張軍鋒

（中國鐵道科學(xué)研究院集團有限公司 電子計算技術(shù)研究所，北京 100081）

國務(wù)院《關(guān)于促進(jìn)大數(shù)據(jù)發(fā)展的行動綱要》強調(diào)以企業(yè)為主體、以市場為導(dǎo)向，加大政策支持大數(shù)據(jù)產(chǎn)業(yè)發(fā)展力度，深化大數(shù)據(jù)在各行業(yè)創(chuàng)新應(yīng)用，催生新業(yè)態(tài)、新模式。大數(shù)據(jù)技術(shù)和業(yè)態(tài)的成熟也為鐵路部門實現(xiàn)數(shù)據(jù)驅(qū)動和業(yè)務(wù)創(chuàng)新提供了強有力的支撐。目前鐵路部門已經(jīng)形成了以12306、95306

為代表的一系列互聯(lián)網(wǎng)服務(wù)平臺[1]，在現(xiàn)有基礎(chǔ)之上，采用大數(shù)據(jù)技術(shù)，開展用戶畫像、精準(zhǔn)營銷、延伸服務(wù)等“互聯(lián)網(wǎng)+”產(chǎn)業(yè)升級已經(jīng)具備條件，也是產(chǎn)業(yè)發(fā)展的大勢所趨。

用戶畫像系統(tǒng)是對現(xiàn)實生活中的用戶行為進(jìn)行數(shù)據(jù)建模，以不同的數(shù)據(jù)維度對用戶進(jìn)行刻畫。通過對用戶的人口屬性、行為偏好等主要信息進(jìn)行建模分析，從而抽象出能夠讓人理解的語義標(biāo)簽，通過標(biāo)簽來形成一個用戶的信息全貌，為進(jìn)一步分析

和利用這些信息提供數(shù)據(jù)基礎(chǔ)。目前在航空、電信、銀行和互聯(lián)網(wǎng)行業(yè)，許多公司已經(jīng)建立并應(yīng)用了用戶畫像系統(tǒng)，在提升用戶體驗、精準(zhǔn)營銷、效益提升方面取得了很好的效果[2-3]。

本文針對鐵路行業(yè)大數(shù)據(jù)應(yīng)用—旅客用戶畫像系統(tǒng)進(jìn)行了探索：對鐵路用戶的行為、交易等數(shù)據(jù)進(jìn)行采集，綜合運用統(tǒng)計學(xué)模型、文本挖掘、機器學(xué)習(xí)等多種技術(shù)，把海量數(shù)據(jù)轉(zhuǎn)化成簡潔、形象、人機可理解的畫像標(biāo)簽，通過與應(yīng)用系統(tǒng)對接，支撐客運產(chǎn)品優(yōu)化、個性化服務(wù)、數(shù)據(jù)增值服務(wù)等業(yè)務(wù)的開展，從而充分發(fā)揮數(shù)據(jù)的基礎(chǔ)資源作用和創(chuàng)新引擎作用，助力鐵路部門提升客戶服務(wù)能力和 核心競爭力。

1 旅客用戶畫像系統(tǒng)架構(gòu)設(shè)計

鐵路旅客用戶畫像系統(tǒng)依托基礎(chǔ)運行環(huán)境提供線性伸縮的計算存儲資源，采用基于Hadoop的大數(shù)據(jù)體系架構(gòu)[4-6]，通過采集、匯聚內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)，為廣告綜合投放子系統(tǒng)、數(shù)據(jù)分析子系統(tǒng)、在線交易子系統(tǒng)以及客運相關(guān)服務(wù)提供實時的用戶畫像數(shù)據(jù)訪問接口，支撐精準(zhǔn)廣告投放、客戶推薦服務(wù)、客運輔助決策支持等業(yè)務(wù)，如圖1所示。系統(tǒng)主要包括：

（1）實現(xiàn)系統(tǒng)大數(shù)據(jù)計算存儲、數(shù)據(jù)匯聚、數(shù)據(jù)分析的基礎(chǔ)運行環(huán)境；

（2）獲取鐵路客運業(yè)務(wù)系統(tǒng)數(shù)據(jù)、網(wǎng)站用戶行為數(shù)據(jù)的采集系統(tǒng)；

（3）用于實現(xiàn)鐵路用戶畫像標(biāo)簽定義、管理、計算、分析和呈現(xiàn)的業(yè)務(wù)平臺；

（4）與外部系統(tǒng)交互的數(shù)據(jù)服務(wù)接口平臺。

圖1 用戶畫像系統(tǒng)總體架構(gòu)

