀,社交平臺(tái)數(shù)據(jù)獲取技術(shù)以及用戶行為動(dòng)力學(xué)理論,分析了微博用戶分享應(yīng)用行為的影響因素,找到對(duì)其產(chǎn)生影響的用戶特征,接著根據(jù)分析構(gòu)建用戶選擇行為模型,通過(guò)路徑分析和用戶興趣驅(qū)動(dòng)理論論證了模型,根據(jù)采集到的數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證,從而明確影響微博用戶分享應(yīng)用行為的影響因素,應(yīng)用開(kāi)發(fā)商可以通過(guò)對(duì)影響因素的控制來(lái)實(shí)現(xiàn)對(duì)音樂(lè)APP的推廣。本文克服了新浪微博的限制,通過(guò)網(wǎng)絡(luò)爬蟲(chóng)以及API接口獲取了研究所需的用戶特征。對(duì)音樂(lè)APP進(jìn)行傳播推廣的關(guān)鍵是增強(qiáng)用戶微博分享應(yīng)用消息的行為,因此將用戶分享音樂(lè)APP行為的影響因素分為兩部分,分別分析了用戶分享時(shí)間間隔的影響因素和微博關(guān)注數(shù)影響因素,應(yīng)用SPSS進(jìn)行相關(guān)性分析和統(tǒng)計(jì)分析等來(lái)找尋可能的影響因素。本文根據(jù)影響因素分析結(jié)果提出了社交平臺(tái)音樂(lè)APP用戶選擇行為模型,通過(guò)AMOS進(jìn)行路徑分析修正了微博關(guān)注數(shù)因素鏈,通過(guò)興趣驅(qū)動(dòng)理論結(jié)合社交平臺(tái)特點(diǎn)加入社會(huì)關(guān)注作為變量,論證了用戶分享音樂(lè)應(yīng)用消息獲得的關(guān)注數(shù)會(huì)對(duì)用戶的分享行為產(chǎn)生積極的影響。本文揭示了用戶行為與消息分享傳播之間的關(guān)系,為以后研究社交平臺(tái)用戶行為提供了方法參考,同時(shí)為音樂(lè)開(kāi)發(fā)商的運(yùn)營(yíng)推廣提供建議策略。
[Abstract]:In recent years, with the rapid development of social network, the user traffic of social platform is huge. In the era of social network, the number of users sharing application messages is increasing. Nowadays, the spread of social platform sharing apps to APP is gradually replacing the traditional advertising marketing, and sometimes it can even determine the success or failure of a APP. Therefore, in the context of the rapid development of music applications, the competition is fierce. This paper starts with Weibo, a mainstream social network platform, and points out that music application developers can use Weibo to promote music APP effectively. This paper introduces Weibo, the current situation of music APP. Social platform data acquisition technology and user behavior dynamics theory, analysis of Weibo user sharing application behavior factors, to find the impact of user characteristics. Then the user choice behavior model is constructed according to the analysis, the model is demonstrated by path analysis and user interest driven theory, and the model is demonstrated according to the collected data. In order to clearly affect Weibo user sharing application behavior factors, application developers can control the impact factors to achieve the promotion of music APP. This paper overcomes the limitation of Sina Weibo. Through the web crawler and API interface to obtain the required user characteristics. The key to spread and promote the music APP is to enhance the user Weibo sharing application messages behavior. Therefore, the influencing factors of user sharing music APP behavior are divided into two parts, and the influencing factors of user sharing time interval and Weibo attention number are analyzed respectively. Based on the results of SPSS correlation analysis and statistical analysis to find the possible factors, this paper puts forward a social platform APP user choice behavior model. Through the path analysis of AMOS, Weibo's attention chain is revised, and social attention is added as a variable through interest driven theory combined with the characteristics of social platform. It is demonstrated that the number of attention gained by the user sharing music application will have a positive impact on the user's sharing behavior. This paper reveals the relationship between user behavior and message sharing propagation. It provides a method reference for the later study of social platform user behavior, and also provides suggestions for music developers to promote their operation.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：J605;G206

