楊小琛 王鑌祺 傅 佳
1.湘潭大學(xué)公共管理學(xué)院; 2.湖南財(cái)政經(jīng)濟(jì)學(xué)院厚生國際教育學(xué)院
動態(tài)用戶畫像作為個性化服務(wù)的設(shè)計(jì)工具,為短視頻平臺微知識服務(wù)的開展提供了思路?,F(xiàn)從多維度對短視頻平臺微知識學(xué)習(xí)者構(gòu)建用戶動態(tài)畫像,并提出短視頻平臺基于動態(tài)用戶畫像的微知識服務(wù)模式,以期提高微知識服務(wù)的用戶滿意度。
中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的第50次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示,截至2022年6月,我國短視頻用戶規(guī)模達(dá)9.62億,較2021年12月增長2805萬,占網(wǎng)民整體的91.5%。短視頻和直播的形象表達(dá)和高效傳播,激發(fā)了越來越多的人在短視頻平臺“搞學(xué)習(xí)”的熱情。《2021抖音泛知識內(nèi)容數(shù)據(jù)報(bào)告》顯示,過去一年抖音上的泛知識內(nèi)容增長迅猛,播放量同比增長達(dá)74%,成為最受用戶歡迎的內(nèi)容之一??梢?,短視頻平臺已經(jīng)成為知識傳播的重要途徑。如何讓用戶在短視頻平臺上快速檢索、瀏覽到對其有價(jià)值的知識,如何為用戶提供個性化、多樣化的微知識服務(wù),是微知識服務(wù)領(lǐng)域提高用戶滿意度的關(guān)鍵。本研究通過收集用戶的基本特征和行為特征等數(shù)據(jù),構(gòu)建動態(tài)用戶畫像,以便短視頻平臺更好地獲取用戶潛在需求,從而預(yù)見性地為用戶提供高質(zhì)量的微知識服務(wù)。
用戶畫像(Persona)實(shí)際上是一種標(biāo)簽化用戶模型,是從用戶的社會屬性、生活習(xí)慣和消費(fèi)行為等信息中抽象出來的。靜態(tài)用戶畫像數(shù)據(jù)主要是指人口統(tǒng)計(jì)學(xué)的有關(guān)數(shù)據(jù),比如用戶的性別、年齡、學(xué)歷、職業(yè)、興趣愛好等,這些數(shù)據(jù)我們可以在用戶注冊的時(shí)候獲取。但這樣獲取的用戶畫像往往是不精準(zhǔn)的和片面的?;谶@種不精準(zhǔn)的用戶畫像的推薦算法會出現(xiàn)歧視的現(xiàn)象,比如某個用戶的人口學(xué)特征為女性,年齡在55—65歲之間,興趣是廚藝、收納等,那么可能會認(rèn)定該用戶的畫像標(biāo)簽為“退休女性”,對于這類標(biāo)簽的用戶,平臺可能會把推薦內(nèi)容限定在娛樂、旅游、攝影等領(lǐng)域,這其實(shí)就是一種偏見和隱性歧視。用戶注冊時(shí)的興趣勾選很多時(shí)候是不全面的或只能反映用戶當(dāng)時(shí)的想法,基于這種不精準(zhǔn)的用戶畫像的推薦很有可能會忽略用戶的高階內(nèi)容需求。
所以本研究提出了短視頻平臺微知識推薦服務(wù)的動態(tài)用戶畫像構(gòu)建,即從多維度對用戶構(gòu)建精準(zhǔn)畫像。動態(tài)用戶畫像的構(gòu)建需要通過用戶表層特征的共性去尋求深層的差異性,也需要通過用戶表層的差異性去尋求深層的普遍性,甚至還需要一定的預(yù)見性,以及把基于情境的設(shè)計(jì)方法加入動態(tài)用戶畫像的構(gòu)建中。
