邵雨舟

摘要：隨著人工智能和大數(shù)據(jù)技術(shù)的不斷發(fā)展，對(duì)信息的獲取方式也在發(fā)生著變化，消費(fèi)者希望用最少的時(shí)間成本獲取盡量多的商品信息。如何在產(chǎn)品的營(yíng)銷(xiāo)過(guò)程中實(shí)現(xiàn)對(duì)目標(biāo)用戶(hù)的精準(zhǔn)定位，基于用戶(hù)畫(huà)像技術(shù)的推薦系統(tǒng)就是目前所采用的有效方法之一。本文對(duì)互聯(lián)網(wǎng)環(huán)境下在產(chǎn)品的推廣和營(yíng)銷(xiāo)過(guò)程中如何利用用戶(hù)畫(huà)像技術(shù)，有針對(duì)性地選擇推薦系統(tǒng)算法進(jìn)行了探討和研究。

關(guān)鍵詞：用戶(hù)畫(huà)像;推薦系統(tǒng);算法

Abstract： With the continuous development of artificial intelligence and big data technology， the way of obtaining information is also changing. Consumers hope to obtain as much commodity information as possible with the least time cost. How to achieve accurate positioning of target users in the process of product marketing， the recommendation system based on user portrait technology is one of the effective methods currently used. This paper discusses and studies how to use user portrait technology to select recommendation system algorithm in the process of product promotion and marketing under the Internet environment.

Key words： user profile; recommendation system; algorithm

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，人們對(duì)獲取數(shù)據(jù)的處理方式也在發(fā)生重大的變化，傳統(tǒng)的廣告和市場(chǎng)營(yíng)銷(xiāo)方式已經(jīng)不能滿(mǎn)足當(dāng)今市場(chǎng)發(fā)展的需要，每個(gè)消費(fèi)者的日常行為能夠直接或間接地反映了個(gè)人的消費(fèi)習(xí)慣，商家希望從這些海量數(shù)據(jù)中提取有價(jià)值的數(shù)據(jù)，作為市場(chǎng)推廣的參考依據(jù)。大數(shù)據(jù)與人工智能技術(shù)的產(chǎn)生和發(fā)展為市場(chǎng)營(yíng)銷(xiāo)的個(gè)性化和精細(xì)化操作提供了技術(shù)手段，利用互聯(lián)網(wǎng)搜集和獲取的海量數(shù)據(jù)，經(jīng)過(guò)加工處理，形成有價(jià)值的標(biāo)簽數(shù)據(jù)，通過(guò)行為建模，歸納出不同類(lèi)別的消費(fèi)群體，然后通過(guò)推薦系統(tǒng)的匹配，實(shí)現(xiàn)精準(zhǔn)的產(chǎn)品推廣定位。

1 用戶(hù)畫(huà)像技術(shù)的作用

用戶(hù)畫(huà)像是建立在真實(shí)數(shù)據(jù)之上的目標(biāo)用戶(hù)虛構(gòu)的、具體的、集中的描述。它主要是利用存儲(chǔ)在服務(wù)器上的海量日志和數(shù)據(jù)庫(kù)里的大量數(shù)據(jù)進(jìn)行分析和挖掘，通過(guò)收集與分析用戶(hù)的社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等數(shù)據(jù)，提煉出用戶(hù)的信息全貌，這些信息可以實(shí)現(xiàn)對(duì)用戶(hù)不同維度的特征進(jìn)行標(biāo)識(shí)，這就是用戶(hù)畫(huà)像的本質(zhì)。

用戶(hù)畫(huà)像技術(shù)現(xiàn)在已經(jīng)應(yīng)用到很多行業(yè)和領(lǐng)域，通過(guò)用戶(hù)畫(huà)像可以了解用戶(hù)的生活習(xí)慣、挖掘和開(kāi)發(fā)潛在的用戶(hù)、實(shí)現(xiàn)精準(zhǔn)化的消費(fèi)群體定位，在產(chǎn)品的廣告宣傳、資訊媒體的推廣等方面都取得了很好的應(yīng)用效果。

1.1 用戶(hù)畫(huà)像的特點(diǎn)

