晁明娣
(南京森林警察學(xué)院,江蘇 南京 210046)
當(dāng)前,互聯(lián)網(wǎng)發(fā)展迅猛,物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新概念層出不窮,不斷影響著人們的生活。借助科技和網(wǎng)絡(luò)的力量,圖書館不僅能夠采集用戶多方面的數(shù)據(jù),還能依托龐大的用戶數(shù)據(jù),分析用戶需求,精準(zhǔn)服務(wù)用戶,提高圖書館的利用率。故可以借助用戶畫像的方式精準(zhǔn)地構(gòu)建圖書館服務(wù)。用戶畫像是對(duì)海量數(shù)據(jù)的整合、篩選、挖掘與應(yīng)用,實(shí)現(xiàn)大數(shù)據(jù)知識(shí)的利用、增值與再創(chuàng)造,以數(shù)據(jù)信息標(biāo)簽刻畫用戶圖像全貌,及時(shí)了解用戶需求并進(jìn)行精準(zhǔn)營銷。筆者從用戶畫像構(gòu)建圖書館精準(zhǔn)服務(wù)這個(gè)角度出發(fā),首先探討了其現(xiàn)狀與基礎(chǔ)概念,然后深入分析了用戶畫像模型構(gòu)建、基于用戶畫像的圖書館精準(zhǔn)服務(wù)體系模型構(gòu)建以及優(yōu)化對(duì)策等。
筆者于2019年2月10日登錄中國知網(wǎng)(CNKI),以“用戶畫像”+“圖書館”作為“篇名”進(jìn)行關(guān)鍵詞檢索,共檢索到相關(guān)文獻(xiàn)35篇。由此可見,雖然相關(guān)研究成果較少,但是用戶畫像的研究同樣也引起圖書館學(xué)領(lǐng)域研究者的關(guān)注,正處于研究發(fā)展階段。邵波、劉速等較早概述了用戶畫像的概念、特性及作用,并介紹了用戶畫像在圖書館中的應(yīng)用,為圖書館基于用戶畫像的創(chuàng)新服務(wù)研究奠定了基礎(chǔ)。陳添源、胡媛、丁雷等主要從技術(shù)和方法的角度,對(duì)數(shù)據(jù)進(jìn)行多角度描述和整理,從多個(gè)時(shí)空粒度構(gòu)建用戶畫像,并探討圖書館用戶的差異化行為特征。劉丹等則分別從閱讀推廣、資源推薦、學(xué)科服務(wù)以及個(gè)性化服務(wù)等視角,討論了用戶畫像在圖書館中各項(xiàng)具體工作的應(yīng)用,為圖書館精準(zhǔn)化服務(wù)的進(jìn)一步研究給予啟示。潘宇光、常盛等將用戶畫像理論與智慧圖書館建設(shè)相結(jié)合,提出在構(gòu)建智慧圖書館的過程中,基于用戶畫像的構(gòu)架與實(shí)現(xiàn)途徑,從而為圖書館的智慧構(gòu)建和智慧服務(wù)提供依據(jù)。
綜上所述,圖書館界已經(jīng)開展了基于用戶畫像的相關(guān)理論研究,研究者們都提出一些關(guān)注的核心要素和方向,為圖書館在大數(shù)據(jù)時(shí)代背景下的服務(wù)應(yīng)用開拓了新視野和新途徑,使該領(lǐng)域的理論研究與實(shí)踐的結(jié)合更加緊密。但目前的研究,大多還停留理論階段,對(duì)用戶數(shù)據(jù)研究的深度和廣度還有待加強(qiáng),用戶群體特征、使用偏好、用戶與圖書館的潛在關(guān)聯(lián)在圖書館提供的服務(wù)中并未得到有效的體現(xiàn),且多局限于目前圖書館應(yīng)用情況的簡單介紹,沒有開展針對(duì)理論成果的實(shí)踐性檢驗(yàn)以及應(yīng)用具體的評(píng)價(jià)模型與實(shí)證分析,因此在實(shí)證研究方面相對(duì)不足,有待于在今后的研究探索中進(jìn)一步討論。鑒于此,筆者以用戶畫像為切入點(diǎn),在深入分析用戶顯性和隱形需求的基礎(chǔ)上,構(gòu)建標(biāo)簽化的圖書館用戶畫像模型,并對(duì)圖書館實(shí)際應(yīng)用案例進(jìn)行實(shí)證研究,以期促進(jìn)圖書館用戶畫像精準(zhǔn)服務(wù)的深入研究。