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳琳;任芳;;基于Python的新浪微博數(shù)據(jù)爬蟲(chóng)程序設(shè)計(jì)[J];信息系統(tǒng)工程;2016年09期

2 廖海涵;靳嘉林;王曰芬;;網(wǎng)絡(luò)輿情事件中微博用戶行為特征和關(guān)系分析——以新浪微博“霧霾調(diào)查:穹頂之下”為例[J];情報(bào)資料工作;2016年03期

3 王晴如;;探析手機(jī)音樂(lè)App現(xiàn)狀與發(fā)展趨勢(shì)[J];新聞窗;2016年02期

4 郭小丹;;幾種開(kāi)源網(wǎng)絡(luò)爬蟲(chóng)功能比較[J];黑龍江科技信息;2015年25期

5 趙金樓;成俊會(huì);劉家國(guó);;興趣、習(xí)慣、交互三重驅(qū)動(dòng)的微博用戶動(dòng)力學(xué)模型[J];哈爾濱工程大學(xué)學(xué)報(bào);2015年09期

6 張春明;;淺談社交網(wǎng)絡(luò)[J];電子商務(wù);2013年10期

7 熊琦;;數(shù)字音樂(lè)付費(fèi)制度的未來(lái)模式探索[J];知識(shí)產(chǎn)權(quán);2013年07期

8 何黎;何躍;霍葉青;;微博用戶特征分析和核心用戶挖掘[J];情報(bào)理論與實(shí)踐;2011年11期

9 廉捷;周欣;曹偉;劉云;;新浪微博數(shù)據(jù)挖掘方案[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年10期

10 樊超;郭進(jìn)利;韓筱璞;汪秉宏;;人類(lèi)行為動(dòng)力學(xué)研究綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2011年02期

相關(guān)博士學(xué)位論文 前5條

1 廉捷;基于用戶特征的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘研究[D];北京交通大學(xué);2014年

2 肖云鵬;在線社會(huì)網(wǎng)絡(luò)用戶行為模型與應(yīng)用算法研究[D];北京郵電大學(xué);2013年

3 易蘭麗;基于人類(lèi)動(dòng)力學(xué)的微博用戶行為統(tǒng)計(jì)特征分析與建模研究[D];北京郵電大學(xué);2012年

4 鮑媛媛;人類(lèi)行為動(dòng)力學(xué)的實(shí)證及生成機(jī)制研究[D];北京郵電大學(xué);2012年

5 秦杰;Web環(huán)境中半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)與查詢技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前9條

1 趙俊;社交網(wǎng)絡(luò)的數(shù)據(jù)采集與分析方法研究[D];鄭州大學(xué);2015年

2 樓俊俏;蝦米手機(jī)音樂(lè)客戶端市場(chǎng)營(yíng)銷(xiāo)策劃方案[D];浙江大學(xué);2015年

3 陳玉英;基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析[D];北京交通大學(xué);2015年

4 俞忻峰;新浪微博的數(shù)據(jù)采集和推薦方案研究[D];南京理工大學(xué);2015年

5 陳慧娟;微博網(wǎng)絡(luò)信息傳播分析與模型構(gòu)建[D];安徽工業(yè)大學(xué);2014年

6 劉敬博;支持云計(jì)算的微博在線采集方法研究與應(yīng)用[D];燕山大學(xué);2014年

7 張歡;網(wǎng)絡(luò)用戶偏好分析方法的研究[D];北京交通大學(xué);2014年

8 羅一紓;微博爬蟲(chóng)的相關(guān)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

9 郭琛;社交網(wǎng)絡(luò)分析與信息傳播研究[D];復(fù)旦大學(xué);2012年

，

本文編號(hào)：1375704