[目的/意义]为了丰富社交互动行为和知识付费行为的理论研究,有效识别潜在知识付费用户,从而提高在线知识社区的变现能力,在总结前人研究结论的基础上,研究不同类型以及不同程度的交互行为对于预测知识付费用户的贡献度及其变化趋势.[方法/过程]以从知乎社区(www.zhihu.com)爬取的400万用户社会交互行为数据为依托,根据交互主体和交互方向的不同对该社区的用户社会交互行为进行分类,然后,利用随机森林算法研究不同类型和不同程度的交互行为对知识付费用户预测的贡献程度,并对结果进行分析比较.[结果/结论]结果发现,用户和其他用户的交互影响大于用户和平台交互的影响,特别是,用户对其他用户的主动交互行为的影响大于用户接收到的来自其他用户的交互行为的影响.此外,在一定的阈值内,社交互动的程度越大,其对知识付费行为预测的贡献越大.不同的交互类型具有不同的阈值,但是超过这个阈值以后,关系则不再是简单的单调增加关系,可能趋于平缓甚至显著下降.