1）用戶(hù)畫(huà)像是現(xiàn)實(shí)生活中用戶(hù)的信息特征描述。利用大數(shù)據(jù)技術(shù)對(duì)數(shù)據(jù)進(jìn)行分析處理，歸納出能代表用戶(hù)不同維度的特征標(biāo)識(shí)，這些特征標(biāo)識(shí)能夠客觀地反映用戶(hù)的社會(huì)屬性和行為習(xí)慣;

2）用戶(hù)畫(huà)像結(jié)果可以代表具有共同特征的一類(lèi)用戶(hù)。用戶(hù)畫(huà)像把用戶(hù)按照不同的需求、特征區(qū)分成若干個(gè)不同的群體，然后提煉的每個(gè)群體的特征。

3）用戶(hù)畫(huà)像通過(guò)目標(biāo)用戶(hù)的輪廓刻畫(huà)，實(shí)現(xiàn)產(chǎn)品的準(zhǔn)確定位。如果服務(wù)的目標(biāo)用戶(hù)特征明顯，體現(xiàn)在產(chǎn)品上就是產(chǎn)品的定位專(zhuān)注、極致，能解決核心問(wèn)題。用戶(hù)畫(huà)像又被稱(chēng)為用戶(hù)信息標(biāo)簽化，通過(guò)這些標(biāo)簽提供給用戶(hù)需求的東西，真正做到了以用戶(hù)為中心。

1.2 用戶(hù)畫(huà)像技術(shù)在產(chǎn)品營(yíng)銷(xiāo)中的應(yīng)用

借助用戶(hù)畫(huà)像技術(shù)能夠了解不同類(lèi)型用戶(hù)的產(chǎn)品愛(ài)好和行為習(xí)慣，幫助企業(yè)進(jìn)行精準(zhǔn)化營(yíng)銷(xiāo)和個(gè)性化定位。借助于大數(shù)據(jù)技術(shù)，對(duì)搜集到的目標(biāo)群體的個(gè)人基本屬性、購(gòu)買(mǎi)能力、行為特征、心理特征、興趣愛(ài)好、社交網(wǎng)絡(luò)等數(shù)據(jù)進(jìn)行分析，從而歸納出這些用戶(hù)的關(guān)注重點(diǎn)、社交關(guān)系以及消費(fèi)習(xí)慣等。通過(guò)一些特定算法進(jìn)行行為建模，形成特定用戶(hù)的用戶(hù)畫(huà)像，用戶(hù)畫(huà)像可以根據(jù)用戶(hù)行為數(shù)據(jù)的變化不斷進(jìn)行調(diào)整和完善。

用戶(hù)在消費(fèi)過(guò)程中的各個(gè)環(huán)節(jié)產(chǎn)生的數(shù)據(jù)都能被實(shí)時(shí)地捕獲到，這些海量數(shù)據(jù)使獲得的用戶(hù)畫(huà)像更加精準(zhǔn)、實(shí)時(shí)，利用獲取的用戶(hù)信息標(biāo)簽?zāi)Ｐ?，可以指?dǎo)業(yè)務(wù)場(chǎng)景和運(yùn)營(yíng)，調(diào)整營(yíng)銷(xiāo)策略，使得產(chǎn)品服務(wù)的推廣更具有針對(duì)性，提高市場(chǎng)運(yùn)營(yíng)效率。

1）數(shù)據(jù)收集：收集用戶(hù)在與系統(tǒng)交互過(guò)程中產(chǎn)生的各種數(shù)據(jù);

2）行為建模：利用搜集的用戶(hù)的基礎(chǔ)數(shù)據(jù)，通過(guò)技術(shù)手段進(jìn)行行為建模。其中基于數(shù)理統(tǒng)計(jì)和基于規(guī)則定義的方法是基于已有數(shù)據(jù)的構(gòu)建方法，其缺陷是無(wú)法處理數(shù)據(jù)缺失或不在規(guī)則范圍內(nèi)的用戶(hù)。而后兩種方法是基于機(jī)器學(xué)習(xí)，它讓計(jì)算機(jī)像人一樣去學(xué)習(xí)處理問(wèn)題，并給出分析的結(jié)論;