進(jìn)入網(wǎng)絡(luò)信息數(shù)據(jù)時(shí)代后,國內(nèi)的圖書館也在積極打造數(shù)據(jù)化平臺(tái),以幫助用戶更加便捷迅速地獲取咨詢與服務(wù)。圖書館的精準(zhǔn)服務(wù),是基于數(shù)據(jù)化平臺(tái)實(shí)現(xiàn)的,其精準(zhǔn)服務(wù)表現(xiàn)為被動(dòng)化和主動(dòng)化服務(wù)兩類。當(dāng)前,這種基于數(shù)據(jù)化平臺(tái)的信息服務(wù),仍更多地處于被動(dòng)化服務(wù)的狀況,如圖書館的數(shù)據(jù)咨詢會(huì)根據(jù)用戶的咨詢、檢索、閱覽記錄、借閱記錄等生成被動(dòng)化的數(shù)據(jù)和記錄。雖然這類被動(dòng)化的數(shù)據(jù)服務(wù),依然可以根據(jù)用戶輸入的需求獲得較為精準(zhǔn)的數(shù)據(jù)匹配,但是在當(dāng)前競爭激烈的數(shù)據(jù)化時(shí)代,被動(dòng)服務(wù)難以為用戶提供精細(xì)周到的愉悅體驗(yàn)。而當(dāng)前圖書館在主動(dòng)化服務(wù)方面開展的工作,則主要集中于圖書借閱到期催還、預(yù)約新書到館提醒等流程性的服務(wù)提醒,而在數(shù)據(jù)內(nèi)容方面的精準(zhǔn)服務(wù)較為欠缺。這也正是筆者致力于探索研究的內(nèi)容。
圖書館的精準(zhǔn)服務(wù),可以引入“用戶畫像”的概念并加以應(yīng)用。
交互設(shè)計(jì)之父Alan Cooper較早提出用戶畫像的概念,指出用戶畫像是真實(shí)用戶的虛擬代表,是建立在真實(shí)數(shù)據(jù)上的目標(biāo)用戶模型。用戶畫像也稱為用戶角色,是一種勾畫目標(biāo)用戶,聯(lián)系目標(biāo)用戶訴求與設(shè)計(jì)方向的有效工具。用戶畫像最初是在電商領(lǐng)域得到應(yīng)用的,在大數(shù)據(jù)時(shí)代背景下,用戶信息充斥在網(wǎng)絡(luò)中,將用戶的每個(gè)具體信息抽象成標(biāo)簽,利用這些標(biāo)簽將用戶形象具體化,從而為用戶提供有針對(duì)性的服務(wù)。筆者認(rèn)為用戶畫像是基于海量真實(shí)用戶數(shù)據(jù),構(gòu)造出能夠反映真實(shí)用戶的虛擬形象,其目的是為了通過預(yù)測用戶真實(shí)需求,有針對(duì)性的為讀者提供服務(wù),最終能夠提高用戶的服務(wù)體驗(yàn)。
用戶畫像由一系列數(shù)據(jù)構(gòu)建起來的反映真實(shí)用戶特征的數(shù)據(jù)化虛擬投射,它反映了真實(shí)用戶群體的諸多特征,比如用戶真實(shí)的學(xué)歷、專業(yè)、閱讀偏好、登陸時(shí)間習(xí)慣等,這些都是構(gòu)建用戶畫像的基礎(chǔ)數(shù)據(jù)支撐。
