用戶畫像技術及其應用分析

吳文滔

摘 要：本研究從用戶畫像的發展背景、構建流程以及應用現狀等方面對用戶畫像進行了分析。用戶畫像的構建主要包含數據采集、用戶標簽的提取、用戶畫像的構建三個步驟。以淘寶為例，介紹了用戶畫像在電商領域的應用。用戶畫像能夠幫助企業了解消費者人群的需求、及時調整企業戰略、彌補價格變動的滯后性;以網易云音樂APP為例，研究了用戶畫像在音樂APP信息推送方面的應用。借助用戶畫像技術，音樂APP能夠個性化地向用戶推薦音樂，使APP更人性化，從而提升用戶粘性。以P2P為例，介紹了用戶畫像在金融領域刻畫用戶特征、規避風險的應用。最后對用戶畫像的優點與不足展開分析，給出了相關的建議。

關鍵詞：用戶畫像;推薦;精準營銷;個性化

中圖分類號：TP18 文獻標識碼：A 文章編號：1671-2064（2019）21-0255-02

0 引言

從2008年大數據的概念剛開始普及到十年后的今天，世界已經進入一個大數據的時代。隨著互聯網的普及，各類數據呈爆炸式增長，包含文本、圖像、視音頻等類型，其中主要是用戶的網絡行為數據。國際數據公司（IDC）的研究結果表明，2011年的互聯網包含的數據量接近2ZB，相當于全球每人產生200GB以上的數據。

面對海量信息，如何能使用戶快速、準確地獲取所需信息是當前信息檢索面臨的難題。用戶畫像作為一種根據用戶需求提高信息檢索效能的技術，被廣泛地運用于商品、新聞等數據的檢索領域。用戶畫像的概念最早由Alan Copper提出，可以通過用戶的行為數據，更真實地反映用戶的實際需求以及企業的消費者人群特點[1]。例如在電商興起的當下能夠彌補價格變動的滯后，反映消費者心理，更精確地推送營銷信息。本文將對用戶畫像的構建過程、應用現狀及存在問題進行分析討論。

1 用戶畫像的構建過程

用戶畫像是一種通過對大數據的搜集、計算，提取用戶標簽，從而構建出真實用戶的虛擬形象的工具[2]。一般而言，用戶畫像的構建流程主要分為數據采集、標簽建模、“用戶畫像”模型構建三個部分[1]。

數據采集是指搜集、整理用戶的網絡行為等數據。用戶的網絡行為數據是用戶網絡行為所產生的數據，如社交行為、信息搜集行為、購物行為、娛樂行為等產生的痕跡數據。在數據采集完成以后，需要對采集的數據進行挖掘，通過不同的挖掘方法，企業可以得到不同的信息，從而構建不同的“用戶畫像”。數據的采集和挖掘完成以后，通過對所挖掘信息進行分析、抽取、提煉，從而形成高度概括、能準確精煉地表示用戶的某種特性或屬性的“標簽”。用戶標簽分為靜態標簽以及動態標簽。靜態標簽指能夠保持穩定、具有先天性的用戶標簽，如人口屬性、人格等。動態標簽指行為和結果標簽，其數據來源于用戶的網絡行為痕跡數據，是具有動態特性的用戶標簽，有更新頻繁、穩定性差的特點。用戶畫像模型的構建是指使用上述的用戶標簽集合構建出用戶模型，從而描繪出實際用戶的虛擬模型的過程。

2 用戶畫像的應用

2.1 電子商務商品推薦

現階段，網購已經成為人們主要的購物方式。人們在瀏覽、購買商品時其行為會被記錄下來，形成海量的電子商務大數據。對電商平臺來說，其往往面臨顧客數量大、商品繁雜等困難，如何充分地利用這些海量的數據向用戶精準推送商品成為提高用戶體驗及產品競爭力的關鍵[3]。信息的檢索、篩選和推送與電商的發展密切相關。在對海量用戶行為數據分析、構建出用戶畫像的前提下，商家能夠據此獲得消費者的虛擬用戶形象、用戶偏好與需求，從而為用戶提供個性化的產品與服務。構建電商用戶畫像需要采集的數據包括靜態的個人資料以及動態的用戶的行為信息如注冊、瀏覽、點擊、購買、簽收、評價、收藏、加入購物車等。

阿里巴巴電商平臺——淘寶根據商品的品牌、類型、適用場景、上市時間、所屬店鋪以及折扣和服務等將商品劃分為多個品類，借助預先構建的用戶標簽會在APP的首頁“猜你喜歡”欄目中為用戶推薦商品，實現個性化營銷。用戶畫像技術的應用可以有效地使大部分糾結購買哪件商品的用戶找到適合自己的商品，使在購物過程中目的性較低的用戶瀏覽到適合自己的商品，從而增加平臺的銷售額與競爭力。在用戶購買了所需的商品以后，APP會彈出“購買了該商品的人還購買了”的欄目。這種精準推薦服務將具有“購買了某件商品”標簽的用戶劃分為同一群體，并向該用戶推薦同一群體中其他用戶購買的商品，由此實現了提高平臺銷售額的效果。