2 旅客用戶畫像系統(tǒng)實現(xiàn)

用戶畫像即用戶信息標(biāo)簽化，就是從用戶原始數(shù)據(jù)到用戶標(biāo)簽的分析轉(zhuǎn)換過程——通過對匯聚的海量用戶數(shù)據(jù)的分析挖掘，形成每個用戶的特征標(biāo)簽集合，并對外提供基于用戶特征標(biāo)簽的數(shù)據(jù)服務(wù)的過程。它的核心工作是為用戶打標(biāo)簽，打標(biāo)簽的重要目的之一是為了讓人能夠理解并且方便計算機處理。標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識，既能夠很方便地被人理解，也能夠方便機器進(jìn)行提取和聚合分析。

構(gòu)建用戶畫像標(biāo)簽體系包含以下步驟。

2.1 數(shù)據(jù)源分析

構(gòu)建用戶畫像是對用戶信息的還原，涉及的數(shù)據(jù)源盡可能包括用戶相關(guān)的所有數(shù)據(jù)。通過對鐵路客票系統(tǒng)相關(guān)數(shù)據(jù)源的分析，根據(jù)標(biāo)簽的特性將數(shù)據(jù)分成靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)包括人口屬性、社會屬性、賬戶屬性等；動態(tài)數(shù)據(jù)包括乘車、購票、支付、查詢、咨詢行為等方面數(shù)據(jù)。

2.2 設(shè)計標(biāo)簽

標(biāo)簽和標(biāo)簽規(guī)則需要人為定義，通過對目標(biāo)的確定和數(shù)據(jù)的分析，定義出對應(yīng)的標(biāo)簽，最終為用戶打上標(biāo)簽。根據(jù)用戶畫像標(biāo)簽實現(xiàn)方式和應(yīng)用場景的不同，鐵路旅客用戶畫像系統(tǒng)的標(biāo)簽可以分成事實標(biāo)簽、業(yè)務(wù)標(biāo)簽、模型標(biāo)簽等類型，如圖2所示。

2.3 標(biāo)簽實現(xiàn)

標(biāo)簽實現(xiàn)是數(shù)據(jù)建模和流程化的過程，即根據(jù)定義好的標(biāo)簽，確定采用什么樣的方式為用戶打上標(biāo)簽的過程。鐵路旅客用戶畫像系統(tǒng)在技術(shù)上使用了離線的MapReduce/Pig/Hive、準(zhǔn)實時的spark/impala、數(shù)據(jù)挖掘的R/mahout/sparkmllib等數(shù)據(jù)處理技術(shù)，結(jié)果存儲到Hbase和Elasticsearch快速檢索引擎上，以供數(shù)據(jù)服務(wù)接口實現(xiàn)快速訪問。鐵路旅客用戶畫像系統(tǒng)建模的方式包括直接取值、統(tǒng)計分析、業(yè)務(wù)規(guī)則、預(yù)測模型等幾種類型，流程示意圖，如圖3所示。

3 旅客用戶畫像系統(tǒng)應(yīng)用

目前，鐵路旅客用戶畫像系統(tǒng)設(shè)計并建成了包括事實標(biāo)簽、業(yè)務(wù)標(biāo)簽和模型標(biāo)簽在內(nèi)的一整套標(biāo)簽體系，數(shù)量超過1 500個，涵蓋了旅客的基礎(chǔ)屬性（姓名、性別、年齡、常駐地等）、出行行為（出行次數(shù)、出發(fā)城市、到達(dá)城市、席位等級等）、交易行為（線上線下選擇、支付方式、退改簽情況等、出行規(guī)律、消費習(xí)慣、潛在消費）等多個方面。

圖2 旅客用戶畫像標(biāo)簽體系

圖3 標(biāo)簽建立流程示意

建立用戶畫像系統(tǒng)的目的是為了幫助業(yè)務(wù)部門了解自己的用戶，便于在產(chǎn)品設(shè)計、旅客服務(wù)過程中做到目標(biāo)明確、高效和精準(zhǔn)。結(jié)合目前鐵路業(yè)務(wù)現(xiàn)狀，旅客用戶畫像系統(tǒng)在下述幾個方面可以進(jìn)行業(yè)務(wù)對接和應(yīng)用。