用戶畫像是就如同真實(shí)用戶在虛擬數(shù)據(jù)化世界中的身份代表,因此它必須要能夠提取出真實(shí)用戶的典型特征并具化為獨(dú)特標(biāo)簽,從而與其他用戶進(jìn)行區(qū)分。用戶畫像構(gòu)建所依賴的典型特征一般包括用戶的靜態(tài)屬性與動(dòng)態(tài)屬性。靜態(tài)屬性是指真實(shí)用戶短期內(nèi)并不會(huì)發(fā)生變化的屬性標(biāo)簽,如性別、年齡、學(xué)歷、專業(yè)、職稱等信息;動(dòng)態(tài)屬性則是指會(huì)隨著時(shí)間、情境、其他因素等變化的屬性標(biāo)簽,如性格、閱讀偏好、情緒狀態(tài)、閱覽習(xí)慣等。通過對(duì)真實(shí)用戶在圖書館數(shù)據(jù)化平臺(tái)中互動(dòng)的痕跡,可以提取出用戶的靜態(tài)與動(dòng)態(tài)屬性,從而抓取關(guān)鍵信息分類篩選,構(gòu)建屬性標(biāo)簽,最終刻畫出獨(dú)特專屬的“用戶畫像”。
圖書館的精準(zhǔn)化服務(wù)依托于用戶獨(dú)特的個(gè)性指征,需要滿足用戶多樣而動(dòng)態(tài)的需求。因此對(duì)用戶個(gè)體化信息全面細(xì)致的采集與分析都十分重要。而用戶畫像的構(gòu)建,正是基于對(duì)用戶數(shù)據(jù)的收集、統(tǒng)計(jì)、整理、分析,最終形成豐富的畫像。用戶畫像構(gòu)建的過程,其實(shí)就是圖書館所需求的對(duì)數(shù)據(jù)的利用與再創(chuàng)造。用戶畫像可以為圖書館的精準(zhǔn)服務(wù)提供海量客觀有效的數(shù)據(jù)支撐,從而據(jù)此探尋客戶的真實(shí)需求,提升圖書館的服務(wù)效率,優(yōu)化用戶的閱讀互動(dòng)體驗(yàn)。
圖書館的館藏資源浩如煙海,而用戶畫像可以提升用戶與圖書館資源的匹配度,幫助用戶快速地找出所需的資源。一方面,用戶可以通過設(shè)置私人固定的檢索或推薦模式,進(jìn)行個(gè)性化檢索,獲取個(gè)性化推薦等。另一方面,用戶的一些潛在需求也可以通過用戶畫像的方式得到實(shí)現(xiàn)與滿足。根據(jù)用戶的不斷檢索、互動(dòng)、在線閱覽、評(píng)價(jià)打分、交流分享等一系列信息行為,可以不斷地豐滿用戶畫像的細(xì)節(jié),構(gòu)建出潛在需求的模型,從而主動(dòng)及時(shí)地為用戶進(jìn)行有針對(duì)性的推薦,實(shí)現(xiàn)個(gè)性化的精準(zhǔn)服務(wù)。
大數(shù)據(jù)技術(shù)的出現(xiàn),促使圖書館數(shù)字資源間的協(xié)同與互聯(lián)達(dá)到前所未有的深度和廣度,尤其是移動(dòng)閱讀終端的多樣化和普及化為我們帶來了多領(lǐng)域、立體化、全方位的圖書館大數(shù)據(jù)。對(duì)圖書館用戶畫像數(shù)據(jù)模型構(gòu)建主要從數(shù)據(jù)采集和標(biāo)簽建模兩方面入手。
用戶畫像數(shù)據(jù)采集,是構(gòu)建用戶畫像的初步環(huán)節(jié),可以分為以下3類。
(1)用戶靜態(tài)數(shù)據(jù)采集
用戶使用數(shù)字圖書館時(shí),會(huì)在用戶賬戶注冊時(shí),輸入自己的基本信息,如用戶的性別、年齡、學(xué)歷、專業(yè)、單位、職稱等靜態(tài)數(shù)據(jù)。這些靜態(tài)數(shù)據(jù),將會(huì)形成用戶畫像的基本輪廓,圖書館用以對(duì)讀者進(jìn)行初步識(shí)別判斷。
(2)用戶動(dòng)態(tài)數(shù)據(jù)采集
