基于購買決策過程的電子商務用戶畫像應用研究

劉蓓琳+張琪

內容摘要：電子商務行業競爭日趨激烈，如何更好的為用戶提供個性化服務是企業面臨的難題。本文將用戶畫像技術應用于電子商務用戶購買決策過程中，提升企業在需求獲取、個性化推薦、個性化服務、用戶滿意度管理和信用評價五個階段的服務水平，并從用戶畫像維度劃分、屬性確定以及屬性抽取方法三個方面對購買決策過程中的電子商務用戶畫像應用進行研究。

關鍵詞：用戶畫像 電子商務用戶 購買決策過程 大數據

概述

據統計，2016年上半年中國網購用戶規模達4.8億人，中產階級電子商務消費群體的崛起使得企業由以“產品”為中心向以“用戶”為中心轉換，如何更好的了解用戶需求，以推動用戶購買決策的形成成為企業急需解決的問題。用戶畫像技術本質是指企業在大數據環境下，洞察用戶信息，全面準確的刻畫用戶的維度與屬性，使企業能深入研究用戶特征與行為以更加精準的掌握用戶需求，從而更好的服務于用戶。

電子商務用戶購買決策分析

電商用戶的購買決策過程仍遵循傳統消費者行為理論，即確認需求、信息搜尋、評估選擇、購買決策和購后評價五個階段。在此基礎上引入管理學的全過程管理理念，電商用戶購買決策過程可分為“購前、購中、購后”三個環節，主要包括需求獲取、個性化推薦、個性化服務、用戶滿意度管理、信用評價五個階段，如圖1所示。在這三個環節五個階段中，用戶畫像技術都能幫助企業洞察用戶需求，以便企業為用戶提供更好的服務。

現有用戶畫像技術應用研究

（一）需求獲取

洪婷婷（2015）通過構建用戶畫像標簽庫進行人群分類以精準獲取用戶需求。孫曄等（2016）利用用戶畫像技術精準獲取用戶需求以推進商業銀行的轉型和業務發展。馬安華（2013）通過構建電信用戶畫像以獲得用戶需求，實現能自修正的精準營銷系統。劉海（2016）基于4C理論構建“用戶畫像”數據庫獲取消費者需求，以實現個性化的精準營銷。

（二）個性化推薦

張小可等（2016）利用貝葉斯網絡構建可擴展的用戶畫像，以實現用戶興趣變化的動態推薦。劉鵬等（2016）通過劃分屬性、興趣維度構建可擴展的用戶畫像，以提高個性化推薦的精度。王智囊（2016）通過構建醫學畫像庫，并依此實現醫學個性化推薦系統。徐凱（2016）提出基于用戶畫像技術的協同過濾算法，以提高個性化推薦的準確度。

（三）個性化服務

侯金鳳等（2016）構建用戶畫像模型旨在為用戶提供個性化服務。黃文彬等（2016）從移動用戶頻繁活動、規律行為以及移動速度三個維度構建移動用戶畫像，為個性化服務提供更全面的數據支持。張恒等（2016）通過構建車主用戶畫像旨在為用戶提供精準的個性化服務。

（四）滿意度管理

李映坤等（2016）通過構建用戶畫像以管理用戶滿意度，并定制相應挽留策略。戴桓宇（2016）利用用戶投訴文本描繪用戶畫像，并依此進行用戶滿意度管理。張麗娟等（2017）挖掘用戶潛在需求并構建電信用戶畫像，以進行用戶維系與滿意度的管理。

（五）信用評價

林漢川（2016）采用隨機森林結合Logistic回歸的模型來構建用戶畫像旨在精準地評估用戶信用風險。丁偉等（2016）利用通信運營數據構建手機用戶畫像，并應用于個人征信領域。孫曄等（2016）通過用戶畫像技術挖掘商業銀行征信數據，測評用戶信用等級控制風險。

綜上所述，用戶畫像技術能夠應用于電子商務用戶購買決策的全過程，以幫助企業更好的服務于用戶，提高企業競爭力。

電子商務用戶畫像構建研究

目前電子商務行業中用戶畫像技術主要應用于用戶畫像維度劃分、用戶畫像屬性確定以及用戶畫像屬性抽取三個方面的研究。

（一）用戶畫像維度劃分

構建用戶畫像需要劃分用戶畫像維度，即從哪些關鍵角度對用戶進行洞察與分析。通過對國內20篇有代表性的文獻進行疏理，將用戶畫像維度劃分方法做歸納總結（見表1）。

現有研究成果中用戶畫像維度的劃分不盡相同。本文對相似的用戶畫像維度進行歸納，總結了19篇研究文獻中提及度較高前六個維度（見表2）。

（二）用戶畫像屬性確定

本文從基本屬性、興趣屬性、社交屬性、行為習慣、心理特征和用戶價值六個維度對現有研究文獻中的用戶畫像屬性確定方法進行總結（見表3）。

（三）用戶畫像屬性抽取

目前，用戶畫像屬性抽取的數據挖掘方法主要包括聚類、關聯規則及機器學習等。

基于聚類的用戶畫像屬性抽取方法是一種無監督模式識別并劃分用戶屬性的方法，根據電子商務用戶的特征相似程度將同類用戶聚合，抽取能夠刻畫各聚類的屬性值。

基于文本挖掘的用戶畫像屬性抽取方法是一種從大量文本中抽取潛在知識的方法，主要分析挖掘用戶相關的文本，從中抽取用戶興趣、購買習慣、上網行為等屬性。

基于關聯規則的用戶畫像屬性抽取方法是尋找同一個事件中出現不同項的相關性的方法，主要通過對用戶的屬性挖掘分析得到某種類別用戶的典型屬性及屬性的關聯情況以抽取用戶興趣、購買習慣以及上網行為。