3）構(gòu)建畫(huà)像：通過(guò)行為建模，可以輸出一系列的用戶(hù)標(biāo)簽，標(biāo)簽可以表示出這個(gè)用戶(hù)的特點(diǎn)，用戶(hù)畫(huà)像的信息維度可以根據(jù)不同行業(yè)和不同場(chǎng)景來(lái)構(gòu)建。

2 推薦系統(tǒng)簡(jiǎn)述

通過(guò)用戶(hù)畫(huà)像將用戶(hù)的特征進(jìn)行標(biāo)簽化，用戶(hù)畫(huà)像產(chǎn)生之后，就要利用這些標(biāo)簽數(shù)據(jù)，進(jìn)行有目標(biāo)的產(chǎn)品推薦，因此就產(chǎn)生了推薦系統(tǒng)技術(shù)。

推薦系統(tǒng)是建立在大數(shù)據(jù)基礎(chǔ)上的一種智能化系統(tǒng)，它是根據(jù)用戶(hù)的信息需求、興趣等，將與之匹配的產(chǎn)品推薦給用戶(hù)，這是一種個(gè)性化信息推薦系統(tǒng)。

推薦系統(tǒng)本質(zhì)上要解決用戶(hù)、物品和環(huán)境的匹配問(wèn)題，幫助建立用戶(hù)和物品之間的連接。

2.1 推薦系統(tǒng)的作用

1）為用戶(hù)篩選出感興趣的商品和資訊，實(shí)現(xiàn)與用戶(hù)個(gè)性化愛(ài)好最大程度的匹配;

2）解決利用搜索引擎導(dǎo)致的信息過(guò)載和判斷的障礙問(wèn)題，縮短用戶(hù)與標(biāo)的物的距離;

3）為選擇目標(biāo)不明確的用戶(hù)提供參考性的建議;

4）增加用戶(hù)滿(mǎn)意度，個(gè)性化的推薦結(jié)果可以提高用戶(hù)的興趣和可信度;

5）增加用戶(hù)忠誠(chéng)度，用戶(hù)與應(yīng)用的交互時(shí)間越久，用戶(hù)模型就變得越精確，產(chǎn)生的效果越好。

2.2 常用的推薦系統(tǒng)算法

推薦系統(tǒng)核心就是選擇不同的推薦算法，下面我們介紹幾種常用的推薦算法。

1）基于內(nèi)容的推薦算法?；趦?nèi)容的推薦算法首先要提取用戶(hù)歷史交易記錄和用戶(hù)對(duì)產(chǎn)品評(píng)價(jià)信息，把獲取的用戶(hù)的興趣特征作為用戶(hù)的購(gòu)買(mǎi)傾向;然后再對(duì)目標(biāo)產(chǎn)品進(jìn)行特征提取;最后通過(guò)對(duì)用戶(hù)偏好特征和目標(biāo)產(chǎn)品特征的匹配程度進(jìn)行比較，得到推薦結(jié)果。

基于內(nèi)容的推薦算法一般只根據(jù)該用戶(hù)以往的行為來(lái)為用戶(hù)提供推薦，不牽扯到其他用戶(hù)的行為。如今日頭條的推薦有很大比例是基于內(nèi)容的推薦算法，下面我們舉例說(shuō)明。

如果用戶(hù)甲喜歡的抖音短視頻類(lèi)型是美食類(lèi)A和娛樂(lè)搞笑類(lèi)D，用戶(hù)乙喜歡的短視頻是體育類(lèi)B，用戶(hù)丙喜歡的短視頻是娛樂(lè)搞笑類(lèi)D。我們最終要確定的問(wèn)題是：是否給用戶(hù)甲推薦短視頻C ？

基于內(nèi)容的做法：首先需要對(duì)短視頻進(jìn)行特征建模;要分析短視頻C的特征和用戶(hù)甲所喜歡的A、D類(lèi)短視頻的特征;得知C短視頻和用戶(hù)甲喜歡的短視頻A具有相同的特征，那么短視頻C大概率地可以推薦給用戶(hù)甲。

2）基于協(xié)同過(guò)濾的推薦。協(xié)同過(guò)濾推薦是在眾多的用戶(hù)中找到和你喜好比較相近的目標(biāo)，主要是基于以下兩點(diǎn)：喜好相近的用戶(hù)可能會(huì)對(duì)同樣的標(biāo)的物感興趣;用戶(hù)可能偏愛(ài)與自己購(gòu)買(mǎi)的物品相類(lèi)似的其他物品。