讀者用戶在瀏覽信息資源時(shí)會(huì)產(chǎn)生瀏覽痕跡,其所形成歷史記錄存儲(chǔ)在后臺(tái)數(shù)據(jù)庫中,這類數(shù)據(jù)為動(dòng)態(tài)數(shù)據(jù)。其中包括用戶搜索的關(guān)鍵詞、下載文獻(xiàn)主題、訂閱及收藏的內(nèi)容以及用戶近期內(nèi)登錄圖書館的次數(shù)、瀏覽時(shí)間等。這些數(shù)據(jù)將會(huì)讓用戶畫像更加清晰形象,便于圖書館進(jìn)行精準(zhǔn)的識(shí)別與服務(wù)。
(3)用戶第三方數(shù)據(jù)采集
除了較為普遍的靜態(tài)與動(dòng)態(tài)數(shù)據(jù)采集,用戶畫像還可以借助第三方社交軟件進(jìn)行數(shù)據(jù)采集。如圖書館允許用戶將數(shù)字圖書館的賬戶與用戶的QQ、微信、微博賬戶等授權(quán)綁定,可以直接用微信號(hào)、QQ號(hào)或者微博號(hào)等登錄數(shù)字圖書館賬戶。與此同時(shí),由用戶授權(quán)允許數(shù)字圖書館可以調(diào)閱并使用用戶第三方社交軟件的相關(guān)信息數(shù)據(jù),從而使用戶畫像更加立體、全面。
用戶畫像標(biāo)簽建模是構(gòu)建用戶畫像的關(guān)鍵環(huán)節(jié)。通過對(duì)用戶數(shù)據(jù)的采集整理,再對(duì)用戶數(shù)據(jù)進(jìn)行分析抽象出標(biāo)簽,在此基礎(chǔ)上逐級(jí)分類形成宏觀畫像。當(dāng)前數(shù)字圖書館的衍生讓用戶畫像的標(biāo)簽結(jié)構(gòu)從傳統(tǒng)的單一模式轉(zhuǎn)變?yōu)閺?fù)雜模式,只有進(jìn)行更加縱深的用戶畫像標(biāo)簽挖掘,才能滿足當(dāng)前大數(shù)據(jù)時(shí)代圖書館精準(zhǔn)服務(wù)的深層次需求。所以,筆者從以下6個(gè)角度討論了用戶畫像的標(biāo)簽建模。
(1)用戶基本信息標(biāo)簽
用戶基本信息標(biāo)簽主要用于描述用戶的基本情況,如用戶的姓名、性別、年齡、籍貫、身份、學(xué)歷、專業(yè)、單位、職稱、居住地址、聯(lián)系方式等,都屬于近期不會(huì)變動(dòng)的靜態(tài)信息,這些信息能夠“描摹”出用戶的基本形象。如“年齡”體現(xiàn)用戶處于青年、中年抑或老年階段;“專業(yè)”體現(xiàn)用戶的理工科或者文科學(xué)習(xí)背景等。
(2)用戶興趣偏好標(biāo)簽
用戶興趣偏好標(biāo)簽,主要反映圖書館用戶的關(guān)鍵詞檢索、在線閱讀時(shí)長、頁面內(nèi)容瀏覽、收藏、網(wǎng)上預(yù)約、續(xù)借等操作行為。通過用戶關(guān)鍵詞檢索情況,可以表明用戶在閱讀檢索方面的興趣偏好;用戶在線閱讀時(shí)長,可以表明用戶瀏覽數(shù)字圖書館網(wǎng)址的時(shí)間節(jié)點(diǎn)、頁面停留的時(shí)間長短,長時(shí)間停留表示興趣較大,短時(shí)間表示不感興趣;用戶頁面瀏覽內(nèi)容,體現(xiàn)用戶對(duì)數(shù)字圖書館資源的興趣主題與所屬領(lǐng)域;用戶收藏的主題內(nèi)容,可表明用戶在閱讀相關(guān)的圖書資源后,將其感興趣的主題內(nèi)容進(jìn)行了收藏,從而更加明確指向用戶的興趣偏好;用戶的預(yù)約情況,主要體現(xiàn)用戶的潛在閱讀興趣等。
(3)用戶行為習(xí)慣標(biāo)簽
用戶行為習(xí)慣標(biāo)簽,主要反映用戶在數(shù)字圖書館使用過程中的一些潛在行為習(xí)慣特征,如用戶每周的平均登錄次數(shù)、閱覽與下載次數(shù)、對(duì)文本延伸內(nèi)容的點(diǎn)擊閱讀情況等。登錄次數(shù)可以反映出用戶的周期性行為習(xí)慣;閱覽與下載次數(shù)可以反映出用戶對(duì)在線閱讀與離線閱讀的行為偏好;對(duì)文本延伸內(nèi)容如引文或類似推薦的點(diǎn)擊閱讀情況,可以一定程度上在反映出用戶對(duì)閱讀深度的偏好情況。
