基于用戶畫像的高校圖書館閱讀推廣模式構建

劉 漫（東北農業大學圖書館）

對于大學生而言，閱讀是獲取知識的重要途徑。在倡導全民閱讀的大環境下，各高校圖書館積極探索閱讀推廣模式，以期提高大學生的閱讀興趣，培養其閱讀習慣，先后提出“經典閱讀”“立體閱讀”“游學閱讀”“眾籌閱讀”［1-4］等多種推廣舉措。但是以往的閱讀推廣多以單向推薦為主體，雙向互動往往受限于用戶參與。

2008年，Nature刊發Big Data：The Future of Biocuration，［5］標志著大數據時代的到來，使得高校圖書館的閱讀推廣從單向推薦服務模式向基于用戶閱讀體驗的“云計算+大數據”的互動式服務邁進。在虛擬網絡空間里，高校讀者留下的閱讀行為數據、位置數據等信息成為用戶研究的基礎。通過對用戶數據的分析，可以牢牢黏住老讀者、吸引新讀者、讀懂用戶興趣偏好，從而提供更加精準的閱讀服務。文章結合用戶畫像理論對高校圖書館用戶進行定性畫像分析，以期總結出當前高校圖書館用戶行為特征，建立精準閱讀推廣模式，提升高校圖書館用戶服務質量。

1 相關理論基礎

1.1 行為理論

行為是心理學中的重要概念，是有機體適應環境的方式，支撐行為的內在因素是人的心理活動。任何行為在發生之前都會受到一定的意圖驅使。［6］動機是誘發個體行為的驅使力，這種驅使力通過一種緊張狀態產生，這種狀態是需要未被滿足的結果。個體會通過行為有意識或者下意識地去緩解這種緊張狀態，期望這些行為能夠滿足他們的需要，從而緩解緊張狀態或減輕他們所感受的壓力。［7］讀者之所以產生閱讀行為是因為受到閱讀動機的驅使（見圖1）。高校圖書館開展閱讀推廣服務時，應全面了解大學生的閱讀需求，促使大學生意識到自己潛在的閱讀需要并產生緊張狀態，從而形成閱讀動機，通過學習態度的習得傾向培養引發大學生相應的閱讀行為。閱讀推廣的前提就應該對被推廣人進行解析，這是閱讀推廣成功的關鍵因素之一。

圖1 高校大學生閱讀行為形成過程模型

1.2 用戶畫像相關研究

“用戶畫像”最早由交互設計之父Alan Cooper于1998年在 The Inmates Are Running the Asulum 一書中提出，書中強調用戶畫像（Persona）是“基于用戶真實數據的虛擬代表”。［8］用戶畫像與用戶角色非常相近，是用來勾畫用戶特征、聯系用戶需求、描述用戶興趣的重要方法，從而盡可能全面細致地抽出用戶的信息全貌。用戶畫像最初應用于計算機與電子商務領域，著眼于精準營銷、推薦系統等個性化服務，并且已經廣泛應用于其他領域，如Amazon、Netflix以及淘寶的“猜你喜歡”與“產品推薦”，均應用了“用戶畫像”技術。近年來，用戶畫像廣泛應用于國內外高校圖書館，相關研究日益增多，成為圖書情報領域新的研究熱點。

用戶畫像在國外圖書館領域的研究集中在用戶體驗改善［9］且應用逐步趨向成熟，內容涵蓋定義與組成、算法與技術、模型構建、實踐應用以及問題與策略［10］等多視角的研究。Holt Zaugg等將用戶畫像應用于高校圖書館，識別出基于圖書館服務的美國楊伯翰大學圖書館10個用戶角色，并完善現有服務、創新服務類型以滿足讀者需求。［11］Al-Shboul M K 等利用用戶畫像分析人文學者的信息需求，刻畫網絡環境對其信息搜尋行為的影響，構建出人文學者的信息搜尋行為模式。［12,13］Spenser Thompson指出“Watching the Movie”是改善圖書館市場營銷的重要途徑，包括三個方面：一是通過觀察和直覺建立用戶畫像；二是找到圖書館在用戶畫像敘事中的地位；三是將用戶畫像與“營銷周期”中的各個階段關聯起來。［14］Holt Zaugg等通過將美國楊伯翰大學圖書館的用戶畫像模式移植到猶他大學圖書館發現，用戶畫像是普遍存在的，但它們之間的相互作用取決于特定的圖書館設施。［15］

