吳文滔

摘 要：本研究從用戶畫像的發(fā)展背景、構(gòu)建流程以及應(yīng)用現(xiàn)狀等方面對用戶畫像進(jìn)行了分析。用戶畫像的構(gòu)建主要包含數(shù)據(jù)采集、用戶標(biāo)簽的提取、用戶畫像的構(gòu)建三個(gè)步驟。以淘寶為例，介紹了用戶畫像在電商領(lǐng)域的應(yīng)用。用戶畫像能夠幫助企業(yè)了解消費(fèi)者人群的需求、及時(shí)調(diào)整企業(yè)戰(zhàn)略、彌補(bǔ)價(jià)格變動(dòng)的滯后性;以網(wǎng)易云音樂APP為例，研究了用戶畫像在音樂APP信息推送方面的應(yīng)用。借助用戶畫像技術(shù)，音樂APP能夠個(gè)性化地向用戶推薦音樂，使APP更人性化，從而提升用戶粘性。以P2P為例，介紹了用戶畫像在金融領(lǐng)域刻畫用戶特征、規(guī)避風(fēng)險(xiǎn)的應(yīng)用。最后對用戶畫像的優(yōu)點(diǎn)與不足展開分析，給出了相關(guān)的建議。

關(guān)鍵詞：用戶畫像;推薦;精準(zhǔn)營銷;個(gè)性化

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2019）21-0255-02

0 引言

從2008年大數(shù)據(jù)的概念剛開始普及到十年后的今天，世界已經(jīng)進(jìn)入一個(gè)大數(shù)據(jù)的時(shí)代。隨著互聯(lián)網(wǎng)的普及，各類數(shù)據(jù)呈爆炸式增長，包含文本、圖像、視音頻等類型，其中主要是用戶的網(wǎng)絡(luò)行為數(shù)據(jù)。國際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，2011年的互聯(lián)網(wǎng)包含的數(shù)據(jù)量接近2ZB，相當(dāng)于全球每人產(chǎn)生200GB以上的數(shù)據(jù)。

面對海量信息，如何能使用戶快速、準(zhǔn)確地獲取所需信息是當(dāng)前信息檢索面臨的難題。用戶畫像作為一種根據(jù)用戶需求提高信息檢索效能的技術(shù)，被廣泛地運(yùn)用于商品、新聞等數(shù)據(jù)的檢索領(lǐng)域。用戶畫像的概念最早由Alan Copper提出，可以通過用戶的行為數(shù)據(jù)，更真實(shí)地反映用戶的實(shí)際需求以及企業(yè)的消費(fèi)者人群特點(diǎn)[1]。例如在電商興起的當(dāng)下能夠彌補(bǔ)價(jià)格變動(dòng)的滯后，反映消費(fèi)者心理，更精確地推送營銷信息。本文將對用戶畫像的構(gòu)建過程、應(yīng)用現(xiàn)狀及存在問題進(jìn)行分析討論。

1 用戶畫像的構(gòu)建過程

用戶畫像是一種通過對大數(shù)據(jù)的搜集、計(jì)算，提取用戶標(biāo)簽，從而構(gòu)建出真實(shí)用戶的虛擬形象的工具[2]。一般而言，用戶畫像的構(gòu)建流程主要分為數(shù)據(jù)采集、標(biāo)簽建模、“用戶畫像”模型構(gòu)建三個(gè)部分[1]。

數(shù)據(jù)采集是指搜集、整理用戶的網(wǎng)絡(luò)行為等數(shù)據(jù)。用戶的網(wǎng)絡(luò)行為數(shù)據(jù)是用戶網(wǎng)絡(luò)行為所產(chǎn)生的數(shù)據(jù)，如社交行為、信息搜集行為、購物行為、娛樂行為等產(chǎn)生的痕跡數(shù)據(jù)。在數(shù)據(jù)采集完成以后，需要對采集的數(shù)據(jù)進(jìn)行挖掘，通過不同的挖掘方法，企業(yè)可以得到不同的信息，從而構(gòu)建不同的“用戶畫像”。數(shù)據(jù)的采集和挖掘完成以后，通過對所挖掘信息進(jìn)行分析、抽取、提煉，從而形成高度概括、能準(zhǔn)確精煉地表示用戶的某種特性或?qū)傩缘摹皹?biāo)簽”。用戶標(biāo)簽分為靜態(tài)標(biāo)簽以及動(dòng)態(tài)標(biāo)簽。靜態(tài)標(biāo)簽指能夠保持穩(wěn)定、具有先天性的用戶標(biāo)簽，如人口屬性、人格等。動(dòng)態(tài)標(biāo)簽指行為和結(jié)果標(biāo)簽，其數(shù)據(jù)來源于用戶的網(wǎng)絡(luò)行為痕跡數(shù)據(jù)，是具有動(dòng)態(tài)特性的用戶標(biāo)簽，有更新頻繁、穩(wěn)定性差的特點(diǎn)。用戶畫像模型的構(gòu)建是指使用上述的用戶標(biāo)簽集合構(gòu)建出用戶模型，從而描繪出實(shí)際用戶的虛擬模型的過程。

