劉蓓琳+張琪

內(nèi)容摘要：電子商務(wù)行業(yè)競(jìng)爭(zhēng)日趨激烈，如何更好的為用戶(hù)提供個(gè)性化服務(wù)是企業(yè)面臨的難題。本文將用戶(hù)畫(huà)像技術(shù)應(yīng)用于電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策過(guò)程中，提升企業(yè)在需求獲取、個(gè)性化推薦、個(gè)性化服務(wù)、用戶(hù)滿(mǎn)意度管理和信用評(píng)價(jià)五個(gè)階段的服務(wù)水平，并從用戶(hù)畫(huà)像維度劃分、屬性確定以及屬性抽取方法三個(gè)方面對(duì)購(gòu)買(mǎi)決策過(guò)程中的電子商務(wù)用戶(hù)畫(huà)像應(yīng)用進(jìn)行研究。

關(guān)鍵詞：用戶(hù)畫(huà)像 電子商務(wù)用戶(hù) 購(gòu)買(mǎi)決策過(guò)程 大數(shù)據(jù)

概述

據(jù)統(tǒng)計(jì)，2016年上半年中國(guó)網(wǎng)購(gòu)用戶(hù)規(guī)模達(dá)4.8億人，中產(chǎn)階級(jí)電子商務(wù)消費(fèi)群體的崛起使得企業(yè)由以“產(chǎn)品”為中心向以“用戶(hù)”為中心轉(zhuǎn)換，如何更好的了解用戶(hù)需求，以推動(dòng)用戶(hù)購(gòu)買(mǎi)決策的形成成為企業(yè)急需解決的問(wèn)題。用戶(hù)畫(huà)像技術(shù)本質(zhì)是指企業(yè)在大數(shù)據(jù)環(huán)境下，洞察用戶(hù)信息，全面準(zhǔn)確的刻畫(huà)用戶(hù)的維度與屬性，使企業(yè)能深入研究用戶(hù)特征與行為以更加精準(zhǔn)的掌握用戶(hù)需求，從而更好的服務(wù)于用戶(hù)。

電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策分析

電商用戶(hù)的購(gòu)買(mǎi)決策過(guò)程仍遵循傳統(tǒng)消費(fèi)者行為理論，即確認(rèn)需求、信息搜尋、評(píng)估選擇、購(gòu)買(mǎi)決策和購(gòu)后評(píng)價(jià)五個(gè)階段。在此基礎(chǔ)上引入管理學(xué)的全過(guò)程管理理念，電商用戶(hù)購(gòu)買(mǎi)決策過(guò)程可分為“購(gòu)前、購(gòu)中、購(gòu)后”三個(gè)環(huán)節(jié)，主要包括需求獲取、個(gè)性化推薦、個(gè)性化服務(wù)、用戶(hù)滿(mǎn)意度管理、信用評(píng)價(jià)五個(gè)階段，如圖1所示。在這三個(gè)環(huán)節(jié)五個(gè)階段中，用戶(hù)畫(huà)像技術(shù)都能幫助企業(yè)洞察用戶(hù)需求，以便企業(yè)為用戶(hù)提供更好的服務(wù)。

現(xiàn)有用戶(hù)畫(huà)像技術(shù)應(yīng)用研究

（一）需求獲取

洪婷婷（2015）通過(guò)構(gòu)建用戶(hù)畫(huà)像標(biāo)簽庫(kù)進(jìn)行人群分類(lèi)以精準(zhǔn)獲取用戶(hù)需求。孫曄等（2016）利用用戶(hù)畫(huà)像技術(shù)精準(zhǔn)獲取用戶(hù)需求以推進(jìn)商業(yè)銀行的轉(zhuǎn)型和業(yè)務(wù)發(fā)展。馬安華（2013）通過(guò)構(gòu)建電信用戶(hù)畫(huà)像以獲得用戶(hù)需求，實(shí)現(xiàn)能自修正的精準(zhǔn)營(yíng)銷(xiāo)系統(tǒng)。劉海（2016）基于4C理論構(gòu)建“用戶(hù)畫(huà)像”數(shù)據(jù)庫(kù)獲取消費(fèi)者需求，以實(shí)現(xiàn)個(gè)性化的精準(zhǔn)營(yíng)銷(xiāo)。

（二）個(gè)性化推薦

張小可等（2016）利用貝葉斯網(wǎng)絡(luò)構(gòu)建可擴(kuò)展的用戶(hù)畫(huà)像，以實(shí)現(xiàn)用戶(hù)興趣變化的動(dòng)態(tài)推薦。劉鵬等（2016）通過(guò)劃分屬性、興趣維度構(gòu)建可擴(kuò)展的用戶(hù)畫(huà)像，以提高個(gè)性化推薦的精度。王智囊（2016）通過(guò)構(gòu)建醫(yī)學(xué)畫(huà)像庫(kù)，并依此實(shí)現(xiàn)醫(yī)學(xué)個(gè)性化推薦系統(tǒng)。徐凱（2016）提出基于用戶(hù)畫(huà)像技術(shù)的協(xié)同過(guò)濾算法，以提高個(gè)性化推薦的準(zhǔn)確度。

