董 寧

0 前言

隨著科技發(fā)展，針對用戶數(shù)據(jù)的挖掘分析和精準化服務(wù)在各行業(yè)發(fā)揮著重要作用，其中基于用戶偏好特征數(shù)據(jù)關(guān)聯(lián)的用戶畫像技術(shù)已被廣泛應(yīng)用于精準營銷[1]、智能推薦[2]、產(chǎn)品研發(fā)[3]等領(lǐng)域。作為信息服務(wù)的主體，圖書館引入用戶畫像概念，通過分析用戶偏好特征數(shù)據(jù)，構(gòu)建用戶數(shù)據(jù)與自身資源、服務(wù)數(shù)據(jù)間的關(guān)聯(lián)性，創(chuàng)建用戶畫像檔案，進而預(yù)測用戶需求，提供精準化服務(wù)?！坝脩舢嬒瘛?User Profile)的廣義概念之一是通過引入數(shù)據(jù)挖掘、統(tǒng)計分析，描述用戶行為與需求偏好特征，為用戶建立獨特的畫像檔案。學者從不同視角展開利用User Profile方法構(gòu)建用戶畫像的理論研究[4-9]。與此同時，學者們開展精確描述多元化用戶需求和提升精準服務(wù)研究[10-14]?？v觀學界對用戶畫像和精準服務(wù)的研究成果，主要側(cè)重于運用大數(shù)據(jù)分析、計算方法構(gòu)建用戶畫像模型的理論研究，罕見針對圖書館小型數(shù)據(jù)和群組用戶偏好特征的實證分析成果；中小型圖書館的精準服務(wù)探討較少。本研究立足實踐，在缺乏大數(shù)據(jù)分析體系的情況下，提出運用User Profile的研究方法分析目標用戶多維數(shù)據(jù)，通過關(guān)聯(lián)用戶偏好特征標簽，構(gòu)建適用于地方高校圖書館的群組用戶畫像模型和圖書館精準服務(wù)體系。

1 研究方法及體系構(gòu)建

1.1 研究思路

圖書館挖掘用戶數(shù)據(jù)、構(gòu)建群組用戶畫像、實施精準服務(wù)，是轉(zhuǎn)變服務(wù)模式的戰(zhàn)略重構(gòu)。鑒于本研究所在圖書館技術(shù)及人員條件有限，對用戶數(shù)據(jù)的挖掘分析、畫像繪制、精準服務(wù)探索采取分步驟、分層次的方法。作為初期研究，以圖書館年接待量最高、資源利用效能最好的主要用戶：本科生、研究生、教學科研人員(含專業(yè)技術(shù)類人員)為研究對象。通過挖掘多維用戶數(shù)據(jù)，關(guān)聯(lián)數(shù)據(jù)中隱含的用戶行為偏好特征，繪制群組用戶畫像，并基于此構(gòu)建圖書館精準服務(wù)體系框架。在后續(xù)研究中，通過調(diào)研精準服務(wù)效能數(shù)據(jù)及用戶反饋，驗證畫像及服務(wù)體系的有效性；并逐漸擴展用戶畫像研究范圍(如引入行政管理人員、后勤職工、離退休人員、校外讀者等用戶類型)和豐富精準服務(wù)內(nèi)涵。

圖1 群組用戶畫像建模流程

1.2 數(shù)據(jù)挖掘

完整的群組用戶畫像建模(數(shù)據(jù)重構(gòu))過程，包括如圖1所示的用戶數(shù)據(jù)挖掘、數(shù)據(jù)分析、建立用戶標簽化體系、繪制群組用戶畫像等步驟。

用戶數(shù)據(jù)的多元挖掘是構(gòu)建畫像的基礎(chǔ)。數(shù)據(jù)挖掘包含挖掘用戶的靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)、心理特征數(shù)據(jù)等。多維度數(shù)據(jù)交叉形成立體動態(tài)畫像，對于每一個維度數(shù)據(jù)挖掘越多，構(gòu)建的畫像像素越高，圖書館越能提供精準服務(wù)。鑒于此，本研究用戶數(shù)據(jù)從以下數(shù)據(jù)源獲取。

(1)圖書館后臺數(shù)據(jù)。圖書館后臺數(shù)據(jù)包括圖書館門戶網(wǎng)站數(shù)據(jù)、書目檢索平臺(OPAC)統(tǒng)計數(shù)據(jù)、圖書館數(shù)據(jù)庫網(wǎng)絡(luò)日志數(shù)據(jù)、移動閱讀終端統(tǒng)計數(shù)據(jù)、門禁系統(tǒng)數(shù)據(jù)、預(yù)約選座后臺數(shù)據(jù)、互動社交平臺和APP日志數(shù)據(jù)。