2 用戶畫像的應(yīng)用

2.1 電子商務(wù)商品推薦

現(xiàn)階段，網(wǎng)購已經(jīng)成為人們主要的購物方式。人們在瀏覽、購買商品時(shí)其行為會(huì)被記錄下來，形成海量的電子商務(wù)大數(shù)據(jù)。對電商平臺(tái)來說，其往往面臨顧客數(shù)量大、商品繁雜等困難，如何充分地利用這些海量的數(shù)據(jù)向用戶精準(zhǔn)推送商品成為提高用戶體驗(yàn)及產(chǎn)品競爭力的關(guān)鍵[3]。信息的檢索、篩選和推送與電商的發(fā)展密切相關(guān)。在對海量用戶行為數(shù)據(jù)分析、構(gòu)建出用戶畫像的前提下，商家能夠據(jù)此獲得消費(fèi)者的虛擬用戶形象、用戶偏好與需求，從而為用戶提供個(gè)性化的產(chǎn)品與服務(wù)。構(gòu)建電商用戶畫像需要采集的數(shù)據(jù)包括靜態(tài)的個(gè)人資料以及動(dòng)態(tài)的用戶的行為信息如注冊、瀏覽、點(diǎn)擊、購買、簽收、評價(jià)、收藏、加入購物車等。

阿里巴巴電商平臺(tái)——淘寶根據(jù)商品的品牌、類型、適用場景、上市時(shí)間、所屬店鋪以及折扣和服務(wù)等將商品劃分為多個(gè)品類，借助預(yù)先構(gòu)建的用戶標(biāo)簽會(huì)在APP的首頁“猜你喜歡”欄目中為用戶推薦商品，實(shí)現(xiàn)個(gè)性化營銷。用戶畫像技術(shù)的應(yīng)用可以有效地使大部分糾結(jié)購買哪件商品的用戶找到適合自己的商品，使在購物過程中目的性較低的用戶瀏覽到適合自己的商品，從而增加平臺(tái)的銷售額與競爭力。在用戶購買了所需的商品以后，APP會(huì)彈出“購買了該商品的人還購買了”的欄目。這種精準(zhǔn)推薦服務(wù)將具有“購買了某件商品”標(biāo)簽的用戶劃分為同一群體，并向該用戶推薦同一群體中其他用戶購買的商品，由此實(shí)現(xiàn)了提高平臺(tái)銷售額的效果。

2.2 音樂個(gè)性化推薦

現(xiàn)階段，各類音樂APP十分普及，音樂APP可以為用戶提供海量的音樂，包括不同的音樂風(fēng)格、表達(dá)的情感、語種、年代。大多數(shù)情況下用戶是被動(dòng)地接收音樂APP推送的歌曲。如何精準(zhǔn)的推送用戶感興趣的歌曲成為各大音樂APP改善用戶體驗(yàn)、提升產(chǎn)品競爭力的關(guān)鍵[4]。盡管音樂APP可以通過實(shí)地調(diào)查了解用戶的年齡比例、音樂偏好來提高推送的精準(zhǔn)度，但這樣不僅需要消耗大量人力，而且只能實(shí)現(xiàn)對部分典型用戶的較準(zhǔn)確推薦，無法達(dá)到個(gè)性化推送的程度。在音樂APP中，用戶畫像最基本的應(yīng)用即是通過海量的用戶數(shù)據(jù)，對現(xiàn)有的用戶進(jìn)行分析、抽取并提煉出用戶標(biāo)簽，形成用戶畫像，從而劃分不同群組，由此對同一群體的用戶推送特定的音樂。歌曲通常具有自然標(biāo)簽如歌曲風(fēng)格、表達(dá)的情感、歌詞的主題等，此類標(biāo)簽可以與用戶標(biāo)簽進(jìn)行匹配，從而為用戶進(jìn)行精準(zhǔn)推薦。

通過搜集用戶的行為數(shù)據(jù)可以了解單個(gè)用戶對某種音樂的喜好，將用戶進(jìn)行劃分，根據(jù)用戶收藏過或評論過的音樂匹配到相似的音樂，推薦給該用戶。以網(wǎng)易云音樂為例，在APP的“相似推薦”選項(xiàng)中會(huì)有“喜歡這首歌的人也聽”這一欄目，列舉出五首相似單曲，以及欄目“喜歡這首歌的人”，列舉出五個(gè)相似用戶。APP會(huì)每天向用戶推送相似度高（音樂偏好相似）的用戶，并在后來據(jù)此推出了“因樂交友”的模塊，通過計(jì)算用戶的相似度劃分用戶為不同種群，增加了用戶間的聯(lián)系，從而提升了用戶粘性。