有研究認(rèn)為微知識是互聯(lián)網(wǎng)上所有的數(shù)據(jù)元和信息元按照一定的規(guī)則和一定的形式關(guān)聯(lián)、組織起來而形成的具有一定意義的信息結(jié)構(gòu),可以簡單理解為碎片化、精練化的學(xué)習(xí)信息。相較于傳統(tǒng)的知識來說,微知識具有趣味性高、簡單易懂、方便學(xué)習(xí)等特點(diǎn)。短視頻是微知識的良好載體,短視頻平臺上用戶的需求層次不一,并且具有很大的不確定性?;谖⒅R碎片化的特征,用戶的學(xué)習(xí)也不具有系統(tǒng)性,所以用戶的需求可能較為零散。由于知識形式的變化,微知識服務(wù)應(yīng)運(yùn)而生,并不斷發(fā)展。微知識服務(wù)是信息服務(wù)機(jī)構(gòu)在微信息環(huán)境中根據(jù)用戶在工作、學(xué)習(xí)和生活中的知識需求,有針對性地生產(chǎn)、組織知識,并將其提供給用戶,幫助用戶實(shí)現(xiàn)知識更新和解決實(shí)際問題。通過對用戶畫像的高效分析來了解用戶的真實(shí)需求,可以為個性化和專業(yè)化的微知識服務(wù)奠定基礎(chǔ)。
短視頻平臺微知識學(xué)習(xí)用戶的動態(tài)用戶畫像構(gòu)建由數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)挖掘、數(shù)據(jù)融合、分析建模5個步驟組成(如圖1所示)。數(shù)據(jù)收集包括對用戶的基本數(shù)據(jù)、社交數(shù)據(jù)和行為數(shù)據(jù)的收集,這些數(shù)據(jù)一般可以從數(shù)據(jù)庫后臺直接獲取。數(shù)據(jù)處理需要對構(gòu)建用戶畫像的不同載體和形態(tài)的相關(guān)數(shù)據(jù)進(jìn)行整理、濾重、轉(zhuǎn)換,形成統(tǒng)一的規(guī)范化的有效數(shù)據(jù)。數(shù)據(jù)挖掘主要是對用戶基本數(shù)據(jù)進(jìn)行特征分析和提取,建立社交關(guān)系圖譜,對行為數(shù)據(jù)進(jìn)行內(nèi)在關(guān)聯(lián)挖掘。數(shù)據(jù)融合是指通過對用戶當(dāng)前學(xué)習(xí)情境和經(jīng)過數(shù)據(jù)挖掘之后的數(shù)據(jù)關(guān)聯(lián)體進(jìn)行融合,生成基于不同用戶和不同層次需求的數(shù)據(jù)鏈,方便從多重視角分析用戶的微知識需求。最后,對處理過的數(shù)據(jù)進(jìn)行分析,生成用戶畫像模型,存入用戶畫像庫中。
圖1 短視頻平臺微知識學(xué)習(xí)動態(tài)用戶畫像構(gòu)建流程(作者自繪)
本研究從五個維度來構(gòu)建動態(tài)用戶畫像,這五個維度分別是用戶基本信息維度、行為習(xí)慣信息維度、社交關(guān)系信息維度、用戶心理特征維度和情境特征信息維度。
1.用戶基本信息維度
用于構(gòu)建動態(tài)用戶畫像的用戶基本信息應(yīng)該包含與用戶相關(guān)的人口統(tǒng)計(jì)學(xué)信息。人口統(tǒng)計(jì)學(xué)特征主要指用戶的性別、年齡、學(xué)歷、專業(yè)、職業(yè)、是否結(jié)婚、是否生育以及用戶的興趣和關(guān)注的領(lǐng)域等個體靜態(tài)的特征信息。對于這類信息我們可以在用戶首次注冊時(shí)以問卷的形式獲得。
2.行為習(xí)慣信息維度
用戶的行為特征是構(gòu)建動態(tài)用戶畫像的關(guān)鍵數(shù)據(jù)信息。不同習(xí)慣的學(xué)習(xí)者有不同的學(xué)習(xí)行為,學(xué)習(xí)行為不同的用戶對微知識內(nèi)容的偏好也會存在差異。通過對用戶行為的分析可以了解用戶對內(nèi)容的偏好,內(nèi)容偏好信息包括顯式和隱式興趣,顯式興趣主要通過用戶注冊時(shí)的興趣勾選獲得,隱式興趣主要通過用戶的內(nèi)容搜索、短視頻的完讀率、微知識內(nèi)容的收藏或是對知識分享者的關(guān)注獲得。