(4)用戶情境屬性標(biāo)簽
用戶情境屬性標(biāo)簽,主要是指用戶在使用數(shù)字圖書館的時(shí)空情境屬性,包括地理位置、時(shí)間、天氣、溫度等一些客觀信息。首先,通過對(duì)時(shí)間信息的持續(xù)收集,可以整合歸納出時(shí)間屬性對(duì)用戶閱讀興趣偏好的影響。如某些用戶喜歡在每天固定的時(shí)間點(diǎn)進(jìn)行閱讀活動(dòng)。其次位置信息,則需要用戶開放數(shù)字圖書館關(guān)聯(lián)查閱用戶移動(dòng)端定位信息,通過收集用戶所在的地理位置、位置類型、周圍人群情況或社會(huì)關(guān)系等,整合地理空間對(duì)用戶閱讀行為的影響。如有的用戶在學(xué)校教學(xué)樓登錄數(shù)字圖書館的次數(shù)明顯多于在市中心。最后是外界環(huán)境信息,如天氣、溫度、噪音等外界環(huán)境因素變化而帶來的影響,如隨著光照、噪音的變化,用戶選擇的服務(wù)項(xiàng)目是否也發(fā)生變化等。
(5)用戶心理特征標(biāo)簽
用戶心理特征標(biāo)簽,主要通過用戶在數(shù)字圖書館公共平臺(tái)上與書籍文本和其他用戶之間的互動(dòng)情況進(jìn)行采集。如從用戶的書籍筆記、閱讀評(píng)論、文本打分、轉(zhuǎn)載分享、交流談?wù)摰刃袨橹?,可以獲取用戶對(duì)閱讀文本類型主題的偏好情況,用戶評(píng)論內(nèi)容中文本表達(dá)傾向直接或者委婉,用戶是否習(xí)慣于與其他用戶分享交流等信息,從而更加準(zhǔn)確地描摹出用戶的心理特征,以便采取更加精準(zhǔn)的數(shù)字化服務(wù)。
(6)用戶社交網(wǎng)絡(luò)標(biāo)簽
用戶在數(shù)字圖書館中的用戶畫像,不僅僅依托于用戶與數(shù)字圖書館之間的交集,還可以根據(jù)用戶權(quán)限,從更加廣闊的用戶社交網(wǎng)絡(luò)方面獲取,從而形成用戶的社交網(wǎng)絡(luò)標(biāo)簽。如數(shù)字圖書館可以開放權(quán)限,允許用戶采用微博號(hào)、QQ 號(hào)或者微信號(hào)等賬號(hào)一鍵登錄,從而獲取用戶的微博、微信或者QQ 信息。而這些較為私密個(gè)性化的用戶社交網(wǎng)絡(luò)信息,可以幫助圖書館快速構(gòu)建用戶畫像在社交網(wǎng)絡(luò)方面的個(gè)性化細(xì)節(jié)。
以上6個(gè)用戶畫像標(biāo)簽中,基本信息和興趣偏好標(biāo)簽可以較為明確地表現(xiàn)出用戶的顯性需求,而行為習(xí)慣、情境屬性、心理屬性、社交網(wǎng)絡(luò)等標(biāo)簽則可以在一定程度上反映出用戶的隱性需求。
在用戶畫像基本形成后,圖書館可以更加快捷準(zhǔn)確地把握用戶的核心訴求與真實(shí)興趣,從而構(gòu)建自身的精準(zhǔn)服務(wù)體系。
根據(jù)前文梳理,基于用戶畫像的圖書館精準(zhǔn)服務(wù)體系總體結(jié)構(gòu)框架圖,如圖1所示,主要包括客戶層、中間數(shù)據(jù)處理層、后臺(tái)數(shù)據(jù)庫層共三層。三層各自獨(dú)立又相互聯(lián)系,如電腦和手機(jī)端的服務(wù)器放在客戶層,方便直接對(duì)接用戶,為用戶服務(wù),根據(jù)對(duì)中間層用戶畫像數(shù)據(jù)的處理,結(jié)合用戶的顯性與隱性興趣需求,向用戶呈現(xiàn)個(gè)性化定制的精準(zhǔn)資源服務(wù),同時(shí)它也是后臺(tái)數(shù)據(jù)庫層信息的主要來源。