圖書館門戶網(wǎng)站數(shù)據(jù)中儲存了用戶靜態(tài)數(shù)據(jù)(如姓名、性別、年齡、學科專業(yè)、班級、教育層次、注冊信息等)；書目檢索平臺(OPAC)記錄了用戶的動態(tài)行為與心理偏好數(shù)據(jù)(如借閱信息、閱讀偏好、訂閱與收藏、檢索偏好與途徑、圖書薦購、活躍程度、評論等)；圖書館數(shù)據(jù)庫網(wǎng)絡(luò)日志數(shù)據(jù)(如各類數(shù)據(jù)庫登錄次數(shù)、檢索途徑與頻次、使用偏好、下載頻次、主題類型等)客觀體現(xiàn)不同用戶的學習途徑、學科需求和興趣偏好；移動閱讀終端則統(tǒng)計用戶的閱讀需求和心理特征(如登錄次數(shù)、主題類型、下載次數(shù)、訂閱類型、評分、分享等)；門禁系統(tǒng)數(shù)據(jù)(如到館頻次、時間、地點)記錄用戶到館頻次信息；預(yù)約選座后臺數(shù)據(jù)(如選座頻次、時間、地點、位置、個人偏好)提供用戶利用圖書館空間和個人學習習慣特征；互動社交平臺、APP日志數(shù)據(jù)則動態(tài)體現(xiàn)讀者的資源信息、服務(wù)獲取需求、主題偏好等。

(2)主題調(diào)查問卷數(shù)據(jù)和訪談數(shù)據(jù)。主題調(diào)查問卷和訪談是圖書館有針對性地獲取目標用戶資源利用和需求信息的途徑。通過設(shè)計問卷、開展訪談所獲取的數(shù)據(jù)可以直觀洞悉用戶的學習層次、學科需求、動態(tài)行為特征和心理偏好，有助于刻畫精準的用戶畫像。此類數(shù)據(jù)具有多維度、主題相關(guān)性強的特點，規(guī)避了繁雜無用信息的干擾。

1.3 用戶數(shù)據(jù)處理

首先，對各類數(shù)據(jù)進行清洗、去重合等預(yù)處理操作。這一過程通過語義分析，包括網(wǎng)站、數(shù)據(jù)庫后臺的機器識別(自然語言處理技術(shù))和人工識別，即人工提取數(shù)據(jù)中隱含信息、去重合、分類篩選。其次，對篩選信息進行關(guān)聯(lián)性統(tǒng)計分析。利用統(tǒng)計分析工具繪制易識別圖譜用于揭示數(shù)據(jù)中隱含的信息關(guān)聯(lián)，建立不同類型用戶的特征標簽映射。

1.4 繪制圖書館群組用戶畫像

梳理關(guān)聯(lián)分析數(shù)據(jù)信息，按特征形成用戶標簽體系。該步驟是繪制用戶畫像的核心工作，即為各群組用戶建立匹配其特征(如學習特征、學科需求、行為特征、心理及興趣偏好等)的用戶標簽映射關(guān)系。通過區(qū)分群組的相似背景、行為特征、心理需求和行為模式等，繪制不同類型的群組用戶畫像，根據(jù)每組用戶共性需求提供精準服務(wù)。

1.5 基于群組用戶畫像的圖書館精準服務(wù)體系

根據(jù)群組用戶畫像模型，圖書館預(yù)測不同類別用戶的知識(包括資源、服務(wù))需求，精準推送滿足用戶興趣的資源與個性化服務(wù)。本研究設(shè)計的精準服務(wù)體系架構(gòu)包括二要素、三步驟。

1.5.1 精準服務(wù)體系的二要素

(1)核心要素：用戶。用戶是圖書館重構(gòu)精準服務(wù)的中心元素。圖書館以用戶為中心，預(yù)測用戶潛在需求，為圖書館服務(wù)設(shè)計提供決策依據(jù)。同時，讓用戶參與圖書館服務(wù)的設(shè)計與優(yōu)化過程，使之與用戶訴求精確匹配，這是實現(xiàn)精準服務(wù)的基礎(chǔ)。