國內圖書館領域對用戶畫像的研究起步較晚。2010年末，鄭寶鑫等在“廣東通信2010青年論壇”會議上首次使用“用戶畫像”一詞。［16］但是，我國的用戶畫像研究直至2016年才引起相關學者廣泛關注，于2017年中后期達到研究高潮。吳加琪通過分析我國用戶畫像研究的知識網絡與熱點領域發現，圖書情報與數字圖書館是用戶研究的重要領域。［17］陳慧香等探討了國外圖書館領域的用戶畫像研究現狀，為我國圖書館應用用戶畫像指明思路。［18］薛歡雪將學科服務用戶進行精準標簽化，創建高校圖書館學科服務用戶畫像。［19］陳添源利用VALS 2用戶細分量表、因子分析、聚類分析、判別分析等方法，構建高校移動圖書館用戶畫像，提升高校移動圖書館精準用戶定位。［9］吳智勤等基于社交網絡分析方法構建高校圖書館用戶畫像，提高圖書館用戶行為分析效率與個性化推薦水平。［20］何娟利用圖書館讀者借閱行為特征，構建讀者個人與群體用戶畫像，實現圖書個性化推薦。［21］韓梅花等將用戶畫像的閱讀療法模式應用于“抑郁癥”治療。［22］

綜上所述，用戶畫像即從用戶出發將用戶進行精準標簽化，高度契合高校圖書館的個性化用戶服務與營銷實踐。但是，我國圖書館領域對用戶畫像的研究仍處于起步階段，偏重概念分析與方法借鑒，缺乏用戶細分化以及相關模型構建。因此，文章嘗試以高校圖書館大學生用戶為研究對象，采用本體方法建立基于知識的用戶定性畫像，利用行為理論與關聯推薦算法構建高校圖書館閱讀推廣新模式，從而提高高校圖書館資源利用率與閱讀推廣服務精準度。

2 高校圖書館用戶畫像的構建

2.1 用戶畫像分析

用戶畫像源自用戶數據，畫像精確度與數據全面性正相關。在用戶畫像的建模過程中需要重點考慮數據的顆粒度，顆粒度越小，用戶畫像越細化，用戶刻畫越精細，但對用戶數據要求越精細，則會導致建模成本增高，用戶畫像適用性降低。因此，筆者首先采取問卷調查方法了解高校圖書館大學生用戶的閱讀場景、閱讀內容等，在此基礎上，設計用戶畫像，確定用戶畫像顆粒度。高校圖書館在充分保障用戶隱私的前提下，捕捉用戶數據，獲得定量用戶畫像。

高校圖書館服務的主體是大學生讀者，構建用戶畫像需要從圖書館聯機公共查詢目錄（Online Public Access Catalogue，OPAC）系統中采集用戶特征屬性、用戶閱讀行為、用戶興趣偏好等數據，這些數據涵蓋了數據的所有表現形式，即結構化、半結構化和非結構化。用戶特征數據屬于結構化數據，用戶閱讀行為數據中登錄數據、借閱數據等，以及用戶興趣數據中的圖書借閱時長、閱讀類別等均屬于結構化數據；其它部分均屬于半結構化和非結構化數據。圖書館大數據的采集具有數據海量、來源廣泛的特點，半結構化與非結構化數據占大數據總量的85%以上。［23］因此，僅依靠用戶定量畫像不能全面且精準地刻畫用戶，定量的用戶畫像無法解釋半結構化與非結構化數據，如用戶興趣模型等無法由算術法則來分析，但興趣偏好等恰恰與用戶閱讀行為正相關。因此，本研究引入本體方法，將定性用戶畫像與定量用戶畫像相結合，對高校圖書館大學生用戶畫像建模。

2.2 用戶畫像標簽構建

標簽化是用戶定性畫像的核心，標簽化的用戶畫像既方便理解，又便于計算分析。本研究引入本體對用戶畫像中的標簽進行表示、驗證、推理與解釋，成為用戶定性畫像建模的關鍵。采集高校圖書館大學生讀者的數據，構建多維度用戶標簽體系，形成高校圖書館用戶畫像可視化描述（見圖2）。高校圖書館大學生用戶畫像由用戶維度和圖書維度共同組成，其中，用戶維度由定量用戶畫像的讀者屬性特征、用戶行為特征和用戶興趣特征構成。

圖2 高校圖書館大學生用戶畫像結構

2.2.1 用戶維度

（1）用戶特征標簽。高校圖書館用戶特征，即讀者屬性數據，［24］用于描述用戶基本信息。根據圖書館系統注冊信息獲取，包括大學生的校園卡號、姓名、性別、年齡、專業、年級等基本信息。

