大數據時代如何玩轉用戶畫像

梁棟

摘要：隨著大數據時代的到來用戶畫像應運而生，準確的用戶畫像可以幫助企業進一步了解并滿足消費者的需求，也為企業實行精準營銷提供判斷依據。用戶畫像提出以來就引起了學術界和實業界的廣泛關注。本文基于營銷視角，對用戶畫像分別從其概念、分類標準、建立以及應用這四個方面進行文獻梳理，并提出了今后學者的研究方向。

關鍵詞：用戶畫像;大數據;精準營銷

隨著互聯網的飛速發展大數據時代悄然來臨，這就要求企業以用戶為中心，充分了解用戶才能創造收益。目前越來越多的企業不僅收集了用戶的性別、年齡等基本信息，還挖掘出更多與用戶相關的興趣偏好信息。企業將這些信息分類整理后為用戶貼上標簽，概括每一類用戶的特點，進而更準確地把握每一類用戶的需求，這就是用戶畫像。從某種程度上可以說用戶畫像是大數據時代的產物，麥肯錫公司認為企業應該順應大數據時代的潮流、做好用戶畫像提升競爭力[1]。本文從用戶畫像的概念、分類標準、建立以及應用這四個方面對國內外的文獻進行梳理，從而為今后學者關于用戶畫像的研究提出研究方向。

一、從營銷視角看用戶畫像

國內外學者對用戶畫像提出了不同的理解。Trusov（2016）認為用戶畫像是通過用戶的線上活動蹤跡去挖掘用戶偏好和興趣的過程[1]。Cui（2016）認為用戶畫像是用戶的屬性，當用戶想加入某社交圈子時以此來表明他們的社交目的[2]。Xiong（2016）認為用戶畫像包含了用戶的年齡、住址、家鄉、愛好以及不同用戶之間的互動信息[3]。本文基于以往學者對用戶畫像的理解將用戶畫像定義為：用戶畫像是通過用戶的活動（線上和線下）來獲取用戶相關信息并用這些數據對用戶“貼標簽”的過程。

如果我們從營銷角度看用戶畫像，那么這個概念滲透著兩個營銷思想：以客戶為中心以及STP戰略思想。隨著營銷觀念從以產品為中心到以客戶為中心的轉變，企業逐漸意識到只有充分了解客戶需求、讓顧客滿意才會使企業有更高的收益[4]。而用戶畫像則更強調對用戶的分析，在掌握用戶信息的基礎上對用戶需求進行研究，使企業更懂用戶。此外，用戶畫像還借鑒了STP營銷戰略思想，用戶畫像是在收集用戶信息的基礎上對用戶分類，然后對不同類型的用戶實行精準營銷。區別于傳統的用戶細分方法，基于用戶畫像信息對消費者細分可以減少主觀性，提高市場細分的準確度。

二、從營銷視角看用戶的分類標準

用戶畫像的第一步就是收集用戶信息，用戶信息收集完畢后就要對用戶按照一定的標準進行分類。劉海（2015）等學者認為用戶的分類標準包括基本信息（性別、年齡等）以及消費行為信息，其中消費行為信息包括消費者的瀏覽記錄（瀏覽時間、次數等）以及購買記錄（商品屬性、支付方式等）[5]。Assael（2005）和Atahan（2011）等學者認為用戶信息包括人口統計（性別、年齡、收入等）信息和心理信息（對網絡接觸時間的長短、網絡滲透率的差異等）[6，7]。

我們可以看出國內外學者對于用戶信息的分類標準基本一致。本文綜合以往學者對用戶信息的分類標準，將用戶信息的分類標準總結為人口統計特征、心理特征、行為特征以及社交網絡特征。人口統計特征主要涉及客戶的年齡、性別等靜態信息，這類信息比較穩定幾乎不隨時間的變化而變化;心理特征包括消費者的興趣、個性、偏好等，這些變量隨時間的變化較大、不穩定也很難估計和預測;行為特征包括用戶網上的瀏覽行為和消費行為;社交網絡特征主要是指與該用戶相關的其他用戶的靜態和動態信息。