基于機器學習的用戶畫像屬性抽取方法是一種通過數據、經驗等模擬實現人類的學習行為以獲取新知識的方法，主要用于預測用戶興趣、行為等。

現有研究文獻中的用戶畫像屬性抽取方法總結如表4所示。

綜上所述，將用戶畫像技術應用于電子商務用戶購買決策過程，能夠更好的洞察用戶在不同階段的需求。結合消費者購買決策過程與全過程管理理念，分為“購前、購中、購后”三個環節的電子商務用戶購買決策過程，主要包括需求獲取、個性化推薦、個性化服務、用戶滿意度管理、信用評價五個階段。通過文獻梳理，總結電子商務用戶購買決策過程中用戶畫像技術的應用，從用戶畫像的維度劃分、屬性確定以及屬性抽取方法三個方面對基于購買決策過程的電子商務用戶畫像應用進行了研究。endprint

參考文獻：

1.莫岱青.《2016年（上）中國電子商務市場數據監測報告》發布[J].計算機與網絡，2016（18）

2.劉業政.網絡消費者行為[M].科學出版社，2011

3.洪婷婷. 互聯網廣告人群標簽庫的設計及投放規則挖掘[D].中國科學院大學，2015

4.孫曄，楊照東，陳德華.大數據用戶畫像技術在商業銀行的應用[J].數字通信世界，2016（9）

5.馬安華.基于用戶行為分析的精確營銷系統設計與實現[D].南京郵電大學，2013

6.劉海.大數據時代服裝精準營銷下的服務策略研究[D].上海工程技術大學，2016

7.張小可，沈文明，杜翠鳳.貝葉斯網絡在用戶畫像構建中的研究[J].移動通信，2016，40（22）

8.劉鵬.基于Spark的數據管理平臺的設計與實現[D].浙江大學，2016

9.王智囊.基于用戶畫像的醫療信息精準推薦的研究[D].電子科技大學，2016

10.徐凱.基于主題抽取演化模型的實時新聞推薦系統[D].廣東工業大學，2016

11.侯金鳳.移動互聯網下手機用戶使用行為特征的研究[J].電腦知識與技術，2016，12（7）

12.黃文彬，徐山川，吳家輝.移動用戶畫像構建研究[J].現代情報，2016，36（10）

13.張恒，張磊，程新洲.基于大數據的路橋汽車用戶線上2C運營方案研究[J].郵電設計技術，2016（8）

14.李映坤.大數據背景下用戶畫像的統計方法實踐研究[D].首都經濟貿易大學，2016

15.戴恒宇.基于數據挖掘技術的移動運營商用戶投訴數據研究[D].南京大學，2016

16.張麗娟.基于大數據分析的用戶畫像助力精準營銷研究[J].電信技術， 2017，8（1）

17.林漢川，張萬軍，楊柳.基于大數據的個人信用風險評估關鍵技術研究[J].管理現代化，2016，36（2）

18.丁偉，王題，劉新海.基于大數據技術的手機用戶畫像與征信研究[J].郵電設計技術，2016（3）

19.孫曄，楊照東，陳德華.大數據用戶畫像技術在商業銀行的應用[J].數字通信世界，2016（9）

20.陳志明，胡震云.UGC網站用戶畫像研究[J].計算機系統應用，2017，26（1）

21.王慶福.貝葉斯網絡在用戶興趣模型構建中的研究[J].無線互聯科技，2016（12）

22.王智囊.基于用戶畫像的醫療信息精準推薦的研究[D].電子科技大學，2016

23.黃文彬，吳家輝，徐山川.數據驅動的移動用戶行為研究框架與方法分析[J].情報科學，2016，34（7）

24.劉海，盧慧，阮金花.基于“用戶畫像”挖掘的精準營銷細分模型研究[J].絲綢，2015，52（12）

25.王文璐.基于用戶大數據的海爾集團線上精準營銷研究[D].東北農業大學，2015

26茅明睿，王良. 基于某電子商務公司用戶數據的市民畫像及應用思考[C]// 中國科協年會. 2015

27.張哲.基于微博數據的用戶畫像系統的設計與實現[D].華中科技大學，2015

28.高玉龍.基于文本挖掘的用戶畫像研究[D].汕頭大學，2014

29.徐翔斌，王佳強，涂歡，穆明.基于改進RFM模型的電子商務客戶細分[J].計算機應用，2012（5）

30.侯金鳳.移動互聯網下手機用戶使用行為特征的研究[J].電腦知識與技術，2016，12（3）

31.李冰，王悅，劉永祥.大數據環境下基于K-means的用戶畫像與智能推薦的應用[J].現代計算機（專業版），2016（24）

32.李宗麗，王計平.基于大數據的定制旅游網站創新設計研究[J].設計，2016（19）

33.王汝軍.基于大數據的移動互聯網行為分析[D].南京郵電大學，2015

34.戴恒宇.基于數據挖掘技術的移動運營商用戶投訴數據研究[D].南京大學，2016

35.張慷.手機用戶畫像在大數據平臺的實現方案[J].信息通信，2014（2）endprint