（三）個(gè)性化服務(wù)

侯金鳳等（2016）構(gòu)建用戶(hù)畫(huà)像模型旨在為用戶(hù)提供個(gè)性化服務(wù)。黃文彬等（2016）從移動(dòng)用戶(hù)頻繁活動(dòng)、規(guī)律行為以及移動(dòng)速度三個(gè)維度構(gòu)建移動(dòng)用戶(hù)畫(huà)像，為個(gè)性化服務(wù)提供更全面的數(shù)據(jù)支持。張恒等（2016）通過(guò)構(gòu)建車(chē)主用戶(hù)畫(huà)像旨在為用戶(hù)提供精準(zhǔn)的個(gè)性化服務(wù)。

（四）滿(mǎn)意度管理

李映坤等（2016）通過(guò)構(gòu)建用戶(hù)畫(huà)像以管理用戶(hù)滿(mǎn)意度，并定制相應(yīng)挽留策略。戴桓宇（2016）利用用戶(hù)投訴文本描繪用戶(hù)畫(huà)像，并依此進(jìn)行用戶(hù)滿(mǎn)意度管理。張麗娟等（2017）挖掘用戶(hù)潛在需求并構(gòu)建電信用戶(hù)畫(huà)像，以進(jìn)行用戶(hù)維系與滿(mǎn)意度的管理。

（五）信用評(píng)價(jià)

林漢川（2016）采用隨機(jī)森林結(jié)合Logistic回歸的模型來(lái)構(gòu)建用戶(hù)畫(huà)像旨在精準(zhǔn)地評(píng)估用戶(hù)信用風(fēng)險(xiǎn)。丁偉等（2016）利用通信運(yùn)營(yíng)數(shù)據(jù)構(gòu)建手機(jī)用戶(hù)畫(huà)像，并應(yīng)用于個(gè)人征信領(lǐng)域。孫曄等（2016）通過(guò)用戶(hù)畫(huà)像技術(shù)挖掘商業(yè)銀行征信數(shù)據(jù)，測(cè)評(píng)用戶(hù)信用等級(jí)控制風(fēng)險(xiǎn)。

綜上所述，用戶(hù)畫(huà)像技術(shù)能夠應(yīng)用于電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策的全過(guò)程，以幫助企業(yè)更好的服務(wù)于用戶(hù)，提高企業(yè)競(jìng)爭(zhēng)力。

電子商務(wù)用戶(hù)畫(huà)像構(gòu)建研究

目前電子商務(wù)行業(yè)中用戶(hù)畫(huà)像技術(shù)主要應(yīng)用于用戶(hù)畫(huà)像維度劃分、用戶(hù)畫(huà)像屬性確定以及用戶(hù)畫(huà)像屬性抽取三個(gè)方面的研究。

（一）用戶(hù)畫(huà)像維度劃分

構(gòu)建用戶(hù)畫(huà)像需要?jiǎng)澐钟脩?hù)畫(huà)像維度，即從哪些關(guān)鍵角度對(duì)用戶(hù)進(jìn)行洞察與分析。通過(guò)對(duì)國(guó)內(nèi)20篇有代表性的文獻(xiàn)進(jìn)行疏理，將用戶(hù)畫(huà)像維度劃分方法做歸納總結(jié)（見(jiàn)表1）。

現(xiàn)有研究成果中用戶(hù)畫(huà)像維度的劃分不盡相同。本文對(duì)相似的用戶(hù)畫(huà)像維度進(jìn)行歸納，總結(jié)了19篇研究文獻(xiàn)中提及度較高前六個(gè)維度（見(jiàn)表2）。

（二）用戶(hù)畫(huà)像屬性確定

本文從基本屬性、興趣屬性、社交屬性、行為習(xí)慣、心理特征和用戶(hù)價(jià)值六個(gè)維度對(duì)現(xiàn)有研究文獻(xiàn)中的用戶(hù)畫(huà)像屬性確定方法進(jìn)行總結(jié)（見(jiàn)表3）。

（三）用戶(hù)畫(huà)像屬性抽取

目前，用戶(hù)畫(huà)像屬性抽取的數(shù)據(jù)挖掘方法主要包括聚類(lèi)、關(guān)聯(lián)規(guī)則及機(jī)器學(xué)習(xí)等。