用戶的內(nèi)容偏好還可以分為用戶近期的內(nèi)容偏好和用戶持續(xù)的內(nèi)容偏好。用戶的內(nèi)容搜索,可以反映用戶近期的內(nèi)容偏好;短視頻的完讀率可以用來確定用戶感興趣的微知識主題和領(lǐng)域;對短視頻的收藏以及對分享者的關(guān)注信息,可以進(jìn)一步分析用戶持續(xù)的內(nèi)容偏好。用戶的行為還包括社交互動,即用戶參與學(xué)習(xí)討論的互動行為,如將自己感興趣的微知識內(nèi)容分享到個人空間或社交網(wǎng)站,與其他用戶進(jìn)行評論交流等。另外,用戶的登錄時(shí)間、登錄次數(shù)、登錄時(shí)長等內(nèi)容,在一定程度上也可以反映用戶的學(xué)習(xí)行為習(xí)慣。
3.社交關(guān)系信息維度
社交關(guān)系信息具體指用戶的所在地和社交環(huán)境,用戶在短視頻平臺學(xué)習(xí)的過程中所收藏的微知識內(nèi)容,關(guān)注的微知識分享者以及用戶在短視頻平臺上參與交流、討論的有關(guān)信息。對這些信息進(jìn)行分析,可以進(jìn)一步挖掘用戶潛在的興趣和需求。社交關(guān)系靜態(tài)數(shù)據(jù)可以通過IP地址、通訊錄和第三方平臺獲得,比如微信、QQ。動態(tài)數(shù)據(jù)信息存儲在短視頻平臺的后臺數(shù)據(jù)庫中,可以從用戶日志和生成內(nèi)容中獲取。
4.用戶心理特征維度
用戶的心理特征包括用戶的認(rèn)知心理和價(jià)值心理。用戶的認(rèn)知心理包括用戶的背景知識認(rèn)知、信息需求認(rèn)知和交互情境認(rèn)知。用戶的價(jià)值心理則包括用戶的個人價(jià)值和社會價(jià)值。在前期的研究中發(fā)現(xiàn),績效期望能正向顯著地影響用戶的學(xué)習(xí)意愿,用戶感知到學(xué)習(xí)有成效,知識有收獲,技能有提高,感知到他人對自己的關(guān)注和影響,這些心理特征都會影響用戶畫像的構(gòu)建。
5.情境特征信息維度
不同情境下,用戶的需求和行為可能會發(fā)生變化,在動態(tài)用戶畫像構(gòu)建的過程中加入情境信息是非常有必要的,比如對比用戶在悠閑的情境下和在緊張的情境下,在早上和晚上,與朋友在一起和與老師在一起,所學(xué)習(xí)的微知識內(nèi)容肯定是不一樣的。
短視頻平臺微知識學(xué)習(xí)用戶動態(tài)畫像標(biāo)簽及數(shù)據(jù)來源表
微知識服務(wù)作為知識服務(wù)的延伸,服務(wù)的內(nèi)涵并沒有改變。知識服務(wù)的組成要素主要包括服務(wù)者、用戶、服務(wù)內(nèi)容、服務(wù)系統(tǒng)、服務(wù)策略五個部分。本研究認(rèn)為基于短視頻平臺的微知識服務(wù)組成要素主要包括微知識服務(wù)主體,就是在整個微知識服務(wù)過程中,實(shí)施服務(wù)和管理的機(jī)構(gòu),也就是數(shù)字內(nèi)容的服務(wù)商和各種短視頻平臺;微知識服務(wù)用戶,就是短視頻平臺上微知識服務(wù)的對象,基于服務(wù)對象構(gòu)建的用戶畫像是微知識服務(wù)的重要依據(jù);微知識服務(wù)內(nèi)容,就是短視頻平臺上的各種微知識,微知識內(nèi)容多種多樣,有語言學(xué)習(xí)類、技能學(xué)習(xí)類、生活健康類、科普類、職場提升類等,需要針對不同服務(wù)對象的需求提供精準(zhǔn)的推薦;微知識服務(wù)的媒介,主要指用戶使用短視頻平臺的各種設(shè)備,如手機(jī)、電腦、平板電腦等;微知識服務(wù)策略,服務(wù)策略的好壞直接影響服務(wù)對象對微知識服務(wù)效果的滿意度。微知識服務(wù)的重點(diǎn)需要放在對用戶畫像的構(gòu)建以及基于用戶畫像的個性化和多樣化服務(wù)上來。
