预测高等院校(Higher Educational Institutions, HEIs)社交媒体互动(Engagement)：一种机器学习(Machine Learning, ML)方法

《Journal of Digital Economy》：Predicting Social Media Engagement in Higher Educational Institutions: A Machine Learning Approach

　　

摘要：社交媒体互动(Engagement)在高等院校(Higher Educational Institutes, HEIs)的营销活动中起着至关重要的作用。现有研究清楚表明，仅拥有社交媒体存在感及发布内容而无相应策略并不会带来HEIs更高的知名度、品牌塑造或招生效果。据此，本研究尝试在新兴市场背景下为HEIs构建社交媒体互动的预测模型。研究采用某HEIs官方Facebook页面(Page Insights)的历史数据用于建模。首先进行数据预处理与特征工程(Feature Engineering)，随后基于聚类(K-means)进行类别标注(Class-labelling)。标注后的类别进一步使用若干机器学习(Machine Learning, ML)分类器进行训练，并基于K折交叉验证(K-fold Cross-validation)遴选性能最优的模型。对优选分类器进一步执行超参数优化(Hyperparameter Optimization)。本研究是在新兴市场背景下为HEIs社交媒体互动构建预测模型的开拓性尝试。所提出的预测模型可作为制定社交媒体内容发布策略的实用工具。

研究背景与意义

高等院校(Higher Educational Institutions, HEIs)在过去十年中经历了重大数字化转型，特别是受COVID-19疫情影响，教学、沟通与评估大量迁移至在线平台。社交媒体已成为HEIs与利益相关者沟通、展示独特价值主张、提升可见度及建立校友关系的重要工具。然而，现有关于HEIs社交媒体互动(Engagement)的研究多采用描述性或相关性分析，关注内容主题、机构声誉关联等，缺乏能够指导单条帖子内容策略的可操作预测性见解，导致多数HEIs仍凭直觉而非数据驱动方式管理社交媒体。此外，新兴市场（如印度）背景下HEIs竞争激烈，受众行为具独特性，更需本土化的预测框架。为此，研究人员以印度一所多学科HEIs的Facebook官方页面数据为对象，构建二分类预测模型以判断单条帖子是否将获得高互动，填补HEIs社交媒体互动预测建模的空白，为社交媒体管理者提供基于证据的内容排期与格式决策依据。本研究发表于《Journal of Digital Economy》。

主要关键技术方法

研究人员采集印度某多学科HEIs官方Facebook页面2019年12月25日至2022年12月25日共921条帖子历史数据，以"Lifetime People who have liked your Page and engaged with your post"为原始互动指标。对内容类型（照片/链接/状态/视频/分享视频）、发布月份（按季度分箱）、发布时刻（24小时按6时段分箱）、星期几（含周末标识）进行独热编码(One-hot Encoding / Dummy Variables)，新增"Days Since Post"控制反应时间窗口，共得23个衍生特征。因互动指标高度偏态，采用K-means聚类（经肘部Elbow法与轮廓Silhouette法确定K=2）将帖子标记为"高互动(High Engagement)"与"低互动(Low Engagement)"，并对少数类随机过采样(Random Oversampling)平衡数据集。使用卡方检验(Chi-squared Test, α=0.05)筛选显著特征，随后分别训练朴素贝叶斯(Na?ve Bayes)、逻辑回归(Logistic Regression)、线性核/多项式核/S形核/RBF核支持向量机(Support Vector Machine, SVM)、多层感知器(Multi-Layer Perceptron, MLP)及极端梯度提升树(eXtreme Gradient Boosting, XGBoost)。以10折交叉验证评估准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F₁分数(F₁-score)，对最优模型使用随机搜索(Random Search)进行超参数优化(Hyperparameter Tuning)，并通过重复交叉验证及配对t检验、McNemar检验验证模型稳健性与显著性差异。

研究结果

4.1. Derived features describing content's characteristics

研究人员经特征工程从原始属性（内容类型、发布时刻、发布星期）生成23个哑变量特征，包括5种内容类型、4个季度月份区间、6个时段区间、7个星期及周末标志，作为模型输入。

4.2. Clustering results and class labelling

通过肘部法(Elbow Method)与轮廓系数法(Silhouette Method)确定最佳聚类数为2，K-means产生两簇分别含463和458条（过采样后均衡）数据点，分别标注为"高互动"与"低互动"，并对初始不平衡数据做随机过采样使两类比例相等。

4.3. Selected attributes from feature selection

经卡方独立性检验(p<0.05)，从23个特征中筛选出15个与互动类别显著相关的特征，包括内容类型中的照片与分享视频、时段中的4–7时及20–23时、月份中4–6月、周五及周末等，其中部分特征卡方统计量较高者为月份4–6月(χ2=8.896)及分享视频/16–19时(χ2=4.627)。

4.4. Classification model evaluation results

未经超参数优化的基准模型中，SVM（多项式核与RBF核）与XGBoost表现较优，准确率分别为79.2%（SVM Poly/RBF）与74.4%（XGBoost），而Sigmoid核SVM(66.2%)与朴素贝叶斯(72.0%)相对较差。

4.5. Hyper parameter optimized results of the best-chosen models

对表现最佳的SVM RBF与XGBoost进行随机搜索超参数优化后，优化SVM RBF达准确率84.0%（Precision_高=0.828, Recall_高=0.684, F_1高=0.744; Precision_低=0.744, Recall_低=0.876, F_1低=0.804），优化XGBoost达准确率81.6%（Precision_高=0.816, Recall_高=0.672, F_1高=0.732; Precision_低=0.828, Recall_低=0.948, F_1低=0.876）。

4.6. Feature importance analysis

基于优化XGBoost的特征重要性(Feature Importance)分析显示，最具预测力的三个特征依次为：发布时段4–7时(Time_of_the_day_4_to_7)、周五(Day_of_the_week_Fri)、深夜0–3时(Time_of_the_day_0_to_3)，说明早晨早段与周五是该校受众活跃高峰，深夜亦为学生群体浏览高峰。

4.7. Robustness and Stability Analysis

重复10折交叉验证(5次重复)显示优化SVM RBF均值准确率83.6%(SD=0.017)，优化XGBoost均值81.2%(SD=0.020)，标准差较小表明模型稳定。配对t检验比较两最优模型得p=0.009(<0.05)，拒绝无差异原假设，SVM RBF显著优于XGBoost。McNemar检验得χ2=5.07, p=0.013(<0.05)，同样表明SVM RBF分类错误分布显著优于XGBoost，确认优化SVM(RBF核)为该情境下最稳健的预测模型。

讨论与结论（总结翻译）

研究人员指出，先前HEIs社交媒体研究多为描述性，缺乏帖子层面的可操作预测洞察。本研究通过构建二元分类预测框架，证明HEIs Facebook帖子互动可由帖子级元数据（内容类型、发布时间、星期）有效预测——优化SVM(RBF核)准确率达84%，XGBoost达81.6%。最重要的预测因子为清晨4–7时发布、周五发布及深夜发布窗口。该预测模型可供HEIs社媒管理者在发布前评估帖子获得高互动的概率，据此调整内容格式与排期，从事后评估转向前瞻性、数据驱动的社媒内容规划。研究局限在于未纳入文本语义主题与情感极性，未来可结合自然语言处理(Natural Language Processing, NLP)及Transformer嵌入、扩展至多平台（Instagram/X/LinkedIn）并建立分平台模型。本研究表明预测分析可桥接描述性研究与可操作数字营销策略，为新兴市场教育机构强化数字互动提供方法论与实证依据。