[论文解读] Stay Awhile and Listen: User Interactions in a Crowdsourced Platform Offering Emotional Support

Derek Doran, Samir Yelne+4 more|Journal of Bioresource Management|Sep 2, 2015

Complex Network Analysis Techniques参考文献 20被引用 9

一句话总结

本研究基于数以十万计用户的活动日志，分析了7 Cups of Tea这一大规模众包情感支持平台上的用户互动行为。研究发现，信息发送量和早期对话请求次数——而非登录频率或情绪困扰程度——最能预测用户的长期参与度，凸显了互动质量而非平台访问频率的重要性。

ABSTRACT

Internet and online-based social systems are rising as the dominant mode of communication in society. However, the public or semi-private environment under which most online communications operate under do not make them suitable channels for speaking with others about personal or emotional problems. This has led to the emergence of online platforms for emotional support offering free, anonymous, and confidential conversations with live listeners. Yet very little is known about the way these platforms are utilized, and if their features and design foster strong user engagement. This paper explores the utilization and the interaction features of hundreds of thousands of users on 7 Cups of Tea, a leading online platform offering online emotional support. It dissects the level of activity of hundreds of thousands of users, the patterns by which they engage in conversation with each other, and uses machine learning methods to find factors promoting engagement. The study may be the first to measure activities and interactions in a large-scale online social system that fosters peer-to-peer emotional support.

研究动机与目标

• 理解用户如何与类似7 Cups of Tea的众包情感支持平台互动。
• 识别用户活动模式及成员与倾听者之间的结构性互动机制。
• 确定哪些平台功能和用户行为能够预测长期参与度。
• 通过分析真实世界中的使用模式和参与驱动因素，为未来在线情感支持系统的设计提供依据。

提出的方法

• 分析为期12个月收集的7 Cups of Tea平台匿名用户活动日志，涵盖87,232名成员、33,601名倾听者和12,038名混合用户。
• 采用网络分析方法建模成员-倾听者互动结构，包括核心-边缘模式和倾听者网络中的潜在群体（cliques）。
• 应用随机森林机器学习模型预测长期用户参与度，并使用基尼指数对特征重要性进行排序。
• 通过信息发送量、对话请求次数、登录频率以及注册后前两周的论坛活动等指标衡量参与度。
• 利用热力图和折线图可视化互动趋势，展示一天中不同时段的使用模式及按对话请求量划分的参与度留存情况。
• 采用统计建模方法评估关键预测变量（如信息发送量与对话请求次数）之间的交互作用。

Figure 1: Browsing for new listeners in 7cot. (1) Listener profiles; (2) Searching for listener by various criteria; (3) Connecting with a listener immediately.

实验结果

研究问题

• RQ1 不同类型的用户（成员、倾听者、访客、混合用户）在长时间内如何与7 Cups of Tea平台互动？
• RQ2 成员-倾听者互动网络中呈现出何种结构性模式？这些模式是否表明社区形成或核心-边缘结构的存在？
• RQ3 在注册后前两周内，哪些用户行为和平台功能最能预测长期参与度？
• RQ4 用户情绪困扰程度如何影响其成为活跃参与者的可能性？
• RQ5 与一对一私密对话相比，公共论坛和群组聊天在用户留存方面的作用有多大？

主要发现

• 在一对一对话中发送的信息数量以及注册后前两周内提交的对话请求次数，是长期用户参与度最强的预测指标。
• 在前两周内发起五次或以上对话的用户更可能保持活跃，无论单次对话的信息量多少，表明关系数量驱动留存。
• 单次对话中的信息发送量仅在用户发起对话少于五次时是参与度的强预测因子，表明关系建立存在一个阈值效应。
• 前两周的登录频率和论坛活动并非长期参与度的显著预测因子，表明仅拥有平台访问权限并不能驱动持续参与。
• 无论情绪困扰程度高低，用户成为活跃成员的可能性相当，表明情感支持平台吸引的是广泛范围的用户，与症状严重程度无关。
• 公共论坛和群组聊天对用户留存无显著贡献，可能是因为其互动较不具个人色彩且更短暂，相较于私密的一对一对话。

Figure 2: 7cot member interface. (1) List of current conversations; (2) selections to connect to any listener; (3) conversation window; (4) progress values; (5) access chat forums and progression metrics.