三、建立用戶畫像的方法

國內外有很多學者都在積極探究用戶畫像的建立方法。Zhang（2016）等認為每位用戶有著不同的偏好，且不同偏好在用戶做決策的過程中所占的權重有所不同，因此他們提出了一種關于用戶偏好的權重算法，以此準確地了解用戶需求，從而構建用戶畫像[8]。電信業中移動用戶“大進大出”的現象為用戶畫像的建立增加了難度，于是王征等（2015）學者為電信商提供了移動用戶重新入網的身份識別法，那么對于老用戶就無需再重新進行用戶畫像了[9]。此外，趙曙光（2014）采用定性人物角色創建法將活躍度較高的社交媒體用戶劃分成五類[10]。國外學者主要側重于用戶畫像數據收集方法以及構建用戶畫像的方法。在收集用戶信息時需要在多個網站中抓取同一用戶的行為數據，Hoppe等（2013）針對這一問題提出了解決方案[11]。Atahan等（2011）學者研發了可以幫助網站高效收集用戶畫像的技術，提高了用戶信息收集的效率，企業就會越早受益[7]。用戶畫像構建的方法中，Kritikou等（2008）認為企業可以通過構建貝葉斯網絡對用戶偏好和興趣加以預測[12]。然而在現實生活中，企業收集的用戶信息大多是不全面且受限制的，Trusov等（2016）認為在這樣不完整的信息架構下很難準確把握住用戶的需求，因此作者建立了一個可以根據有限的用戶信息去推測未來用戶的偏好及行為的模型，這一模型的建立對學術界和實業界均有較大的貢獻[1]。

關于用戶畫像建立方法的研究中，國內學者主要集中在用戶分類方法以及用戶畫像應用上，大多數學者并沒有考慮到企業目前所面臨的現實問題;而國外的研究主要集中在提高用戶信息搜集效率、解決用戶信息收集受限等方面。相比于國內的研究，國外的研究更能站在企業的角度，針對企業所面臨的難題（如收集用戶信息效率低下、搜集用戶信息不全面等）提出解決方案。

四、從營銷視角看用戶畫像的應用

近些年來，國內外很多學者紛紛探究了用戶畫像在不同領域的應用。國內研究主要集中在社交平臺與電信業。張慷（2014）針對電信業進行手機用戶畫像的構建以及應用提出了相應的方法，但是這項研究只是提出了指導性的方法，并沒有結合相應的數據深入研究在手機用戶畫像的建立過程[13]。丁偉（2016）等學者同樣以電信公司為研究對象，認為電信商雖擁有龐大的用戶群體，可以收集用戶的海量信息，但同時又涉及到用戶的隱私保護問題，因此這項研究介紹了在構建用戶畫像時保護用戶隱私的方法[14]。此外，國內學者還將用戶畫像應用在社交平臺中，因為社交平臺中儲存著眾多用戶的信息，蘊含著巨大的商機。趙曙光（2014）認為用戶轉化率的高低決定著社交媒體的商業價值，因此作者通過深度訪談法將高轉化率的用戶分成五類，并針對這五類高轉化率的用戶實行精準營銷活動[10]。目前很多學者對社交網絡用戶畫像的研究僅考量了用戶的粉絲、好友等情況，但未考慮到用戶之間的關系強度，而Xiong（2015）等學者為用戶之間關系強度的測量提供了有效的方法[3]。

國外研究大多也是基于電信運營商、社交網絡平臺、推薦系統等。例如Shrivastava等學者（2010）通過收集手機用戶的人口統計信息，研究不同人口統計特征的人群對手機服務提供商以及服務類型選擇的影響[15]。Hodis等學者（2015）以臉書為研究對象，將臉書上的用戶分成了四類——尋求關注、熱愛社交、尋求聯系以及追求娛樂的用戶，并且作者還詳細分析了這四類用戶的特點，以便企業針對這四類用戶實行精準營銷活動，這項研究將用戶畫像直接與精準營銷聯系在一起，對企業有較大的借鑒意義[16]。網站或電子商務平臺向消費者推送信息是企業實行精準化營銷的主要通道，因此國外的一些學者針對推薦系統進行了研究。Zhuhadar等（2010）學者基于Top N算法認為網站或者電子平臺既應該向用戶進行以產品內容為主的推薦，又應該進行以用戶興趣為主的推薦[17]。