（2）用戶行為標簽。高校圖書館用戶行為數據即大學生登錄圖書館OPAC系統的日常記錄，包括書目檢索次數、瀏覽次數、借閱次數以及續借、數字資源閱讀、下載等行為數據；圖書館遠程訪問系統、移動圖書館及微信平臺在使用過程中產生的行為數據等。

（3）用戶興趣標簽。用戶興趣特征偏好反映用戶的潛在興趣，通過跟蹤高校圖書館大學生用戶的瀏覽與借閱行為、檢索與下載行為，對用戶閱讀時間、閱讀時長、閱讀內容、閱讀類別等相關信息進行推理，得到用戶興趣偏好信息。

2.2.2 圖書維度

圖書維度數據是對圖書屬性的描述，反映圖書的基本信息，包括圖書的題名、類別、責任者、主題詞、出版社等數據。圖書維度也與用戶興趣偏好正相關。

2.3 用戶定性畫像構建

本研究采用本體方法構建大學生用戶畫像的概念模型，利用本體描述語言OWL DL和本體構建工具Prot佴g佴進行本體的構建。［25］使用標準術語構建大學生用戶畫像標簽的領域詞匯表。對于高校圖書館大學生用戶領域來說，類詞匯包括人、用戶等；屬性詞匯包括校園卡ID、姓名、性別、年齡、專業、年級等。而對于圖書領域來說，類詞匯表一般包括電子圖書、紙版圖書、責任者、主題、分類、語種、情節等。下表列出了用戶畫像領域類的部分詞匯，筆者利用Pro t佴g佴構建用戶畫像本體分類的結構（見圖3），構建出高校圖書館大學生用戶畫像概念模型（見圖4）。

表 用戶畫像領域類詞匯表（部分）

3 基于用戶畫像的閱讀推廣模式

高校圖書館構建大學生用戶畫像，能夠快速了解用戶需求，開展用戶服務，并應用于閱讀推廣服務設計中。但是在具體開展閱讀推廣服務時，由于不同大學生的用戶畫像可能存在相互沖突的需求和動機，服務設計不可能針對所有的用戶畫像進行。因此，需要實施用戶畫像管理。通過聚類分析，將大學生用戶畫像分為若干類別，盡量縮小類別內部差異性，擴大類別之間的差異性。閱讀推廣服務首先考慮滿足首要用戶畫像群的需求；在閱讀需求和動機不沖突的情況下，盡量滿足次要用戶畫像群的需求，通過建立用戶畫像和圖書的物品畫像，對用戶的選擇行為作出預測，完成特定用戶的“Top N”推薦。

圖3 用戶畫像本體分類的結構（部分）

圖4 高校圖書館大學生用戶畫像概念模型

3.1 聚類算法與關聯算法

3.1.1 聚類算法

用戶畫像聚類的形式描述如下［26］

令P=｛P1,P2,P3,……,Pm｝表示用戶畫像集合，其中pi表示第i個用戶畫像。表示聚類后的第i個分類，其中pij表示Ci分類中的第j個元素。聚類結束后，各分類應該滿足的條件為：不同的算法有不同的應用場景，現有的聚類算法有組間聚類法、正二進制法、K均值算法、GDILC算法、SGC算法等；其中，K均值算法在用戶畫像領域應用比較廣泛。

3.1.2 協同過濾推薦算法

協調過濾即依據用戶或者物品間的相似性來推薦用戶感興趣的信息，如：和你興趣相似的朋友喜歡的圖書，你也可能喜歡；你喜歡一本圖書X，另一本書Y與X相似，你也可能喜歡Y。高校圖書館可以根據本館實際情況選擇基于記憶的協同過濾方法、基于模型的協同過濾方法等對用戶閱讀行為進行預測。

3.2 基于用戶畫像的閱讀推廣模式構建

由于人力、物力、財力的限制，高校圖書館的閱讀推廣模式應該是以個人與群體推薦相結合的模式。個人推薦就是通過關聯算法建立閱讀推廣互動系統進行一對一的用戶服務，群體推薦就是通過對用戶畫像進行聚類，挖掘群體用戶畫像、分析群體用戶習慣、發現用戶關聯性，從而根據這種關聯性指導線下閱讀推廣活動（見圖5）。

圖5 基于用戶畫像的高校圖書館閱讀推廣服務機理構建

3.2.1 個體閱讀推廣

近年來，“精準閱讀推廣”成為高校圖書館用戶服務的重點。用戶畫像使得精準服務成為可能。閱讀推薦是閱讀推廣工作中的一項重要內容，準確性、多樣性、新穎性、驚喜性等指標共同受到用戶關注。［27］除了大學生顯性閱讀需求外還要挖掘其隱性閱讀需求，激發他們的閱讀動機，促進其閱讀行為的產生。