(2)主導要素：圖書館。作為構(gòu)建用戶畫像和提供精準服務(wù)的主體，圖書館在決策管理、體系構(gòu)架、用戶數(shù)據(jù)挖掘與分析、需求匹配、服務(wù)執(zhí)行、信息反饋各環(huán)節(jié)承擔主導作用。

1.5.2 精準服務(wù)體系的三步驟

(1)群組用戶需求提取。構(gòu)建群組用戶畫像模型后，圖書館要深入分析目標用戶的現(xiàn)實需求、潛在需求，引入時間序列預(yù)測未來需求的走向；掌握不同類型群組用戶和同一組群內(nèi)用戶的共有化和差異化需求；將需求內(nèi)容關(guān)鍵詞按出現(xiàn)頻次序列化提取，形成不同群組用戶的需求清單。

(2)匹配形成精準服務(wù)。圖書館依據(jù)需求清單，定量測算不同類型用戶的需求偏好權(quán)重，結(jié)合時間闕值，確定需求特征元數(shù)據(jù)。需求特征元數(shù)據(jù)包含資源需求元數(shù)據(jù)、服務(wù)需求元數(shù)據(jù)。針對資源需求元數(shù)據(jù)，首先匹配館藏資源庫內(nèi)部數(shù)據(jù)，如匹配成功，將館藏資源數(shù)據(jù)信息及時推送至需求用戶；如需求元數(shù)據(jù)與館藏內(nèi)容數(shù)據(jù)不匹配，直接通過薦購平臺訂購需求資源并反饋用戶。針對服務(wù)需求元數(shù)據(jù)，匹配圖書館各類服務(wù)，精準推薦需求用戶。圖書館應(yīng)厘清用戶的短期需求、長期需求、規(guī)律性需求、共性需求等，依據(jù)現(xiàn)有服務(wù)區(qū)塊中服務(wù)的時間序列特性，預(yù)測用戶的周期性服務(wù)需求，制定服務(wù)項目時序計劃，主動提供滿足不同時間序列特征的主題定制服務(wù)。同時，圖書館還需為活躍用戶、代表性用戶提供訂制化的服務(wù)和定期推送專題信息服務(wù)等。

(3)體系維護與更新。用戶需求、圖書館資源層、服務(wù)區(qū)塊都是動態(tài)變化的。用戶的需求與行為模式隨時間、心理情緒、外部環(huán)境、資源服務(wù)的變動相應(yīng)變化。圖書館應(yīng)定期監(jiān)測，更新群組用戶畫像模型，進而優(yōu)化整個精準服務(wù)體系。通過與用戶建立雙向溝通機制，圖書館了解新的用戶需求反饋，定期采集、過濾、分析新的用戶數(shù)據(jù)，更新群組用戶畫像，循環(huán)維護整個精準服務(wù)體系的良性運轉(zhuǎn)。

2 實證分析

本研究以山東工商學院圖書館的三類主要用戶為分析目標，結(jié)合前文所構(gòu)建的“群組用戶畫像模型”和“基于群組用戶畫像的圖書館精準服務(wù)體系”進行實證分析。

2.1 數(shù)據(jù)來源

2.1.1 圖書館后臺數(shù)據(jù)

圖書館后臺數(shù)據(jù)包含2019年度圖書館用戶各類統(tǒng)計日志數(shù)據(jù)。數(shù)據(jù)采集利用“校園一卡通”賬號作為數(shù)據(jù)來源的登錄端口。表1為本研究各類型的后臺統(tǒng)計數(shù)據(jù)。

表1 各類型后臺統(tǒng)計數(shù)據(jù)

2.1.2 主題調(diào)查問卷數(shù)據(jù)

本研究使用“問卷星”為調(diào)查問卷設(shè)計平臺，設(shè)計《基于用戶畫像的圖書館精準服務(wù)需求調(diào)查問卷》。問卷設(shè)計大綱如表2所示。問卷綜合采用結(jié)構(gòu)型(提前設(shè)定選擇項)、非結(jié)構(gòu)型(開放式問卷)問題設(shè)計，部分內(nèi)容采用李克特五級量表方法設(shè)計。主題因素涉及用戶的“基本信息”“到館目的”“圖書借閱情況”“數(shù)字資源利用及需求”“圖書館微信公眾號利用及需求”“學科服務(wù)用戶需求因素”“圖書館空間利用服務(wù)”共7部分37項問題，旨在全面了解用戶需求。