通過文獻梳理可以看出國內外研究的共同點是將用戶畫像與精準營銷結合在一起，即基于某一企業或平臺的用戶畫像數據對用戶進行分類，然后針對每一類用戶分別制定相匹配的營銷策略。雖然國外對用戶畫像應用的研究要早于國內，但是我國學者在短短幾年內對用戶畫像的應用也展開了大量的研究，并且所研究的領域涉及到電信、推薦系統、社交網絡平臺等方面，其研究的廣度絲毫不遜于國外的研究。但是我們也可以看出國內外針對用戶畫像應用的研究也存在著一定的差距。第一，國內學者對用戶畫像研究的深度不及國外的研究，第二，國外的學者更善于站在企業的角度去研究用戶畫像，沒有脫離企業的現實問題，這也是國內學者所欠缺的。第三，國外學者在探究用戶畫像應用的同時，還注重對數據處理方法的探究，使得數據處理方法與所要解決的問題能更好地匹配在一起。因此國內學者對用戶畫像的研究需要從這幾方面加以完善。

五、研究展望

由于國外的互聯網技術要領先于國內幾年，因此從研究深度來講國外學者對用戶畫像的研究也要領先于國內研究。本文認為未來我國學者對用戶畫像的研究可以從用戶畫像構建方法的優化、用戶畫像的細分方法、基于用戶畫像如何進行廣告投放、保護用戶隱私這幾個方面展開。

在對用戶畫像構建方法的研究上，首先如何從海量的用戶數據中提取對企業有價值的數據，縮短數據搜集的時間成本、提高數據搜集的效率是一個亟待解決的問題;其次企業如何在收集用戶信息有限且不完整的情況下預測用戶的偏好、興趣以及對這些用戶實行精準營銷，這就需要學者們不斷去研究和優化數據分析方法以使企業在用戶信息有限的情況下提升預測準確度。此外，學者們在進行用戶畫像分析時除了要考慮本學科領域中的一些方法外，還可以結合其他領域的一些模型或分析技術，優化用戶畫像的處理方法。

關于用戶畫像細分方法的研究，本文總結了目前學者們通用的用戶分類準則，但是今后的學者可以進一步細化。譬如學者們可以根據情境的不同，對用戶進一步分類，例如可按照用戶在節日或非節日情境下的行為進行細分;再如可以按照用戶在線上購物或線下購物的情境進行用戶的細分等。更為細致的用戶細分可以使用戶畫像更加精細，從而使得企業更加全面地把握用戶的狀態、精準地向用戶投放營銷活動。

未來國內的學者也可以根據用戶畫像的特征探究廣告投放的頻率、內容、預算等，目前的研究大多是基于用戶畫像的分類，然后根據每一類用戶的特點進行產品設計，實行精準化營銷，但是對于每一類用戶具體應該推送什么內容、什么力度、什么頻率的廣告以使消費者購買產品還未進行深入的研究。所以今后的學者們可以針對每一類細分的客戶研究其相應的、更為細致的廣告投放策略。

在企業收集用戶信息的過程中，顧客的隱私信息卻被“利用”了，如果顧客的信息被泄露，這不僅會產生較為惡劣的社會影響，還會讓顧客感到一種被企業欺騙和利用的感覺。收集用戶信息的同時也存在著侵犯用戶隱私的問題，這一問題越來越引起各界社會人士的廣泛關注。企業需要開發相應的方法來對用戶的信息進行加密保護，不讓用戶的隱私數據流失。所以企業如何處理自身利益與用戶利益的矛盾問題仍然值得企業人士與學者們思考。

參考文獻：

[1]Trusov M，Ma L，Jamal Z.Crumbs of the cookie：User profiling in customer-base analysis and behavioral targeting[J].Marketing Science，2016，35 （3）：405-426.

[2]Cui W，Du C，Chen J.CP-ABE Based Privacy-Preserving User Profile Matching in Mobile Social Networks[J].PloS one，2016，11 （6）：e0157933.

[3]Xiong L，Lei Y，Huang W，et al.An estimation model for social relationship strength based on users'profiles，co-occurrence and interaction activities[J].Neurocomputing，2016，214：927-934.

[4]科特勒著，郭國慶譯.市場營銷原理（第11版）[M]，2007，清華大學出版社.

[5]劉海，盧慧，阮金花，田丙強，胡守忠.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）：37-42.

[6]Assael H.A demographic and psychographic profile of heavy internet users and users by type of internet usage[J].Journal of advertising research，2005，45 （1）：93-123.