超越人口统计：行为分段与空间分析以提升英国博物馆访客体验
社会与信息网络
2025-11-03 v1 人机交互
物理与社会
摘要
本研究利用数据科学方法探索英国博物馆的访客行为，分析包括音频导览使用日志和TripAdvisor评论等新型数据源。我们分析了42,000条访客行程和50,000条以上评论，识别出满意度的关键驱动因素，按行为模式对访客进行分段，考察导览参与度，构建空间导航模型，探讨房间流行度。行为聚类发现四种 distinct 的访客类型：坚定旅行者、悠闲探索者、目标访客和快速采样者，每种类型都具有不同的参与度和运动特征。导览使用分析揭示了高离开率，以及不同语言群体的完成率差异。空间流量建模显示，无论是可访问性还是近距离，尤其是对楼梯的厌恶，都对访客路径的影响大于主题组织。房间流行度更强烈地由物理可访问性而非策展内容所预测。我们提出了实用策略，以提升参与度和流动性，提供面向访客、数据驱动的博物馆规划框架。
引用
@article{arxiv.2510.27542,
title = {Beyond Demographics: Behavioural Segmentation and Spatial Analytics to Enhance Visitor Experience at The British Museum},
author = {Naomi Muggleton and Timothy Monteath and Taha Yasseri},
journal= {arXiv preprint arXiv:2510.27542},
year = {2025}
}
备注
20 pages, 5 figures, under review