如圖2所示,在對用戶的相關(guān)數(shù)據(jù)進(jìn)行收集、處理、挖掘、融合后,生成精準(zhǔn)的用戶畫像,存放在用戶畫像庫中,并不間斷地對用戶畫像進(jìn)行更新反饋,短視頻平臺將用戶動態(tài)畫像與微知識庫進(jìn)行交互,因?yàn)槲⒅R內(nèi)容上傳后都會打上相應(yīng)的標(biāo)簽,微知識服務(wù)主體根據(jù)用戶標(biāo)簽以及相關(guān)性、環(huán)境、熱點(diǎn)、協(xié)同等模型,了解用戶的狀態(tài)變化,將用戶畫像標(biāo)簽與微知識內(nèi)容標(biāo)簽進(jìn)行匹配,了解用戶需求,同時(shí)還需要根據(jù)動態(tài)用戶畫像分析預(yù)測用戶的潛在需求和高階需求,再根據(jù)不同的智能推薦算法,精準(zhǔn)地提供微知識服務(wù)。
圖2 短視頻平臺基于動態(tài)用戶畫像的微知識服務(wù)流程(作者自繪)
短視頻平臺的智能推薦算法基于冷啟動,主要通過基于個人信息的協(xié)同過濾算法以及基于用戶社交圖譜的精準(zhǔn)推薦算法向用戶推薦內(nèi)容。短視頻平臺的智能推薦算法基于閱讀過程,主要采用基于內(nèi)容流量池的疊加推薦。該種算法以閱讀反饋為綜合權(quán)重進(jìn)行評估,深入分析用戶畫像,通過更多的內(nèi)容加權(quán)獲得更多推薦,當(dāng)用戶反饋達(dá)到一定程度時(shí)進(jìn)行疊加算法,加權(quán)后的內(nèi)容會進(jìn)入更大的流量池,再推薦給合適的目標(biāo)人群。不論是基于個人信息的協(xié)同過濾算法,基于用戶社交圖譜的精準(zhǔn)推薦算法還是基于內(nèi)容流量池的疊加算法,用戶畫像都在其中起著重要的作用。在用戶使用短視頻平臺的不同階段,將這些算法結(jié)合起來使用可以避免使用單一算法帶來的局限性,能夠針對不同的場景定制不同的推薦內(nèi)容,提高推薦的準(zhǔn)確性。
終身學(xué)習(xí)已經(jīng)成為人們的一種普遍需求,“短視頻+知識”這種模式正好為終身學(xué)習(xí)提供了便利。微知識以簡、短為主要特點(diǎn),讓人們在快節(jié)奏的生活中只需要利用碎片化的時(shí)間就可以完成學(xué)習(xí),滿足了用戶的精神需求。微知識的出現(xiàn)帶來了微知識服務(wù)的發(fā)展。相較于傳統(tǒng)的知識服務(wù),基于動態(tài)用戶畫像的微知識服務(wù)更注重及時(shí)性和動態(tài)變化性。通過對用戶基本特征、行為習(xí)慣、社交關(guān)系、心理特征、情境特征5個維度數(shù)據(jù)的收集,可以構(gòu)建精準(zhǔn)的用戶畫像。本研究構(gòu)建了短視頻平臺基于動態(tài)用戶畫像的微知識服務(wù)模式,但該模式還需在以后的研究中進(jìn)一步優(yōu)化,比如在服務(wù)中完善對微知識內(nèi)容的評估。短視頻平臺上對微知識內(nèi)容的好壞評價(jià)一般是基于點(diǎn)贊、收藏、完播率這些顯性的數(shù)據(jù),但事實(shí)上這些顯性數(shù)據(jù)并不能準(zhǔn)確反映微知識內(nèi)容的優(yōu)劣,一些傳播效果好但內(nèi)容不良的微知識可能也會得到更多推薦,因此可以通過加入人工審核程序來彌補(bǔ)某些情況下算法的不足,同時(shí)還可以引入隱私保障機(jī)制,以減低用戶個人隱私泄露的風(fēng)險(xiǎn)。另外,在微知識服務(wù)過程中還可以采取一些策略來破除“信息繭房”,如增加一些用戶需求外的其他內(nèi)容比例來開闊用戶視野,以期能為微知識學(xué)習(xí)者提供更加優(yōu)質(zhì)和全面的服務(wù)。