基于聚類(lèi)的用戶(hù)畫(huà)像屬性抽取方法是一種無(wú)監(jiān)督模式識(shí)別并劃分用戶(hù)屬性的方法，根據(jù)電子商務(wù)用戶(hù)的特征相似程度將同類(lèi)用戶(hù)聚合，抽取能夠刻畫(huà)各聚類(lèi)的屬性值。

基于文本挖掘的用戶(hù)畫(huà)像屬性抽取方法是一種從大量文本中抽取潛在知識(shí)的方法，主要分析挖掘用戶(hù)相關(guān)的文本，從中抽取用戶(hù)興趣、購(gòu)買(mǎi)習(xí)慣、上網(wǎng)行為等屬性。

基于關(guān)聯(lián)規(guī)則的用戶(hù)畫(huà)像屬性抽取方法是尋找同一個(gè)事件中出現(xiàn)不同項(xiàng)的相關(guān)性的方法，主要通過(guò)對(duì)用戶(hù)的屬性挖掘分析得到某種類(lèi)別用戶(hù)的典型屬性及屬性的關(guān)聯(lián)情況以抽取用戶(hù)興趣、購(gòu)買(mǎi)習(xí)慣以及上網(wǎng)行為。

基于機(jī)器學(xué)習(xí)的用戶(hù)畫(huà)像屬性抽取方法是一種通過(guò)數(shù)據(jù)、經(jīng)驗(yàn)等模擬實(shí)現(xiàn)人類(lèi)的學(xué)習(xí)行為以獲取新知識(shí)的方法，主要用于預(yù)測(cè)用戶(hù)興趣、行為等。

現(xiàn)有研究文獻(xiàn)中的用戶(hù)畫(huà)像屬性抽取方法總結(jié)如表4所示。

綜上所述，將用戶(hù)畫(huà)像技術(shù)應(yīng)用于電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策過(guò)程，能夠更好的洞察用戶(hù)在不同階段的需求。結(jié)合消費(fèi)者購(gòu)買(mǎi)決策過(guò)程與全過(guò)程管理理念，分為“購(gòu)前、購(gòu)中、購(gòu)后”三個(gè)環(huán)節(jié)的電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策過(guò)程，主要包括需求獲取、個(gè)性化推薦、個(gè)性化服務(wù)、用戶(hù)滿(mǎn)意度管理、信用評(píng)價(jià)五個(gè)階段。通過(guò)文獻(xiàn)梳理，總結(jié)電子商務(wù)用戶(hù)購(gòu)買(mǎi)決策過(guò)程中用戶(hù)畫(huà)像技術(shù)的應(yīng)用，從用戶(hù)畫(huà)像的維度劃分、屬性確定以及屬性抽取方法三個(gè)方面對(duì)基于購(gòu)買(mǎi)決策過(guò)程的電子商務(wù)用戶(hù)畫(huà)像應(yīng)用進(jìn)行了研究。endprint

參考文獻(xiàn)：

1.莫岱青.《2016年（上）中國(guó)電子商務(wù)市場(chǎng)數(shù)據(jù)監(jiān)測(cè)報(bào)告》發(fā)布[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2016（18）

2.劉業(yè)政.網(wǎng)絡(luò)消費(fèi)者行為[M].科學(xué)出版社，2011

3.洪婷婷. 互聯(lián)網(wǎng)廣告人群標(biāo)簽庫(kù)的設(shè)計(jì)及投放規(guī)則挖掘[D].中國(guó)科學(xué)院大學(xué)，2015

4.孫曄，楊照東，陳德華.大數(shù)據(jù)用戶(hù)畫(huà)像技術(shù)在商業(yè)銀行的應(yīng)用[J].數(shù)字通信世界，2016（9）

5.馬安華.基于用戶(hù)行為分析的精確營(yíng)銷(xiāo)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].南京郵電大學(xué)，2013

6.劉海.大數(shù)據(jù)時(shí)代服裝精準(zhǔn)營(yíng)銷(xiāo)下的服務(wù)策略研究[D].上海工程技術(shù)大學(xué)，2016

7.張小可，沈文明，杜翠鳳.貝葉斯網(wǎng)絡(luò)在用戶(hù)畫(huà)像構(gòu)建中的研究[J].移動(dòng)通信，2016，40（22）

8.劉鵬.基于Spark的數(shù)據(jù)管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D].浙江大學(xué)，2016

9.王智囊.基于用戶(hù)畫(huà)像的醫(yī)療信息精準(zhǔn)推薦的研究[D].電子科技大學(xué)，2016

10.徐凱.基于主題抽取演化模型的實(shí)時(shí)新聞推薦系統(tǒng)[D].廣東工業(yè)大學(xué)，2016

11.侯金鳳.移動(dòng)互聯(lián)網(wǎng)下手機(jī)用戶(hù)使用行為特征的研究[J].電腦知識(shí)與技術(shù)，2016，12（7）

