微信群的活跃度与生命周期研究讲解.docx

微信社交群的活跃度与生命周期研究 摘要 本题要求针对国内的一款移动社交网络产品，建立合理有效的数学模型，研究用户使用过程中的一些重要社交因素和规律性量化结果，并针对该社交信息群的生命周期进行量化模型预测。本队选择了微信作为研究对象，求解的具体流程如下： 针对问题一：对所得微信用户数据进行分析，该数据包含了各个用户一个月内每天使用微信各个功能的次数，每天在线时长，每天的活跃时间段。通过统计用户每天使用的微信不同功能频次，用回归分析建立这些粘度因素对用户打开微信频数的影响，从而得出用户使用的粘度因素依次为：朋友圈，微信群，发红包，摇一摇，扫二维码，公众号；而统计用户的活跃时间曲线是将每天划分为24个时间段，通过统计每个时间段的人数来记录曲线；再通过对110天内使用高频用户比例变化来分析使用粘度的演变情况，大致呈先上升再下降趋势。在研究粘度因素，活跃曲线，粘度演变这三个子问题时，都利用数学软件进行曲线拟合，从而方便于研究这些变量的变化规律与确定权值。 针对问题二：将研究微信群生命周期分为两方面，一方面要从原始群数据提取出衡量该群特征的指标值：群关联度，群活跃度，群成员性别分布离散度与群成员年龄分布离散度。建立BP神经网络模型并进行训练后，以上述四个群指标作为输入值，利用神经网络预测出该群生命周期总长度，即群寿命。另一方面，由于微信群生命周期分为幼年期，成长期，成熟期与衰老期，且微信群与群之间也存在着用户份额竞争关系，故利用波士顿矩阵模型，对待评估微信群的相对竞争地位与相对竞争力进行量化评估，并以此为依据，将其归类进波士顿矩阵中的相应位置，即评估出该群当前所处的生命周期阶段，同时也预测出了该群会进入的下一个生命周期阶段。最后利用单独群指标通过BP神经网络预测群生命周期长度，以各指标对应的预测精度作为判断该指标是否是影响群生命周期重要因素的依据，分析得影响群生命周期的重要因素依次为：群成员关联度，群不同频度用户的构成，群活跃度与群成员年龄离散度。 本文所建立的模型，都基于对大量微信数据的分析，保证了具有强客观性，不受主观因素影响。且经过求解分析后，体现了出色的准确性与可操作性。 关键词： 统计回归模型 曲线拟合 BP神经网络模型 波士顿矩阵模型  目录 1.问题重述..............................................................3 2.问题假设..............................................................3 3.符号说明..............................................................4 4.问题分析..............................................................4 4.1问题一分析.........................................................4 4.2问题二分析.........................................................5 5.模型建立与求解........................................................6 5.1问题一模型建立与求解...............................................6 5.2问题二模型.........................................................8 5.3问题二模型求解....................................................15 5.4综合运用BCG矩阵与BP神经网络寻求影响群生命周期的重要因素.........21 6.模型评价.............................................................23 7.参考文献.............................................................24 附录...................................................................25  一：问题重述