ارائه الگويي براي تحليل رفتار كاربران شبكه‌هاي اجتماعي با استفاده از روش‌هاي داده‌كاوي: يك شبكه اجتماعي در ايران

Developing a Pattern for Analyzing Social Network Users Behavior Based on Data Mining Algorithms: an Iranian Social Network

در فضاي مجازي، شبكه‌هاي اجتماعي به ‌عنوان نوع جديدي از وب‌سايت‌ها متولد شده‌اند و كاربردها، كاربران و طرفداران بسياري پيدا كرده‌اند. شبكه‌هاي اجتماعي يكي از انوع رسانه‌هاي اجتماعي محبوب محسوب مي‌شوند و محلي براي شكل‌گيري جماعت‌هاي مجازي و شبكه‌سازي كاربران اينترنتي هستند كاربران اينترنتي را بر‌حسب نوع مواجه خود با شبكه‌هاي اجتماعي مي‌توان به شكل‌هاي مختلف دسته‌بندي كرد. باتوجه به گسترش انواع شبكه‌هاي اجتماعي، نياز به الگويي است تا براساس آن تصميم‌گيري استراتژيك و يا اتخاذ خط مشي‌هاي جديد براي خدمت‌رساني بهتر به كاربران صورت گيرد. هدف اين پژوهش، ارائه سازوكاري جهت پيش‌بيني الگوهاي رفتاري افراد در شبكه‌هاي اجتماعي و به‌كارگيري تكنيك‌هاي داده‌كاوي با استفاده از روش فرايندي اجراي پروژههاي داده‌كاوي براي رده‌بندي و تحليل رفتار كاربران شبكه اجتماعي به منظور شناخت بهتر آنها و در نتيجه بهبود خدمات ارائه شده و تدوين استراتژي‌هاي مناسب مي‌باشد. جامعه آماري پژوهش كاربراني مي‌باشد كه از شبكه‌ اجتماعي مورد نظر استفاده مي‌كنند كه شامل تعداد 31033 كاربر فعال است. درك صحيح از الگوهاي رفتاري كاربران شبكه‌هاي اجتماعي، منجر به انطباق هرچه بهتر خدمات ارائه شده به‌وسيله شبكه با نيازهاي كاربر و به تبع آن، توسعه تعداد كاربران شبكه و افزايش ارزش افزوده آن براي كاربران و درآمدزايي براي متوليان شبكه مي‌گردد.

In cyberspace, Social networks have been born as a new type of websites and have gained an enormous range of users and fans. Social networks are one type of social media and are places for forming virtual communities of interested users. Internet users have been classified in different ways based on their type of using social networks. This study seeks to provide a mechanism to predict patterns of behavior in social networks. Due to the expansion of social networks, the selected network requires a model based on the new strategic decisions or policies for better serve users. This study uses data mining techniques for classification and analysis of social network users for better understanding of their behavior and improving services and developing appropriate strategies. Understanding behavioral patterns of users of social networks lead to better adaptation to user needs. The user population applied for analysis includes 31033 users that use a specific Iranian Social Network regularly. A method for clustering and orientation analysis based on past users behavior using CRISP-DM and data mining software is deeply analyzed and described. A full perception of users’ behavior will result in a better match of social network features with users’ needs as well as a high value added for users and profitability for social network owners.