圖1 圖書館精準(zhǔn)服務(wù)系統(tǒng)總體結(jié)構(gòu)框架
圖2 基于用戶畫像的圖書館精準(zhǔn)服務(wù)技術(shù)實(shí)現(xiàn)流程
通過用戶數(shù)據(jù)的采集、分類、整理、分析,為用戶設(shè)置標(biāo)簽分類,再將多體系的標(biāo)簽數(shù)據(jù)整合出用戶的特征化信息,從而描繪出具體的用戶畫像,找到用戶的顯性與隱性需求,實(shí)現(xiàn)圖書館資源與用戶需求的有效匹配。具體技術(shù)實(shí)現(xiàn)過程,如圖2所示。
(1)后臺(tái)數(shù)據(jù)庫層
后臺(tái)數(shù)據(jù)庫層,主要進(jìn)行源數(shù)據(jù)的收集,包括并不限于對(duì)圖書館各種類別文本資料的分類收集與存儲(chǔ)管理、對(duì)用戶瀏覽借閱行為數(shù)據(jù)的收集、對(duì)管理人員維護(hù)整理數(shù)據(jù)的收集等。這些數(shù)據(jù)主要從用戶端處獲取,也可以從第三方數(shù)據(jù)如微信微博等的共享處獲取。
(2)中間數(shù)據(jù)處理層
中間數(shù)據(jù)處理層,主要用于實(shí)現(xiàn)用戶標(biāo)簽構(gòu)建、用戶特征化聚類和用戶畫像數(shù)據(jù)庫集成。用戶標(biāo)簽構(gòu)建,是依靠從后臺(tái)數(shù)據(jù)庫收集到的信息,按照不同的標(biāo)簽維度進(jìn)行分類,如前文所述的用戶基本信息標(biāo)簽、用戶行為偏好標(biāo)簽等,以便初步繪制用戶畫像。用戶特征化聚類,則是基于用戶標(biāo)簽建?;A(chǔ)上,選擇不同標(biāo)簽維度的交叉重合結(jié)合內(nèi)容和行為對(duì)用戶進(jìn)行聚類,根據(jù)用戶群的典型特征進(jìn)行內(nèi)容推送等服務(wù),再從用戶對(duì)待內(nèi)容推送的接收或拒絕不斷修正用戶的聚類特征。
經(jīng)過不斷地對(duì)用戶標(biāo)簽細(xì)節(jié)構(gòu)建和用戶特征化聚類,將逐漸形成圍繞每位用戶的蘊(yùn)藏了大量數(shù)據(jù)的多層次多維度的標(biāo)簽與特征,從而形成每一位用戶的獨(dú)特畫像。這些經(jīng)過不斷采集篩選和更新的用戶信息數(shù)據(jù),是圖書館對(duì)用戶進(jìn)行個(gè)性化針對(duì)性分析的基礎(chǔ),是精準(zhǔn)服務(wù)的前提。
(3)用戶層
通過對(duì)用戶畫像的數(shù)據(jù)反饋,圖書館可以充分了解每位用戶的真實(shí)需求,在最終的用戶層向用戶提供個(gè)性定制服務(wù)或者即時(shí)主動(dòng)的推送等,最終實(shí)現(xiàn)人性化的精準(zhǔn)服務(wù)。
當(dāng)前,以用戶畫像構(gòu)建圖書館精準(zhǔn)服務(wù)的理念被業(yè)界不斷推廣并實(shí)施,在具體的實(shí)施過程中,可以從以下幾個(gè)角度進(jìn)行優(yōu)化。
