摘要：隨著大數據時代的到來，各種用途的APP也變得越來越常見。與此同時，用戶畫像的應用也越來越廣泛，人們在感嘆APP越來越懂用戶的同時，也產生了擔憂：大數據時代，各類APP在刻畫用戶畫像的同時，用戶的隱私安全問題要如何得到保障？本文對用戶畫像的應用進行分析，探討用戶隱私安全的保障途徑。

關鍵詞：用戶畫像；隱私安全；大數據時代

中圖分類號：G206 文獻標志碼：A 文章編號：1674-8883（2020）24-0251-02

大數據給用戶的生活工作都帶來了便利，但是伴隨著便利而來的還有用戶隱私安全的問題。各類APP能否在使用新技術的同時保障用戶的隱私安全，以及如何去平衡這兩者之間的關系是最近頗受關注的熱點話題。

一、什么是用戶畫像

阿蘭·庫珀認為用戶畫像是真實反映用戶數據特征的虛擬代表，通過對數據的挖掘，對用戶的目標、行為和觀點進行抽取，可以分析出用戶的典型特征，把用戶的靜態(tài)數據和動態(tài)數據標簽化，從而形成的一個目標用戶的模型。

在阿蘭·庫珀的觀點中，我們可以大概理解用戶畫像的概念。簡單來說，可以把用戶畫像理解為給用戶貼標簽。在新媒體時代，用戶使用各種APP和社交媒體必然會遺留痕跡，而大數據[1]就是將用戶留痕的信息，如用戶的性別年齡、社會屬性、消費習慣、偏好特征、生活習慣等各個維度的數據收集起來，然后通過對用戶以及產品特征屬性進行分析、統計刻畫出用戶的畫像，有時甚至可以挖掘出更為深層次的擁有潛在價值的數據。

（一）用戶畫像的推薦算法

1.基于內容的推薦算法。這個模式的基本思想是根據用戶的留痕信息進行運算后推送相關商品。一般包括三個步驟：首先，對用戶的瀏覽數據或者購買的物品進行數據提??；其次，積累目標用戶網絡購買行為進行用戶特征分析；最后，為用戶推送與積累特征關聯度最高的商品。這種推薦算法具有成本低、算法簡單的特點，但是當數據積累較少時，會存在推送不準確、不能發(fā)現用戶潛在興趣信息等不足。

2.協同過濾推薦算法。在這種模式中，除了用戶的個人行為，其好友與關注的人也被作為與用戶相關的重要數據被分析。即使用戶本身缺乏行為信息，但是用戶的好友也會有大量的數據留痕，而這些數據就能幫助平臺了解這個用戶的潛在價值信息，從而對其進行相關的信息投放。

目前大部分推薦系統應用的都是這種模式，這個模式通過對與用戶行為相似的用戶集合的操作，挖掘出更深層次的用戶興趣，與上一種推薦算法相比有推薦新信息的能力。這種推薦算法的局限性就是需要用戶對物品有過行為操作，才能進行用戶畫像的推算。因此，當系統遇到一個新注冊的用戶，或者沒有任何關注、好友行為的用戶，是難以形成有效且有價值的推薦的。

（二）新媒體時代用戶畫像的構建

對用戶畫像[2]的構建，必然少不了人物、時間、用戶行為觸點、觸發(fā)的信息點、用戶具體行為這五個要素，簡稱“4W1A模式”。新媒體時代用戶畫像的構建有以下三個步驟：

1.從用戶行為習慣中獲取數據。以微博為例，用戶個人作品名稱、用戶ID、評論者ID、關注好友和粉絲等都屬于用戶被獲取的數據。用戶在互聯網上瀏覽界面，必然會在后臺留下痕跡，這些痕跡被互聯網或者企業(yè)獲取，然后用于用戶畫像的構建，這是用戶畫像構建的第一步。

2.建立用戶標簽體系。用戶的信息獲取之后，就需要對用戶的數據進行分析，而這個分析的過程也就是用戶畫像的核心過程——貼標簽。用戶的標簽可以分為三個方面：其一是社會屬性，比如年齡、性別、地域等；其二是生活習慣，比如運動、休閑、旅游等；最后是消費行為，比如消費方式、頻率等。