表2 《基于用戶畫像的圖書館精準服務(wù)需求調(diào)查問卷》設(shè)計大綱

調(diào)查問卷設(shè)計后，采用SPSS25.0對問卷的信度和效度進行檢測。將VOL量表納入SPSS25.0信度分析，得到Cronbach’s Alpha值為0.917，說明本問卷設(shè)置各變量信度較高。效度分析包括內(nèi)容效度分析、建構(gòu)效度分析。其中，本問卷的主題因素、變量問題設(shè)計均覆蓋到調(diào)研目標領(lǐng)域(圖書館資源、服務(wù)利用與需求、用戶畫像)，認為本次調(diào)查具備良好的內(nèi)容效度。建構(gòu)效度指能測量出理論的特質(zhì)或概念的程度[15]。本問卷量表經(jīng)SPSS處理后得到的分析結(jié)果為：KMO值為0.702，題項變量間關(guān)系適中；Bartlett球形檢驗的近似卡方分布為1323.637，自由度為513，顯著性概率值p=0.000＜0.05，達到顯著水平，因此認定該問卷變量效度合適。

調(diào)查問卷以微信、網(wǎng)頁鏈接形式同時發(fā)布。發(fā)放對象為本校本科生、研究生、教師(包括教學科研人員、部分專業(yè)技術(shù)人員)。發(fā)放時間共30天，共發(fā)放問卷1，000份，回收問卷986份?；厥諛颖窘?jīng)問卷星后臺統(tǒng)計與人工篩選，得到有效問卷923份，回收有效率達92.3%。樣本數(shù)符合麥克萊夫[16]樣本數(shù)量與指標變量比例建議。其中本科生填寫532份，研究生填寫186份，教師用戶填寫205份。

2.1.3 訪談數(shù)據(jù)

本研究對山東工商學院6個學院(經(jīng)濟學院、管理科學與工程學院、工商管理學院、會計學院、計算機科學學院、人文與傳播學院)的98名教師(年齡28～56歲、均為碩士以上學歷)進行面對面訪談，內(nèi)容涉及學科專業(yè)資源需求、圖書館資源建設(shè)滿意度與需求意見、圖書館學科服務(wù)滿意度與需求意見、學科信息推送滿意度、個性化需求等。圖書館調(diào)研團隊整理上述訪問內(nèi)容文本，依需求排序形成用戶需求標簽信息。

2.2 數(shù)據(jù)處理

2.2.1 數(shù)據(jù)預(yù)處理

后臺統(tǒng)計數(shù)據(jù)經(jīng)機器語言識別、清洗、去重合處理，再由人工整合形成有價值信息文本條目。在線問卷調(diào)查數(shù)據(jù)，經(jīng)平臺自動統(tǒng)計排序、人工去重、篩選形成分類信息。訪談內(nèi)容文本信息則經(jīng)人工匯總、提煉相關(guān)主題和影響因素關(guān)聯(lián)信息。綜合提取上述三類數(shù)據(jù)中隱含的用戶行為與需求信息高頻詞，經(jīng)去重合篩選形成用戶的“資源利用行為”“服務(wù)利用行為”變量集群；并將通過變量標簽與用戶類型關(guān)聯(lián)性分析，揭示各群組用戶的顯著行為數(shù)據(jù)與組群用戶需求的對應(yīng)特征關(guān)系。

2.2.2 群組用戶行為特征關(guān)聯(lián)分析

為分析不同群組用戶的需求與行為特征是否存在關(guān)聯(lián)性，本研究提出以下假設(shè)：

H1：群組用戶類型與資源利用行為數(shù)據(jù)特征相關(guān)。

H2：群組用戶類型與服務(wù)利用行為數(shù)據(jù)特征相關(guān)。

為驗證上述假設(shè)，本研究將預(yù)處理后的后臺與問卷行為排序數(shù)據(jù)導入SPSS25.0分析不同群組用戶需求(主題)與行為特征(變量數(shù)據(jù))間的關(guān)聯(lián)性。假設(shè)內(nèi)容及對應(yīng)分析運算結(jié)果如表3所示。

表3 群組用戶需求行為特征關(guān)聯(lián)假設(shè)與對應(yīng)分析結(jié)果

經(jīng)卡方檢驗，上述假設(shè)的伴隨概率P值均小于0.05，假設(shè)均通過驗證，主題與相關(guān)變量之間具有較高相關(guān)度。同時，對應(yīng)分析經(jīng)因子降維處理，繪制二維散點圖揭示各群組用戶需求與行為特征之間的親疏關(guān)系。