2.3 金融產(chǎn)品風(fēng)險(xiǎn)控制

在2013余額寶出現(xiàn)后，越來越多的人開始關(guān)注互聯(lián)網(wǎng)理財(cái)，互聯(lián)網(wǎng)理財(cái)產(chǎn)品也更多地走進(jìn)了人們的生活，如何控制互聯(lián)網(wǎng)產(chǎn)品的風(fēng)險(xiǎn)是各類金融產(chǎn)品設(shè)計(jì)的關(guān)鍵。以P2P貸款業(yè)務(wù)為例，由于P2P貸款面向的用戶大部分來自線上，線上客戶的真實(shí)信息難以得到驗(yàn)證，線上的欺詐行為較難被偵查、識別，具有較高的隱蔽性，也決定了P2P線上貸款業(yè)務(wù)的風(fēng)險(xiǎn)較高。在此背景下，用戶畫像可以幫助P2P公司刻畫貸款用戶的特征，從而降低P2P公司的風(fēng)險(xiǎn)。通過搜集移動(dòng)大數(shù)據(jù)，P2P公司可以了解用戶過去3個(gè)月用戶的行為軌跡、用戶移動(dòng)APP的使用習(xí)慣等信息，對所搜集的信息進(jìn)行整理以后可以提煉出用戶的標(biāo)簽如“常在城鄉(xiāng)結(jié)合處活動(dòng)”、“常熬夜”等用戶標(biāo)簽，構(gòu)建用戶畫像，并據(jù)此推斷用戶提供的信息是否真實(shí)，推測用戶的真實(shí)工作地點(diǎn)、大概收入從而規(guī)避犯罪分子提供虛假信息實(shí)施惡意詐騙的風(fēng)險(xiǎn)[5]。

3 討論

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)即資源，用戶畫像技術(shù)可以利用用戶在網(wǎng)絡(luò)上留下的各類信息，將其整合并據(jù)此形成用戶標(biāo)簽、構(gòu)建用戶畫像，得到比其他傳統(tǒng)方法更真實(shí)的用戶的虛擬形象。借助用戶畫像，可以使企業(yè)在大數(shù)據(jù)的背景中了解用戶人群的特征、需求，實(shí)現(xiàn)精準(zhǔn)推送信息以及合理分配資源等目的。

用戶畫像需要采集用戶數(shù)據(jù)，而隨著人們越來越注重個(gè)人隱私，用戶畫像的構(gòu)建將會(huì)面臨所采集的數(shù)據(jù)是否真實(shí)以及是否侵犯個(gè)人隱私的問題。所采集的數(shù)據(jù)缺乏真實(shí)性會(huì)直接導(dǎo)致用戶畫像的構(gòu)建與實(shí)際用戶特征的偏差，而侵犯個(gè)人隱私則會(huì)引發(fā)法律問題。隨著用戶因素包含意識的提升，用戶網(wǎng)絡(luò)行為數(shù)據(jù)的獲取難度將會(huì)增加。

用戶畫像在采集用戶數(shù)據(jù)時(shí)要注重?cái)?shù)據(jù)的來源，盡可能選擇真實(shí)可靠的數(shù)據(jù)作為信息來源，并建立一定的數(shù)據(jù)真實(shí)性驗(yàn)證機(jī)制。在大數(shù)據(jù)的背景下，用戶畫像的應(yīng)用領(lǐng)域正隨著“互聯(lián)網(wǎng)+”等項(xiàng)目由互聯(lián)網(wǎng)領(lǐng)域擴(kuò)展到傳統(tǒng)行業(yè)，無論在互聯(lián)網(wǎng)領(lǐng)域或是傳統(tǒng)行業(yè)的革新，用戶畫像都表現(xiàn)出強(qiáng)大的發(fā)展?jié)摿Γ瑧?yīng)用場景也將日益廣泛。盡管當(dāng)前用戶畫像技術(shù)還存在一定的問題，但隨著技術(shù)的發(fā)展，這些問題將逐一解決。

參考文獻(xiàn)

[1] 宋美琦，陳燁，張瑞.用戶畫像研究述評[J].情報(bào)科學(xué)，2019，37（04）：171-177.

[2] 葛曉鳴.基于“用戶畫像”模型構(gòu)建的精準(zhǔn)營銷策略[J].遼東學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2019，21（04）：50-57.

[3] 陸冬磊.基于電子商務(wù)的用戶畫像分析[J].電腦知識與技術(shù)，2018，14（22）：306.

[4] 譚彥.基于“用戶畫像”的內(nèi)容在新聞APP上的精準(zhǔn)推送分析[J].記者搖籃，2019（02）：104-105.

[5] 游筱婷.大數(shù)據(jù)分析在互聯(lián)網(wǎng)金融營銷中的應(yīng)用機(jī)制[J].甘肅廣播電視大學(xué)學(xué)報(bào)，2018，28（03）：61-65+76.