3.用戶畫像的數據可視化構建。數據可視化是為了更直觀清晰地顯示用戶畫像，因為數據具有數據量大、不夠直觀的特點，所以數據可視化在用戶畫像中的使用十分常見，如常見的矩陣圖和云圖，云圖中不同的顏色以及字體的大小就是在利用可視化手段直觀地表述信息。這種可視化手段用于用戶畫像時，可以根據不同的需求進行多維度用戶畫像的呈現，可以呈現多維度多角度的用戶畫像。

二、用戶畫像在新媒體中的應用

新媒體時代，吃喝住行都可以用一部手機輕松解決。此外，瀏覽手機獲取信息已經成為用戶生活的常態(tài)，而在這個過程中，一次簡單的留痕就實現了數據的上傳和用戶畫像的豐富，“新媒體時代，用戶畫像更懂你”這句話充分反映了現在大數據技術的應用已經切合到用戶生活的方方面面。

（一）通過用戶畫像精準推送營銷信息

在大數據算法對不同用戶進行了用戶畫像之后，在得知了用戶真正的需求之后，各類APP就可以給用戶精準提供用戶所需商品。以淘寶為例，用戶在瀏覽淘寶時，對于自己喜愛的商品會加購或收藏，這些行為甚至在同一頁面停留時間的長短都會成為用戶畫像構建的數據。當一位女性用戶長期搜索嬰兒用品時，大數據算法就可以推算出這位用戶是一位母親，并且需要的產品類型是嬰兒用品，所以這位用戶打開淘寶后首頁推薦的商品多為母嬰產品，然后系統還會根據其以往購買商品的價格、品牌、類型進行與之相適應的精準的產品營銷，甚至會將優(yōu)惠力度大的商品精準推送到用戶界面最醒目的位置，激起用戶的購買欲望，這就是根據用戶所需進行的精準營銷。

（二）通過用戶畫像給用戶進行動態(tài)的個性化推薦

個性化推薦在用戶日常生活中并不少見，簡單來說就是不同的人在使用同一APP時APP會進行不同的推薦。以抖音為例，抖音會根據用戶觀看視頻的時長、類型、關注的人等數據對用戶進行畫像，以此完成個人專屬推薦。比如有的用戶喜歡看寵物視頻，那么他在刷視頻的過程中就會刷到很多關于寵物的視頻推薦；而有的用戶喜歡影視類視頻，那這個用戶就會被貼上“影視”的標簽，所推薦的作品也會偏向于影視。

但是，這個用戶畫像并不是一成不變的，而是十分復雜的動態(tài)更新的過程。他會隨著用戶的興趣改變、使用習慣進行動態(tài)調整，改變標簽，改變推送內容，進而對用戶進行個性化調整。例如，當用戶的興趣由影視類轉變?yōu)樾侣勵悤r，首先會體現在用戶觀看影視類視頻的時間減少，當刷到影視作品時會劃走，而當刷到新聞類視頻時則會觀看完，那么觀看時長就是APP判斷用戶興趣的一個標準，當平臺意識到用戶興趣轉變時就會進行動態(tài)的調整，個性化推薦也會相應發(fā)生改變。

（三）通過用戶畫像給用戶提供智能社交推薦

用戶智能社交推薦主要應用于社交媒體中，社交媒體通過用戶畫像對用戶進行聚類和分群，進行群組分析，生成群體用戶畫像。例如，在QQ、微博等社交平臺上，用戶經常會發(fā)現“可能認識的好友”這一標簽，平臺通過對用戶關注、用戶評論、用戶點贊、共同好友等數據的收集，形成一個巨大的數據池，系統會通過智能推算出用戶關系網，形成關系群，給用戶的社交關系進行畫像，然后進行智能化社交推薦?？梢哉f，大數據時代互聯網可能比用戶更懂他的關系網。