圖2 群組用戶與資源利用行為對應(yīng)分析結(jié)果

圖2是描述群組用戶類型與行為特征的對應(yīng)分析結(jié)果。由圖2可見，從右上區(qū)域經(jīng)順時針依次分為1-4象限，位于不同象限的變量距離主題(用戶)的距離越近，說明關(guān)聯(lián)性越強，反之則關(guān)聯(lián)性越弱。不同群組用戶利用圖書館資源行為特型有顯著差異。其中處于第1象限的“教學科研人員”與“中外文期刊數(shù)據(jù)庫、教學案例資源、學科評價數(shù)據(jù)庫、學術(shù)核心期刊、專業(yè)圖書、事實數(shù)值數(shù)據(jù)庫、教參類圖書、統(tǒng)計年鑒”等資源關(guān)系最密切，說明該類型用戶利用圖書館資源主要為滿足教學、科研需求。位于第1象限的研究生群組用戶對中外文數(shù)字期刊資源、學科專業(yè)圖書、核心期刊的利用較好，說明他們的專業(yè)學習、學術(shù)科研需求較高。與前兩組用戶存在較大差異的是本科生群組用戶，此類型用戶的主要行為變量位于第2象限，主要以閱讀文學圖書、各類考試、職業(yè)規(guī)劃與社科休閑類圖書為主；對圖書館數(shù)字資源的利用傾向于語言學習、考試資源、公開課視頻、藝術(shù)鑒賞類資源。

各群組用戶利用圖書館提供的服務(wù)行為同樣存在差異。

如圖3中第1象限的教學科研人員經(jīng)常參與圖書館服務(wù)包括利用圖書館數(shù)字資源庫、學科圖書借閱、代查代檢、原文傳遞、學術(shù)不端檢測服務(wù)，參與專業(yè)數(shù)字資源與學科評價資源講座等，對于學科定題信息推送、課題申報講座等定制化服務(wù)有較強需求。同象限的研究生用戶則在利用數(shù)字資源、學科專業(yè)圖書的同時，注重學術(shù)論文寫作、課題申報等知識的獲取。位于第2象限的本科生用戶對于圖書館服務(wù)利用則主要體現(xiàn)在預(yù)約選座、利用空間自習、文學圖書借閱、參與圖書館資源講座、新書推薦服務(wù)等；其中，高年級本科生關(guān)注畢業(yè)論文寫作、考研及公務(wù)員考試、職業(yè)規(guī)劃類講座，而新生則多參與新生入館培訓、讀書沙龍活動等。

圖3 群組用戶與服務(wù)利用行為對應(yīng)分析結(jié)果

圖4 本科生群組用戶畫像

圖5 研究生群組用戶畫像

圖6 教學科研人員群組用戶畫像

2.3 群組用戶畫像繪制

依據(jù)上述群組用戶的行為與需求關(guān)聯(lián)特征，歸類標簽，形成各類型群組用戶的學習特征、行為特征、心理及興趣偏好等標簽映射關(guān)系。根據(jù)用戶標簽映射，繪制圖4～6所示的本科生群組用戶畫像、研究生群組用戶畫像，以及教學科研人員用戶畫像?？梢暬瘶撕炛庇^體現(xiàn)三類群組用戶行為模式和需求偏好的差別。其中，本校本科生用戶對文學、社科類、技能考試類紙質(zhì)圖書最為關(guān)注，他們到圖書館主要目的是自習、閱覽期刊和圖書借閱；對于數(shù)字資源，特別是學術(shù)論文撰寫的需求還未形成；只有高年級本科生有獲取畢業(yè)論文學術(shù)規(guī)范的需求。研究生群組關(guān)注圖書館數(shù)字資源對其提供的課程資源、學科專業(yè)、研究工具等的掌握，圖書借閱以學科專業(yè)類為主，開始嘗試研究生創(chuàng)新創(chuàng)業(yè)項目申報，有學術(shù)論文寫作和投稿技巧的需求。教學和科研人員主要關(guān)注自身授課的教學方法，科研項目、成果受獎、職稱晉升、學科相關(guān)信息、資源和研究方法。行政管理人員關(guān)注其工作領(lǐng)域相關(guān)的政策、法規(guī)、新聞動態(tài)、會議資源等。