在用戶畫像構(gòu)建過程中關(guān)鍵環(huán)節(jié)的用戶畫像標(biāo)簽構(gòu)建時(shí),情境標(biāo)簽是較易被忽視的一個(gè)標(biāo)簽。這是由于圖書館構(gòu)建用戶畫像建模體系時(shí),是真實(shí)人物在數(shù)據(jù)平臺(tái)的虛擬投射,更容易聚焦于用戶本體信息與行為信息等與用戶直接相關(guān)的數(shù)據(jù)信息,而較少地考慮到實(shí)際情境對(duì)用戶使用圖書館服務(wù)的影響。然而,用戶的閱讀行為實(shí)際上往往和具體的情境息息相關(guān)。圖書館應(yīng)當(dāng)重視用戶閱讀的立體情境信息,構(gòu)建情境標(biāo)簽,從而實(shí)現(xiàn)更加精準(zhǔn)的服務(wù)。
用戶畫像的構(gòu)建需要持續(xù)不斷地更新。這是由于用戶的知識(shí)系統(tǒng)、興趣點(diǎn)、短期情緒都在不斷地變化,其閱讀喜好也會(huì)隨之改變。圖書館可以在用戶允許的前提下,跟蹤采集用戶的即時(shí)動(dòng)態(tài),從而實(shí)現(xiàn)精準(zhǔn)服務(wù)。如當(dāng)用戶在淘寶中輸入某類藥物的關(guān)鍵詞進(jìn)行采購時(shí),圖書館可以迅速捕捉到相關(guān)訊息,從而在后臺(tái)數(shù)據(jù)庫中查找篩選出匹配的文本書籍,進(jìn)行精準(zhǔn)推送。
在用戶畫像建模過程中,將會(huì)采集到海量的基礎(chǔ)數(shù)據(jù),其中也存在許多無效的冗余數(shù)據(jù),需要進(jìn)行過濾剔除。圖書館可以借助多種技術(shù)手段進(jìn)行用戶畫像特征挖掘,如采取判別分析、聚類分析、范例推理、關(guān)聯(lián)數(shù)據(jù)等方法,對(duì)海量數(shù)據(jù)進(jìn)行加工降噪處理,從而構(gòu)建較為精準(zhǔn)的用戶畫像,找出用戶深層次的潛藏需求,實(shí)現(xiàn)個(gè)性推薦的精準(zhǔn)服務(wù)。如根據(jù)身份標(biāo)簽進(jìn)行篩選判別,同樣是推送學(xué)術(shù)動(dòng)態(tài)內(nèi)容,針對(duì)教師和學(xué)生的不同身份判別制定不同的推送內(nèi)容方案,前者適于推送學(xué)術(shù)元素更多的研究課題類學(xué)術(shù)內(nèi)容,后者適于推送以學(xué)術(shù)講座、學(xué)術(shù)活動(dòng)為主的學(xué)習(xí)性的學(xué)術(shù)內(nèi)容資料,以此滿足不同身份人群對(duì)同一類型資料內(nèi)容的不同層次的需求。
用戶畫像構(gòu)建的過程就是對(duì)用戶行為特征分析挖掘的過程,也是圖書館推送匹配等精準(zhǔn)服務(wù)的基礎(chǔ)前提。從用戶畫像構(gòu)建的視角出發(fā),提出了以多維度標(biāo)簽構(gòu)建的圖書館用戶畫像模型,并以此為基礎(chǔ)構(gòu)建圖書館的精準(zhǔn)服務(wù)體系。并提出從基本信息、興趣偏好、行為習(xí)慣、情境屬性、心理特征、社交網(wǎng)絡(luò)6 個(gè)維度建立用戶畫像的標(biāo)簽體系,豐富用戶畫像的數(shù)據(jù)來源和類型,提升用戶畫像的精度與飽滿度?;谟脩舢嬒?,筆者提出了圖書館精準(zhǔn)服務(wù)體系模型的總體結(jié)構(gòu)與技術(shù)實(shí)現(xiàn),并對(duì)基于用戶畫像的圖書館精準(zhǔn)服務(wù)體系進(jìn)行優(yōu)化,提出了重視立體情境化的用戶畫像標(biāo)簽構(gòu)建、借助用戶允許權(quán)限跟蹤用戶即時(shí)動(dòng)態(tài)、借助技術(shù)手段瞄準(zhǔn)個(gè)性推薦精準(zhǔn)服務(wù)的建議,以期促進(jìn)當(dāng)前圖書館用戶畫像精準(zhǔn)服務(wù)構(gòu)建研究的進(jìn)一步深入。