數據驅動的用戶模型構建及其應用

馬君雅

摘要：本文在用戶建模相關理論的基礎上，參考計算機領域和消費者領域中的相關實踐，結合用戶研究相關方法，提出數據驅動的用戶模型建構方法和流程。同時，通過研究傳統的市場細分理論、消費者心理行為理論、生活形態理論、價值理論、人格特性理論和用戶研究領域的角色法，整理出面向企業用戶的用戶細分變量，最后構建了面向企業用戶的產品開發項目的用戶特征系統。該系統能夠有效地支持基于數據分析得出的初步用戶模型進行進一步的用戶研究，來得到最終比較完善的用戶模型，支持下一步的設計開發工作。

關鍵詞：數據驅動；用戶研究；角色法；用戶建模；用戶特征體系

1研究源起

由于現階段利用網絡數據來用戶建模主要存在于計算機領域并慢慢滲透到消費者領域中，因此，如何應用網絡數據來幫助設計領域的用戶建模是一個需要關注的問題。同時，網絡數據刻畫設計領域的用戶模型的不完備，導致得到的用戶輪廓不夠完善。因此，本文希望能夠在用戶建模相關理論的基礎上，參考計算機領域和消費者領域中的相關實踐，結合用戶研究相關方法，構建出面向企業產品的企業用戶特征系統和數據驅動的用戶模型建構方法和流程。

2傳統相關領域的理論研究

在文獻研究階段，筆者參考消費者領域、心理學領域和社會學領域等的用戶模型研究成果，整理企業用戶和不同產品的協作過程中涉及用戶的知識。在得到面向企業產品的企業的用戶特征系統后，提出數據驅動的用戶建模方法和流程。之后，筆者準備用一個實際的企業產品開發項目來對該用戶特征系統以及該方法和流程進行應用和檢驗。

3計算機領域的用戶建模

在計算機領域，用戶建模技術應用得最廣泛的莫過于個性化的推薦系統，包括圖書館推薦系統（當當網）、音樂推薦系統（spotify、蝦米音樂）、商品推薦系統（亞馬遜商城、淘寶網）等。而推薦系統的基礎和核心就是用戶興趣模型，用戶模型包含了用戶特有的興趣、需求、偏好、模式等的相關知識，這種知識不是對用戶信息的通俗描述，而是能夠計算的、具有特別的數據組織結構的描述，這種可計算性是計算機對用戶興趣模型的要求之一。

本研究準備使用K-means算法來對用戶數據進行聚類以得出不同的用戶類別，K-means算法屬于分割聚類算法中的一種，也叫“K均值算法”。K-means算法的聚類結果易于解讀，善于處理大量數據，并能夠對用戶行為進行分析。

4數據驅動的用戶建模流程及商業用戶的用戶特征體系

目前，大部分研究集中在人物角色創建和產品開發系統的研究，但在人物角色創建方面，基本是用定性方法，即使是經過定量驗證的定性人物角色，其基礎也是基于定性。因此，本文主要借鑒數據挖掘領域中用戶模型的建構方法，利用用戶網絡足跡，構建初步用戶模型，并在此基礎上結合設計領域人物角色的構建方式，嘗試建立數據驅動的設計用戶模型構建方法。同時，通過研究市場細分理論、消費者心理行為理論等和用戶建模有關的文獻，嘗試構建一套用戶特征系統，用以連接初步用戶模型以及人物角色，構建出設計領域的數據驅動的用戶模型。整個方法模型如圖1。

該用戶特征系統能夠指導數據挖掘盡可能對數據加以利用和挖掘，支持之后的用戶研究，得到相對完備的用戶模型，同時又能改善傳統的用戶研究，最后得到的用戶輪廓更加完善、精準和可靠。

以定量數據為基礎，以定性研究來深入的數據驅動的用戶建模方法和流程也有其創新和優勢：第一，相較于傳統的用戶研究，數據驅動的用戶模型能從多個層面和維度對用戶進行特性研究，即用戶作為消費者的層面和用戶作為與產品協作的用戶的層面，改善定性研究的劣勢，使最終的用戶模型更加完備。第二，這是一種能產出用戶知識的新途徑，在新形勢下利用數據挖掘結合新的用戶研究方法來得到用戶知識以協助設計師的設計活動。

另外，在文獻研究后，筆者整理出商業用戶特征系統，該系統把描繪用戶的變量分為以下幾類：人口統計學特征、地理細分、生活狀態、非消耗品類品味偏好、影視娛樂偏好、網絡消費特征、工作特征、航旅偏好、產品使用特征、場景特征和心理變量。這些都是能描繪工作情景下用戶的特征并且在公司網絡中能夠收集到的變量。

5定性研究方案設計

在通過K-means聚類算法得出幾類用戶角色后，筆者分別在每一類的用戶角色中選擇一位合適的用戶來進行訪談，并根據算法得出的三類用戶的特征來編寫問卷提綱。例如，深度訪談的第一部分主要針對被訪者的工作特征進行調查，第二部分主要針對被訪者的使用產品特征進行挖掘，對被訪者心理特征的調查被整合到整體問卷中，存在于整個訪談過程中，對被訪者的所有動作都進行目的動機方面的進一步深挖。在訪談結束后，結合根據算法得出的三類用戶的特征和訪談后的結果，整理出該產品的Persona來指導下一步的設計。

6總結

本文主要借鑒數據挖掘領域中用戶模型的建構方法，利用用戶網絡足跡，構建初步用戶模型，并在此基礎上結合設計領域人物角色的構建方式，嘗試建立數據驅動的設計用戶模型構建方法。同時，通過研究市場細分理論、消費者心理行為理論等和用戶建模有關的文獻，構建出用戶特征體系，用以連接初步用戶模型以及人物角色，構建出設計領域的數據驅動的用戶模型。該用戶特征系統能夠指導數據挖掘盡可能對數據加以利用和挖掘，支持之后的用戶研究，得到相對完備的用戶模型，同時又能改善傳統的用戶研究，最后得到的用戶輪廓更加完善、精準和可靠。