2.4 基于群組用戶畫像的圖書館精準服務(wù)體系實證

2.4.1 精準服務(wù)體系實施內(nèi)涵

在繪制群組用戶畫像的基礎(chǔ)上，本研究依據(jù)前文“基于群組用戶畫像的圖書館精準服務(wù)體系”理論架構(gòu)，構(gòu)建如圖7所示的精準服務(wù)體系實施流程圖。精準服務(wù)體系的核心為不同類型群組用戶。圖書館通過分析各群組用戶的動態(tài)行為特征、學習階段特性、興趣偏好等因素，為目標用戶精準推送資源與服務(wù)。本科生群體是紙質(zhì)圖書借閱的主力軍，圖書館可以向此類用戶推薦符合其閱讀偏好和學科領(lǐng)域的優(yōu)秀圖書；定期通過微信推送新書信息，開展主題讀書沙龍等活動；有針對性開展適合本科生的圖書館基礎(chǔ)服務(wù)知識、信息獲取與評價、優(yōu)秀公開課、綜合素質(zhì)提升類講座、畢業(yè)論文撰寫系列講座。針對研究生用戶的學術(shù)資源和寫作需求，圖書館為不同專業(yè)研究生推薦學科領(lǐng)域經(jīng)典資源、最新資源，開設(shè)嵌入式研究方法和學術(shù)論文寫作、課題申報基礎(chǔ)培訓。教學科研用戶的需求具有較強學科性，圖書館應(yīng)根據(jù)用戶需求與建議，完善資源庫；發(fā)揮圖書館情報信息領(lǐng)域優(yōu)勢，為目標用戶，特別是活躍核心用戶定制學科個性化服務(wù)，如定題信息推送、專利檢索服務(wù)、投稿指南等；努力參與科研人員的科研信息采集、評價、管理等學科服務(wù)；針對教師的科研、立項需求，圖書館可以邀請學科專家為用戶開展科學評價、課題申報主題講座。

圖7 基于群組用戶畫像的高校圖書館精準服務(wù)體系

2.4.2 精準服務(wù)體系更新運轉(zhuǎn)

本研究架構(gòu)的精準服務(wù)體系強調(diào)用戶與圖書館二要素間的雙向互動，圖書館通過與用戶建立雙向溝通機制促進精準服務(wù)體系的更新運轉(zhuǎn)。一方面圖書館采取靈活的實時服務(wù)評價方法，如借鑒餐飲業(yè)、電商平臺的實時服務(wù)評分問卷，獲取群組用戶的滿意度。同時定期與用戶互動，如學科館員走訪二級學院，發(fā)放主題問卷，組織“我為圖書館諫言”師生互動沙龍，微信留言板等方法，了解用戶需求與建議，補短板、促使圖書館自身升級資源儲備、優(yōu)化服務(wù)內(nèi)涵。另一方面，圖書館分析用戶動態(tài)數(shù)據(jù)，如動態(tài)評估用戶需求，更新用戶畫像模型，進而調(diào)整精準服務(wù)策略，促使整個生態(tài)系統(tǒng)在供需平衡中保持活力。

3 結(jié)語

本研究引入用戶畫像(User Profile)的研究方法，通過對目標用戶多維數(shù)據(jù)與需求的挖掘、關(guān)聯(lián)性分析，建立群組用戶標簽映射，繪制群組用戶畫像模型，并以此為基礎(chǔ)架構(gòu)基于群組用戶畫像的圖書館精準服務(wù)體系。經(jīng)實證分析，檢驗了圖書館通過繪制群組用戶畫像實施精準服務(wù)的可操作性。為維持服務(wù)體系的有效運轉(zhuǎn)，圖書館應(yīng)建立圖書館與用戶間的互動機制，通過實時反饋溝通，保障用戶畫像模型和精準服務(wù)體系的有效性和生命力。研究基于山東工商學院圖書館目標用戶構(gòu)建的初期實證設(shè)計，其群組用戶畫像的范圍、畫像構(gòu)建的準確性、科學性及精準服務(wù)效能將通過后續(xù)研究和用戶調(diào)研反饋來驗證、改進。本研究的不足有：目標群組用戶的區(qū)分粒度過粗，僅從本科生、研究生、教學科研人員三方面論證，難以全面定義群組用戶和精準服務(wù)，后續(xù)將擴展補充行政人員、離退休人員、后勤職工、校外讀者等用戶；實證分析中的問卷調(diào)查、訪談數(shù)據(jù)難以避免設(shè)計者的主觀性和表述偏差，后續(xù)研究將盡量減少人為因素；基于用戶畫像的技術(shù)算法運用有待豐富，后續(xù)將引入k-means等聚類算法處理用戶數(shù)據(jù)。