3.1 旅客行為分析

通過對旅客成分結(jié)構(gòu)、產(chǎn)品選擇行為、購票行為、旅行行為等方面進(jìn)行分析，可以發(fā)現(xiàn)群體旅客特征、個體旅客特征與客運產(chǎn)品的關(guān)系。

3.1.1 旅客成分結(jié)構(gòu)

通過分析得到鐵路旅客的組成情況，以做好鐵路產(chǎn)品設(shè)計和服務(wù)提供的數(shù)據(jù)支撐。例如：

（1）性別比例；（2）旅客區(qū)域（城市）比例； （3）各年齡段比例；（4）各票種的比例。

3.1.2 產(chǎn)品選擇行為分析

旅客在進(jìn)行產(chǎn)品選擇時，會受多種因素的影響。通過下列分析，有助于分析判定旅客選擇客運產(chǎn)品的影響因素，為產(chǎn)品設(shè)計提供依據(jù)。

（1）按旅客選擇的列車類型分析；（2）按旅客選擇的鋪別和席別分析；（3）按旅客選擇的票價區(qū)間分析；（4）按旅客乘車?yán)锍谭治?；?）按旅客選擇的列車開點分析；（6）按旅客選擇的列車到點分析；（7）按旅客選擇列車擔(dān)當(dāng)企業(yè)分析。

3.1.3 交易行為分析

通過交易記錄的分析，發(fā)現(xiàn)旅客在購票交易過程中的行為特點，以針對性的做好售票組織和服務(wù)工作。（1）購票渠道分析；（2）互聯(lián)網(wǎng)換

票分析；（3）電訂取票分析；（4）自助售票分析；（5）支付方式分析；（6）預(yù)售規(guī)律；（7）通票、聯(lián)程、往返票分析；（8）退票時間規(guī)律；（9）改簽時間規(guī)律；（10）改簽分類分析。

3.1.4 旅客乘車行為分析

通過對旅客出行行為的分析，可以發(fā)現(xiàn)需要重點關(guān)注的旅客，從而進(jìn)行產(chǎn)品推薦或者個性化服務(wù)，提升旅客出行體驗。（1）按旅客出行目的分析：通過設(shè)計合理的模型進(jìn)行評判，將出行目的分為旅游、商務(wù)、公務(wù)、探親、民工、學(xué)生、通勤職工等；（2）按旅客出行頻度分析：按出行次數(shù)對旅客進(jìn)行分群分析，得到潛在的常旅客用戶；（3）按旅客出行范圍分析：按行政區(qū)劃進(jìn)行出行范圍分析，如省內(nèi)客流、省間客流；（4）按旅客出行行程分析：按旅客出行行程進(jìn)行分析，由聚類模型分析得到旅客行程的合理劃分。

3.2 精準(zhǔn)營銷

通過構(gòu)建的鐵路旅客用戶畫像，為旅客建立了人口屬性、出行行為、交易行為等多維度的標(biāo)簽，通過對多維度標(biāo)簽的篩選、聚類，找出符合要求的特定人群，然后在推薦平臺為人群制定對應(yīng)的營銷策略，并利用廣告平臺實現(xiàn)對用戶群體的精準(zhǔn)營銷。

基于鐵路旅客用戶畫像數(shù)據(jù)的推薦系統(tǒng)利用Elasticsearch強大的組合和聚合搜索能力，提供快速的標(biāo)簽篩選能力，在此基礎(chǔ)上利用機器學(xué)習(xí)算法——基于用戶的協(xié)同過濾算法，根據(jù)用戶的偏好實現(xiàn)用戶聚類，即將相似度較高的用戶分為一個群體，在用戶訪問時進(jìn)行信息的推送，從而實現(xiàn)產(chǎn)品的精準(zhǔn)推薦。

用戶定量標(biāo)簽的相似度計算方法[7-8]：

式（1）中，wk表示第k個定量標(biāo)簽的權(quán)重；sim（profilek(ui),profilek(uj)），表示用戶ui和用戶uj在第k個定量標(biāo)簽的相似度。

3.3 數(shù)據(jù)核驗

央行發(fā)布的《非銀行支付機構(gòu)網(wǎng)絡(luò)支付業(yè)務(wù)管理辦法》于2016年7月1日起正式實施。其要求支付機構(gòu)為客戶開立支付賬戶的，應(yīng)當(dāng)對客戶實行實名制管理。在推行和實施的過程中，第三方支付平臺需要簡化用戶核驗流程，在提高用戶體驗的情況下完成用戶的核驗，故需要借助外部系統(tǒng)提供的核驗服務(wù)。目前鐵路互聯(lián)網(wǎng)售票系統(tǒng)注冊用戶突破2.5億，乘車旅客信息超過5億，旅客信息基本都是通過實名制核驗的，所有的數(shù)據(jù)真實可靠，所以鐵路互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)平臺可以對第三方支付平臺提供身份核驗服務(wù)，助力第三方支付平臺實名制的實施。

