过去的研究往往以微博粉丝数及粉丝互动来评价运营质量的好坏，对目标人群大小不同的高校馆微博来说，这种评价不够科学。高校馆微博有特定的服务对象，即在校大学生。在校学生人数多的高校馆会有更多的微博粉丝，互动往往较为活跃。因此，需要将在校大学生的人数纳入评价体系。考虑到在校大学生人数往往不能轻易操控和改变，本研究将高校在校大学生数目作为不能改变的指标变量纳入输入指标中。最终的高校馆微博运营效率指标评价体系如表 1所示。
3 高校馆微博运营效率评价
3.1 样本选取
本文以“985 工程”涵盖的 39 所高校馆微博为研究对象。在新浪微博中搜索相应高校的官方图书馆微博，发现中南大学等 9 所高校的图书馆未开设新浪微博；在收集全日制在校学生数目时，没有找到四川大学等 3 所高校详细的在校生数据，因此，最终确定选取样本 27 个，分别是北京大学、北京航空航天大学、北京理工大学、北京师范大学、东北大学、东南大学、复旦大学、哈尔滨工业大学、湖南大学、华东师范大学、华南理工大学、兰州大学、南京大学、南开大学、清华大学、厦门大学、山东大学、上海交通大学、同济大学、武汉大学、西安交通大学、西北工业大学、西北农林科技大学、浙江大学、中国人民大学、中山大学、中央民族大学等高校的图书馆。
3.2 数据收集
本文通过微博风云平台收集原创率、日均微博和互动率数据。关注数、开设天数和粉丝数通过各高校馆微博主页查找获得。学生数通过查找各高校门户网站的公开数据获得。
3.3 分析结果
（1）总体效率分析。利用 Frontier Analyst软件，选择规模收益可变的 BCC 模型，设定开设天数和学生数目为不能控制的输入项，对 27 个高校馆微博决策单元进行分析，总体效率评价情况如表 2 所示。其中，有 18 个高校馆微博达到D EA 有效水平，其余 9 个为非 D EA 有效。
（2）指标贡献值分析。综合 D EA 有效的 18 个高校馆微博的输入 / 输出指标贡献值数据，得到各个指标贡献值的均值、最大值和最小值，如表 3 所示。
在输入指标中，平均贡献值最大的是关注数，日均微博和原创率的平均贡献值相差不大，不可控项学生数目和开设天数的平均贡献值几乎为 0,符合其作为不可控指标的设定。图书馆微博具有社交网络的特征，节点之间的关系对于节点非常重要。关注数在效率评价体系中的贡献值正是对这一观点的佐证。关注数最大值和最小值之差小于日均微博和原创率的相关差值，说明该指标分布稳定性更高，即贡献大而稳定。相较而言，日均微博和原创率的贡献值分布稳定性较差，说明决策单元在这两个方面的表现参差不齐。虽然这些决策单元是相对有效的，但仍有可提升的空间。
在输出指标中，表征质量的互动率比表征数量的粉丝数的平均贡献值稍高，表明粉丝质量的重要性。因此，不能单纯考虑粉丝数量，也要关注粉丝质量。总的来说，两者相差不大，只有综合考虑了粉丝数量和粉丝质量，才能较好地了解微博的影响力。
（3）指标改进值分析。对非 D EA 有效的高校馆微博样本，利用 Frontier Analyst投影分析功能，进行改进分析。综合非 D EA 有效的 9 个高校馆微博的输入 / 输出改进值数据，得到各个指标改进值，以及整体改进值的平均值、最大值和最小值（见表 4）。
在可控输入指标中，平均改进值最大的是关注数（可减少 51.8% ），接下来依次是日均微博（可减少 44.5% ）和原创率（可减少 23.6% ）。就非 D EA有效的高校馆微博而言，在保证产出数据不变的前提下，可改变的输入项均存在不同程度的冗余，其中最为严重的是关注冗余，日均微博和原创率的冗余属于内容冗余，图书馆微博的内容应该是恰当的，对相关性不大的微博内容，可考虑不予发表。Frontier Analyst软件还会显示不可控指标的潜在改进量，因为这样的信息依然有用，表明更高的产出是可以实现的[17].不可控输入指标学生数目和开设天数理论上的平均可减少值分别为 6.2% 和 23.8% .高校馆微博的开设天数改进值说明其吸引的粉丝数和粉丝互动率远远没有达到应有的水平，值得反思。
在输出指标中，表征质量的互动率和表征数量的粉丝数的平均改进值均为 0,符合在保持输出不变的情况下，最小化输入指标的分析思路。
然而一般情况下，人们并不想保持目前的产出不变，而是希望尽量获得更高的产出。如何改善输入指标的质量而不仅仅是其数量，显得十分重要。
4 结论及建议
借助多投入多产出的生产效率分析方法D EA,本文提供了分析高校馆微博运营状况的新角度。数据分析结果显示，大部分的样本高校馆微博运营效率达到 D EA 有效的标准；各指标贡献值大小不同，应区别对待；对非 D EA 有效者，需酌情改善投入，提升效率。
在输入指标中，可控指标的平均贡献值有所不同。作为结构性投入的微博关注数贡献值最大，作为内容性投入的日均微博和原创率的平均贡献值则相对较小。高校馆微博需要注意自身的关注数量和质量，在保证质量的情况下避免冗余产生。要认真选择关注账号，选取质量较高，相关性较大的账号，比如其他高校馆微博、校内其他组织的官方微博、学术资源相关的微博，避免根据运营者个人爱好选择微博。在投入内容上，既要关注内容的数量，也要注重内容的质量，避免产生内容投入冗余现象，导致运营效率变差。
控制每天的微博数量，避免刷屏引起关注者的不适。对微博内容质量进行把关，尽量少发与图书馆无关的、同质性较高的内容，尽量少转发意义较小的二手信息。在输出指标中，粉丝数和互动率两者的平均贡献值较为接近，粉丝的数量和质量都是非常重要的评价指标。高校馆微博不仅要注意内容的吸引力，以带来粉丝数量的增加，更要注意与粉丝间的互动，以提升粉丝的活跃度。为此，高校馆微博要充分利用微博的互动功能，比如 @ 功能，话题功能；策划互动交流的活动，如投票、评选；要定时登陆微博，及时解决粉丝疑问。
本文的研究对高校馆微博的管理者具有借鉴作用，在后续研究中将会联合高校馆官方数字平台，将网站与微博整合起来构建跨平台的指标评价体系，并整合层次分析法 AHP 和数据包络分析法 D EA 展开融合定性与定量的研究。
参考文献
[1] 中国互联网络中心。 第 35 次中国互联网络发展状况统计报告[EB/OL].[2015-01-22].
[2] 龚雪竹。 公共图书馆和高校图书馆微博的比较分析[J].大学图书馆学报，2014 （6）：78-82.
[3] 刘汝建。 大学图书馆微博个案研究与启示---以清华大学图书馆微博为例[J]. 高校图书馆工作，2013,33（4）：24-26.
[4] 张敏，刘凤。 我国公共图书馆微博平台的对话特征分析[J].图书馆学研究，2014 （11）：12-17.
[5] 赵红，王璨，胡锋，等。 基于多层结构的微博影响力决定因素研究[J]. 管理学报，2014,11 （7）：1062-1068.
[6] 林琛。 微博个体信息传播影响力评价模型研究[J]. 现代图书情报技术，2014,30 （2）：79-85.