（四）通過用戶畫像進行企業(yè)運營推送

用戶畫像可以幫助企業(yè)進行精準的運營推送，減少不必要的資源浪費，節(jié)約成本。這主要體現在兩個方面：一方面，企業(yè)可以利用技術手段對市場方向進行預判以及精準投放目標用戶；另一方面，企業(yè)可以通過用戶畫像進行品牌的定位，也可以在用戶畫像這個過程中剔除無效的用戶，達到用戶篩選的效果，更可以通過用戶畫像挖掘用戶潛在需求，進而于競爭對手之前搶占市場。

三、新媒體用戶畫像與隱私安全

（一）用戶畫像數據獲取帶來的隱私安全問題

大數據的數據化給我們帶來了很多便利，但是同樣也帶來了用戶隱私安全問題。部分用戶隱私保護意識滯后，不能與快速發(fā)展的大數據技術相適配。所以，用戶的隱私安全問題成為一個亟待解決的問題。

微信就曾因進行精準的廣告投放，而被指控監(jiān)控用戶文字聊天數據，盡管微信已回應所有數據均已脫敏，但是仍然不能消除用戶在使用時的擔憂。除了騰訊，因為隱私泄露而被質疑的APP也不在少數。從阿里飛豬、攜程、滴滴等一系列“大數據殺熟”行為，到美團、餓了么的“偷聽門”風波，再到Facebook大量用戶信息泄露，這些APP似乎都被質疑“窺探用戶隱私”。隱私安全問題的發(fā)生讓用戶不得不擔憂自己的數據會不會被倒賣、變現，所以，有很多人提倡“網絡遺忘權”和手機的“無痕瀏覽”，都是為了應對大數據帶來的隱私安全問題。

（二）如何保障用戶隱私安全

1.建立信息安全管理責任制度。要防止用戶隱私泄露的問題，首先就要建立完善的法律法規(guī)制度治理隱私泄露的問題，要在法律層面約束隱私泄露的問題；其次，要平衡數據獲取以及隱私安全的關系；最后，要建立完善的法律機制和責任制度，用法律的手段約束隱私泄露等安全問題，APP要做到依法收集個人信息。

2.增強用戶隱私保護意識。用戶正處于自我隱私意識逐漸增強的階段，對于個人信息的保護[3]也逐漸重視起來。正如上文所說，用戶對于隱私安全的意識的滯后不能與快速發(fā)展的大數據技術相適配，所以，單單依靠法律來進行約束還是遠遠不夠的，用戶安全意識的提升也尤為重要。要讓用戶意識到不只是姓名、家庭住址等重要信息是隱私問題，自身的瀏覽記錄、行動軌跡等也都屬于隱私范疇。

四、結語

目前，大數據技術已經達到一個相對成熟的階段，而作為大數據技術根基的用戶畫像，不管是對企業(yè)的長遠發(fā)展，還是對用戶個性化服務的提供都具有十分重要的意義，但是用戶畫像在給人們生活帶來便利的同時也帶來了隱私安全問題，這是互聯網發(fā)展的必經之路也是必須解決的問題。

新媒體為了歸納用戶的特征屬性，需要獲取信息進行用戶畫像，也只有這樣用戶才能接受到更精準的商品使用服務，這是一個雙向的過程。怎么平衡這兩者之間的關系則成為目前亟待解決的問題，因此，需要通過各種引導措施慢慢改善整個生態(tài)環(huán)境，只有這樣才能真正地處理好新媒體時代用戶畫像與隱私安全的問題。

參考文獻：

[1] 何丹.基于大數據的數據新聞采編研究[J].科技傳播，2020，12（06）：148-149.

[2] 董莉莉.剖析大數據時代下用戶畫像及媒介策略[J].傳媒，2016（2）：82-83.

[3] 吳振庭.淺談大數據背景下的個人信息安全防護[J].電腦編程技巧與維護，2020（6）：157-159.

作者簡介：曹秦雨（1994—），女，河北石家莊人，碩士在讀，研究方向：新聞與傳播專業(yè)新聞實務。