個體閱讀推廣是針對大學生個人的閱讀指導，以線上活動為主，線下活動為輔。高校圖書館通過用戶畫像構建大學生閱讀需求關系數據庫，深層挖掘大學生閱讀需求，利用協同過濾推薦算法為用戶提供“Top N”推薦。高校圖書館可以構建特色閱讀推薦平臺或利用微信等移動平臺推廣閱讀，使得閱讀推薦功能更加精準、及時、有效。此外，對于大學生的個體閱讀推廣可以融入游戲、娛樂、旅行等流行元素，如，東北農業大學圖書館的“書行計劃”，鼓勵學生帶著圖書去旅行，更容易調動學生的參與熱情，激發其閱讀興趣。

3.2.2 群體閱讀推廣

閱讀是一種社會行為，具有個別性和社會性雙重屬性。［28］移動互聯技術、微信、閱讀App等促使大學生的閱讀行為更多表現為社會性。僅僅依靠個體用戶畫像難以實現社會性閱讀推廣，因此高校圖書館開展精準閱讀推廣服務的另一重點是社會化閱讀推廣。高校圖書館的群體閱讀推廣應以線下閱讀推廣服務為主，線上服務為輔。以群體用戶畫像為依據，通過聚類算法勾勒出高校圖書館大學生群體動態畫像，分析出大學生群體間的關系圖譜，使得群體閱讀推廣活動更有針對性。

高校圖書館利用群體用戶畫像，應該針對每個大學生用戶群的閱讀需求開展推廣服務，如：每個學期可按照月份進行閱讀推廣，9月可以針對新生群體；10月針對時事熱點；11月針對考研學生群體等。閱讀推廣模式也可以更多元化，線下可舉辦閱讀交流會、真人閱讀等，線上通過多媒體閱讀、移動閱讀、微課堂、微電臺、微視頻、微社區等共同打造立體化新媒體閱讀推廣模式。此外，大學生是高校圖書館閱讀推廣社會群體最具代表性的閱讀推廣人，挖掘校園內“大V”讀者，與大學校園社團合作，更能貼近學生群體，調動他們的積極參與性，發揮其閱讀影響力。如，東北農業大學圖書館與學校團委OEA口語協會、藝術學院學生會共同打造的閱讀推廣品牌活動“ER enjoy英文經典著作導讀”，引領大學生品讀經典，獲得了大學生群體一致好評。

需要注意的是，教師對于大學生的閱讀具有最直接的影響力，圖書館只是起輔助閱讀的作用。［29］J.Anthony等的相關研究提出“彼得效應”，即教師與學生在閱讀態度與閱讀習慣上具有相關性，教師本人不愛閱讀，這種閱讀熱情的缺乏會直接影響他的學生。［30,31］因此，高校圖書館的群體閱讀推廣還應該針對教師群體開展輔助活動，幫助教師意識到向學生推薦閱讀的重要性，除了本身對閱讀的熱愛，還應該積極尋找培養學生養成良好閱讀習慣的方法，與學生分享閱讀經驗與閱讀感悟等。

4 結語

閱讀是大學生獲取知識，提高自身素養的重要途徑之一。閱讀推廣是高校圖書館服務工作的重中之重，高校圖書館不僅要推廣閱讀，更要培養大學生良好的閱讀習慣，使之終身受益。隨著新媒體的發展，大學生的閱讀行為呈現多元化趨勢，拓寬了高校圖書館閱讀推廣渠道與閱讀推廣模式，但現實狀況是高校圖書館的閱讀推廣經常面臨與用戶需求不匹配的困境，推廣效果與推廣范圍有限。

作為大數據時代的產物，用戶畫像為高校圖書館拓展了服務維度。高校圖書館擁有海量的用戶數據，通過對大學生數據的挖掘分析，用戶畫像盡可能全面細致地將大學生讀者的信息全貌可視化地展示出來，幫助高校圖書館將存儲的數據轉化為具有潛在的價值知識，為大學生提供精準閱讀推廣服務，促進大學生閱讀行為更廣泛更深入的發展。

需要指出的是，由于信息搜集成本與用戶隱私等限制，當前高校圖書館針對大學生用戶的畫像與大學生本人還未實現完全匹配。但是，隨著用戶畫像研究與應用的不斷深入，必將推進高校圖書館大學生用戶畫像向著精確與動態方向繼續邁進，為高校圖書館的閱讀推廣精準服務提供理論與數據支撐。培養大學生閱讀習慣、引導大學生閱讀行為、構建健康的高校閱讀生態圈，是高校圖書館閱讀推廣工作的最終目標。