因此，數(shù)據(jù)核驗是鐵路部門實現(xiàn)數(shù)據(jù)共享、數(shù)據(jù)共創(chuàng)和數(shù)據(jù)增值的重要業(yè)務(wù)。系統(tǒng)基于旅客用戶畫像系統(tǒng)，為第三方系統(tǒng)提供不同查詢條件的服務(wù)接口，包括姓名、證件號和手機號的比對。

3.4 互聯(lián)網(wǎng)售票系統(tǒng)風(fēng)險防控

鐵路12306互聯(lián)網(wǎng)售票系統(tǒng)為旅客提供便捷購票的同時，也成為部分機構(gòu)和個人囤票、倒賣的途徑。如何對互聯(lián)網(wǎng)售票系統(tǒng)存在的惡意訪問進(jìn)行有效防控，構(gòu)造公平、和諧的購票環(huán)境是永恒的主題[9]?；诋嬒裣到y(tǒng)對用戶行為進(jìn)行深入分析挖掘之后，評估存在異常的用戶行為，針對性地研究相關(guān)風(fēng)險控制手段形成風(fēng)險控制系統(tǒng)，實現(xiàn)應(yīng)用防火墻（WAF）成為行之有效的方法。

風(fēng)險防控系統(tǒng)覆蓋了風(fēng)險識別、風(fēng)險控制、風(fēng)險告警等環(huán)節(jié)，主要功能包括：

（1）用戶風(fēng)險等級管理。結(jié)合業(yè)務(wù)系統(tǒng)的用戶特點，綜合考慮和分析用戶的各類特征因素并進(jìn)行分類，通過用戶評級列表可以展現(xiàn)基于風(fēng)險評估的評級結(jié)果。（2）規(guī)則管理平臺。規(guī)則引擎基于多維度的風(fēng)險特征、靈活的風(fēng)控模型，可以準(zhǔn)確地分析識別惡意訪問行為，經(jīng)過規(guī)則判斷的每一條數(shù)據(jù)，綜合各個維度的分?jǐn)?shù)，形成最終的評分，最終建議該條請求拒絕或者通過。（3）統(tǒng)計分析。按照風(fēng)險性質(zhì)和類型、業(yè)務(wù)類型、風(fēng)險趨勢、風(fēng)險核查等不同角度進(jìn)行統(tǒng)計，通過可視化輔助監(jiān)控人員全面了解當(dāng)前系統(tǒng)的運行狀況，并將相關(guān)統(tǒng)計分析結(jié)果運用在優(yōu)化風(fēng)險規(guī)則上。（4）報警監(jiān)控。對系統(tǒng)分析出的異常行為，依據(jù)規(guī)則達(dá)到風(fēng)險告警閥值時進(jìn)行告警，以便管理人員及時人工介入處理。（5）風(fēng)險控制。實現(xiàn)通用安全防御、基于IP的流量控制、IP黑白名單、統(tǒng)一資源定位符（URL）黑白名單、用戶名黑白名單、用戶/URL/IP高頻控制、業(yè)務(wù)流程控制、監(jiān)控、管理、多樣化的安全管控措施等業(yè)務(wù)或管理功能。

4 結(jié)束語

通過運用大數(shù)據(jù)技術(shù)，設(shè)計了鐵路行業(yè)的旅客用戶畫像系統(tǒng)，并基于該系統(tǒng)進(jìn)行了業(yè)務(wù)應(yīng)用的探索。目前，旅客行為分析、數(shù)據(jù)核驗和互聯(lián)網(wǎng)售票系統(tǒng)風(fēng)險控制應(yīng)用已經(jīng)部署上線、進(jìn)入試運行階段，精準(zhǔn)營銷相關(guān)功能正在開發(fā)過程中，后續(xù)將在完善現(xiàn)有應(yīng)用的基礎(chǔ)上，積極探索新的業(yè)務(wù)模式和方法，通過不斷的完善、優(yōu)化、豐富，充分發(fā)揮鐵路旅客用戶畫像系統(tǒng)在客運產(chǎn)品設(shè)計、旅客服務(wù)水平提升方面的支撐作用。