12.黃文彬，徐山川，吳家輝.移動(dòng)用戶(hù)畫(huà)像構(gòu)建研究[J].現(xiàn)代情報(bào)，2016，36（10）

13.張恒，張磊，程新洲.基于大數(shù)據(jù)的路橋汽車(chē)用戶(hù)線(xiàn)上2C運(yùn)營(yíng)方案研究[J].郵電設(shè)計(jì)技術(shù)，2016（8）

14.李映坤.大數(shù)據(jù)背景下用戶(hù)畫(huà)像的統(tǒng)計(jì)方法實(shí)踐研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2016

15.戴恒宇.基于數(shù)據(jù)挖掘技術(shù)的移動(dòng)運(yùn)營(yíng)商用戶(hù)投訴數(shù)據(jù)研究[D].南京大學(xué)，2016

16.張麗娟.基于大數(shù)據(jù)分析的用戶(hù)畫(huà)像助力精準(zhǔn)營(yíng)銷(xiāo)研究[J].電信技術(shù)， 2017，8（1）

17.林漢川，張萬(wàn)軍，楊柳.基于大數(shù)據(jù)的個(gè)人信用風(fēng)險(xiǎn)評(píng)估關(guān)鍵技術(shù)研究[J].管理現(xiàn)代化，2016，36（2）

18.丁偉，王題，劉新海.基于大數(shù)據(jù)技術(shù)的手機(jī)用戶(hù)畫(huà)像與征信研究[J].郵電設(shè)計(jì)技術(shù)，2016（3）

19.孫曄，楊照東，陳德華.大數(shù)據(jù)用戶(hù)畫(huà)像技術(shù)在商業(yè)銀行的應(yīng)用[J].數(shù)字通信世界，2016（9）

20.陳志明，胡震云.UGC網(wǎng)站用戶(hù)畫(huà)像研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（1）

21.王慶福.貝葉斯網(wǎng)絡(luò)在用戶(hù)興趣模型構(gòu)建中的研究[J].無(wú)線(xiàn)互聯(lián)科技，2016（12）

22.王智囊.基于用戶(hù)畫(huà)像的醫(yī)療信息精準(zhǔn)推薦的研究[D].電子科技大學(xué)，2016

23.黃文彬，吳家輝，徐山川.數(shù)據(jù)驅(qū)動(dòng)的移動(dòng)用戶(hù)行為研究框架與方法分析[J].情報(bào)科學(xué)，2016，34（7）

24.劉海，盧慧，阮金花.基于“用戶(hù)畫(huà)像”挖掘的精準(zhǔn)營(yíng)銷(xiāo)細(xì)分模型研究[J].絲綢，2015，52（12）

25.王文璐.基于用戶(hù)大數(shù)據(jù)的海爾集團(tuán)線(xiàn)上精準(zhǔn)營(yíng)銷(xiāo)研究[D].東北農(nóng)業(yè)大學(xué)，2015

26茅明睿，王良. 基于某電子商務(wù)公司用戶(hù)數(shù)據(jù)的市民畫(huà)像及應(yīng)用思考[C]// 中國(guó)科協(xié)年會(huì). 2015

27.張哲.基于微博數(shù)據(jù)的用戶(hù)畫(huà)像系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].華中科技大學(xué)，2015

28.高玉龍.基于文本挖掘的用戶(hù)畫(huà)像研究[D].汕頭大學(xué)，2014

29.徐翔斌，王佳強(qiáng)，涂歡，穆明.基于改進(jìn)RFM模型的電子商務(wù)客戶(hù)細(xì)分[J].計(jì)算機(jī)應(yīng)用，2012（5）

30.侯金鳳.移動(dòng)互聯(lián)網(wǎng)下手機(jī)用戶(hù)使用行為特征的研究[J].電腦知識(shí)與技術(shù)，2016，12（3）

31.李冰，王悅，劉永祥.大數(shù)據(jù)環(huán)境下基于K-means的用戶(hù)畫(huà)像與智能推薦的應(yīng)用[J].現(xiàn)代計(jì)算機(jī)（專(zhuān)業(yè)版），2016（24）

32.李宗麗，王計(jì)平.基于大數(shù)據(jù)的定制旅游網(wǎng)站創(chuàng)新設(shè)計(jì)研究[J].設(shè)計(jì)，2016（19）

33.王汝軍.基于大數(shù)據(jù)的移動(dòng)互聯(lián)網(wǎng)行為分析[D].南京郵電大學(xué)，2015

34.戴恒宇.基于數(shù)據(jù)挖掘技術(shù)的移動(dòng)運(yùn)營(yíng)商用戶(hù)投訴數(shù)據(jù)研究[D].南京大學(xué)，2016

35.張慷.手機(jī)用戶(hù)畫(huà)像在大數(shù)據(jù)平臺(tái)的實(shí)現(xiàn)方案[J].信息通信，2014（2）endprint