2.2 音樂個性化推薦

現階段，各類音樂APP十分普及，音樂APP可以為用戶提供海量的音樂，包括不同的音樂風格、表達的情感、語種、年代。大多數情況下用戶是被動地接收音樂APP推送的歌曲。如何精準的推送用戶感興趣的歌曲成為各大音樂APP改善用戶體驗、提升產品競爭力的關鍵[4]。盡管音樂APP可以通過實地調查了解用戶的年齡比例、音樂偏好來提高推送的精準度，但這樣不僅需要消耗大量人力，而且只能實現對部分典型用戶的較準確推薦，無法達到個性化推送的程度。在音樂APP中，用戶畫像最基本的應用即是通過海量的用戶數據，對現有的用戶進行分析、抽取并提煉出用戶標簽，形成用戶畫像，從而劃分不同群組，由此對同一群體的用戶推送特定的音樂。歌曲通常具有自然標簽如歌曲風格、表達的情感、歌詞的主題等，此類標簽可以與用戶標簽進行匹配，從而為用戶進行精準推薦。

通過搜集用戶的行為數據可以了解單個用戶對某種音樂的喜好，將用戶進行劃分，根據用戶收藏過或評論過的音樂匹配到相似的音樂，推薦給該用戶。以網易云音樂為例，在APP的“相似推薦”選項中會有“喜歡這首歌的人也聽”這一欄目，列舉出五首相似單曲，以及欄目“喜歡這首歌的人”，列舉出五個相似用戶。APP會每天向用戶推送相似度高（音樂偏好相似）的用戶，并在后來據此推出了“因樂交友”的模塊，通過計算用戶的相似度劃分用戶為不同種群，增加了用戶間的聯系，從而提升了用戶粘性。

2.3 金融產品風險控制

在2013余額寶出現后，越來越多的人開始關注互聯網理財，互聯網理財產品也更多地走進了人們的生活，如何控制互聯網產品的風險是各類金融產品設計的關鍵。以P2P貸款業務為例，由于P2P貸款面向的用戶大部分來自線上，線上客戶的真實信息難以得到驗證，線上的欺詐行為較難被偵查、識別，具有較高的隱蔽性，也決定了P2P線上貸款業務的風險較高。在此背景下，用戶畫像可以幫助P2P公司刻畫貸款用戶的特征，從而降低P2P公司的風險。通過搜集移動大數據，P2P公司可以了解用戶過去3個月用戶的行為軌跡、用戶移動APP的使用習慣等信息，對所搜集的信息進行整理以后可以提煉出用戶的標簽如“常在城鄉結合處活動”、“常熬夜”等用戶標簽，構建用戶畫像，并據此推斷用戶提供的信息是否真實，推測用戶的真實工作地點、大概收入從而規避犯罪分子提供虛假信息實施惡意詐騙的風險[5]。

3 討論

在大數據時代，數據即資源，用戶畫像技術可以利用用戶在網絡上留下的各類信息，將其整合并據此形成用戶標簽、構建用戶畫像，得到比其他傳統方法更真實的用戶的虛擬形象。借助用戶畫像，可以使企業在大數據的背景中了解用戶人群的特征、需求，實現精準推送信息以及合理分配資源等目的。

用戶畫像需要采集用戶數據，而隨著人們越來越注重個人隱私，用戶畫像的構建將會面臨所采集的數據是否真實以及是否侵犯個人隱私的問題。所采集的數據缺乏真實性會直接導致用戶畫像的構建與實際用戶特征的偏差，而侵犯個人隱私則會引發法律問題。隨著用戶因素包含意識的提升，用戶網絡行為數據的獲取難度將會增加。

用戶畫像在采集用戶數據時要注重數據的來源，盡可能選擇真實可靠的數據作為信息來源，并建立一定的數據真實性驗證機制。在大數據的背景下，用戶畫像的應用領域正隨著“互聯網+”等項目由互聯網領域擴展到傳統行業，無論在互聯網領域或是傳統行業的革新，用戶畫像都表現出強大的發展潛力，應用場景也將日益廣泛。盡管當前用戶畫像技術還存在一定的問題，但隨著技術的發展，這些問題將逐一解決。

參考文獻

[1] 宋美琦，陳燁，張瑞.用戶畫像研究述評[J].情報科學，2019，37（04）：171-177.

[2] 葛曉鳴.基于“用戶畫像”模型構建的精準營銷策略[J].遼東學院學報（社會科學版），2019，21（04）：50-57.

[3] 陸冬磊.基于電子商務的用戶畫像分析[J].電腦知識與技術，2018，14（22）：306.

[4] 譚彥.基于“用戶畫像”的內容在新聞APP上的精準推送分析[J].記者搖籃，2019（02）：104-105.

[5] 游筱婷.大數據分析在互聯網金融營銷中的應用機制[J].甘肅廣播電視大學學報，2018，28（03）：61-65+76.