下面介紹2個(gè)常用的協(xié)同過(guò)濾算法。

（1）基于用戶(hù)的協(xié)同過(guò)濾算法?；驹硎?，當(dāng)A用戶(hù)需要個(gè)性化推薦時(shí)，可以先找到和他有相似興趣的其他用戶(hù)，然后把那些用戶(hù)喜歡的而A用戶(hù)沒(méi)有接觸過(guò)的物品推薦給A。這種方法稱(chēng)為基于用戶(hù)的協(xié)同過(guò)濾算法。適用于新聞或者用戶(hù)分類(lèi)比較明確的場(chǎng)景。

這種算法不用考慮用戶(hù)、標(biāo)的物的特征信息，它主要是依據(jù)用戶(hù)對(duì)某個(gè)標(biāo)的物的偏愛(ài)，找出不同用戶(hù)之間偏愛(ài)的相似度，通過(guò)這種用戶(hù)之間偏愛(ài)相似度來(lái)進(jìn)行個(gè)性化推薦，將偏愛(ài)相似的用戶(hù)群體所感興趣的其他物品，推薦給該用戶(hù)。

x因?yàn)檫@種算法的決策是依賴(lài)用戶(hù)和視頻之間的關(guān)系。我們不再需要知道ABCD短視頻的類(lèi)型特征，所以我們不需要為標(biāo)的物建模，我們通過(guò)甲用戶(hù)和丙用戶(hù)偏愛(ài)向量表示圖得知，他們的相似度比較高，那么我們可以把丙所喜歡的D短視頻推薦給用戶(hù)甲。

（2）基于物品的協(xié)同過(guò)濾算法。這是當(dāng)今很多大型網(wǎng)站都在采用的推薦算法之一。算法的基本思路是利用用戶(hù)對(duì)物品的偏好找到相似的物品，然后根據(jù)用戶(hù)的歷史偏好，為他推薦相似的物品。

可以在離線狀態(tài)下，從用戶(hù)的歷史信息中先將物品的相似度矩陣計(jì)算好，這樣可以在線上實(shí)時(shí)快速地給出推薦結(jié)果。這種方法推薦的物品一般都和用戶(hù)喜歡的物品內(nèi)容高度相似。

因?yàn)橄矚g物品A的用戶(hù)同時(shí)也喜歡物品C?？梢哉f(shuō)物品A和物品C具有很大的相似度。

基于物品的協(xié)同過(guò)濾方法不用考慮用戶(hù)、物品的特征信息，它是根據(jù)用戶(hù)對(duì)物品的偏好信息（如評(píng)分等行為），通過(guò)矩陣計(jì)算獲取不同物品之間的相似度，這種方法是以物品為中心，將相似的物品劃歸于特定的一組類(lèi)別，然后根據(jù)某個(gè)用戶(hù)的歷史興趣找出他感興趣的物品所屬的類(lèi)別，最后將屬于該組類(lèi)別所對(duì)應(yīng)的物品推薦給該用戶(hù)。

3 結(jié)束語(yǔ)

基于用戶(hù)畫(huà)像的推薦系統(tǒng)技術(shù)，在電子商務(wù)領(lǐng)域和傳媒資訊領(lǐng)域都得到了廣泛的應(yīng)用和深入的研究，并且逐步形成了一門(mén)獨(dú)立的學(xué)科。隨著研究和應(yīng)用水平的不斷提高，用戶(hù)畫(huà)像技術(shù)將會(huì)給我們生活帶來(lái)更多的驚喜。

參考文獻(xiàn)：

[1] 張化南.基于用戶(hù)畫(huà)像分析電子商務(wù)網(wǎng)站應(yīng)用研究[J].現(xiàn)代營(yíng)銷(xiāo)（下旬刊），2020（7）：100-101.

[2] 張莉.基于“用戶(hù)畫(huà)像”的精準(zhǔn)營(yíng)銷(xiāo)策略研究[J].現(xiàn)代營(yíng)銷(xiāo)（下旬刊），2020（3）：93-94.

【通聯(lián)編輯：唐一東】