高校紙本圖書使用者的本科生用戶畫像構(gòu)建

孫達辰 張秀萍 孫常麗

基金項目：黑龍江省高校圖工委第七屆科研項目（2021-085-A，項目負責(zé)人為孫達辰）

第一作者簡介：孫達辰（1976-），男，碩士，館員。研究方向為人工智能與數(shù)據(jù)挖掘。

*通信作者：張秀萍（1980-），女，博士，講師。研究方向為教學(xué)管理與數(shù)據(jù)分析、方劑藥理。

DOI：10.19981/j.CN23-1581/G3.2024.13.004

摘? 要：以高校紙本圖書使用者的本科生用戶為研究對象，構(gòu)建高校紙本圖書的用戶畫像，可以更加深入地識別用戶、更加有效地提升紙本圖書的資源建設(shè)和服務(wù)質(zhì)量，進而提升用戶體驗，促進學(xué)生系統(tǒng)、深刻閱讀。選取層級標(biāo)簽方法來構(gòu)建用戶畫像，在現(xiàn)有RFM模型的基礎(chǔ)上，構(gòu)建LRFM模型，識別出具有共同特征的用戶群體，最終完成用戶畫像的構(gòu)建。基于真實數(shù)據(jù)，對該文構(gòu)建的用戶畫像模型進行實證，驗證模型是有效的。

關(guān)鍵詞：用戶畫像；高校紙本圖書；RFM模型；LRFM模型；系統(tǒng)閱讀

中圖分類號：G253? ? ? ?文獻標(biāo)志碼：A? ? ? ? ? 文章編號：2095-2945（2024）13-0014-05

Abstract： Taking the undergraduate users of college paper books as the research object and constructing the user portrait of college paper books can identify the users more deeply， improve the resource construction and service quality of paper books more effectively， and then improve the user experience and promote students to read in depth systematically.? By selecting the hierarchical label method for constructing the user portrait， based on the existing RFM model， an LRFM model is constructed to identify the user groups with common characteristics and finally complete the construction of the user portrait. Based on the real data， the user portrait model constructed in this paper is verified to be effective.

Keywords： user portrait; college paper books; RFM model; LRFM model; systematic reading

紙本閱讀量的下降正在不斷稀釋高校圖書館與本科生的黏度，降低高校圖書館在教學(xué)中的作用，亦令本科生的培養(yǎng)質(zhì)量堪虞[1]。如何關(guān)注高校紙本圖書使用者，即用戶的整體特征、還原用戶全貌，從而深入研究用戶，成為關(guān)鍵。同時，高校圖書館擁有完整的用戶基本信息，包括學(xué)生的專業(yè)、年級、性別等，擁有及時、準(zhǔn)確的紙本圖書使用者的行為數(shù)據(jù)，這些都為深入、全面地研究用戶提供了數(shù)據(jù)條件。基于以上情況，以高校紙本圖書使用者的本科生用戶為研究對象，構(gòu)建使用者的用戶畫像，可以更加深入地識別用戶、更加有效地提升紙本圖書的服務(wù)質(zhì)量和紙本圖書的資源建設(shè)，進而提升用戶體驗。

1? 高校紙本圖書本科生用戶畫像的研究現(xiàn)狀

在這個數(shù)字時代，雖然大眾的網(wǎng)絡(luò)閱讀、數(shù)字閱讀迅速崛起，碎片閱讀同樣具有重要的閱讀價值。可是，大學(xué)生非同普羅大眾，而是一個必須系統(tǒng)學(xué)習(xí)知識的群體，系統(tǒng)閱讀經(jīng)典圖書、專業(yè)圖書、通識圖書是本科生的必修課[1]。如何促進更多的在校本科生系統(tǒng)、深刻地閱讀經(jīng)典圖書、專業(yè)圖書、通識圖書是研究關(guān)鍵。在文獻[2]中，從總體、學(xué)科大類、語種和二級類目的層面上，研究紙本圖書的首次借閱情況，從學(xué)科化服務(wù)的角度，在圖書采訪、流通管理、資源推廣等環(huán)節(jié)，提出若干提升館藏利用率和優(yōu)化館藏質(zhì)量的綜合性建議。

用戶畫像（User Portrait）即用戶信息標(biāo)簽化，就是通過收集與分析用戶的社會屬性、生活習(xí)慣、消費行為等主要信息之后， 完美地抽象出一個用戶的信息全貌[3]。大數(shù)據(jù)時代下，基于用戶屬性和行為數(shù)據(jù)的用戶畫像，是研究用戶、開展對應(yīng)服務(wù)的重要手段之一[4]。用戶畫像的實質(zhì)是標(biāo)簽化的用戶全貌，構(gòu)建用戶畫像的過程就是基于廣泛的用戶數(shù)據(jù)，通過用戶屬性的分類并利用一定的技術(shù)方法抽取得到用戶特征，提煉成用戶標(biāo)簽，最終得到用戶畫像[5]。

用戶畫像成功應(yīng)用于養(yǎng)老服務(wù)[6]、電力用戶消費行為數(shù)據(jù)[7]、面向科技大數(shù)據(jù)的科研團隊[8]等方面，在圖書館方面，用戶畫像成功應(yīng)用于高校圖書館科研用戶[9]、智慧圖書館用戶[10-11]、圖書館精準(zhǔn)服務(wù)[12]和移動數(shù)字圖書館用戶[13]等方面。

在文獻[12]中，提出從用戶的專業(yè)背景、知識獲取習(xí)慣、興趣偏好和特長任務(wù)等方面構(gòu)建用戶畫像標(biāo)簽概念。在文獻[13]中，把圖書館領(lǐng)域融入用戶情境屬性要素，將用戶畫像維度劃分為自然、社交、興趣及能力等屬性。可見，用戶畫像在圖書館領(lǐng)域，已經(jīng)有很多人進行研究和應(yīng)用。在紙本圖書的圖書館用戶方面，文獻[14]中，以深圳大學(xué)紙本圖書館藏服務(wù)系統(tǒng)數(shù)據(jù)為基礎(chǔ)，通過數(shù)據(jù)分布統(tǒng)計，利用內(nèi)容分析法及關(guān)鍵詞提取的TF-IDF方法等，構(gòu)建了圖書館用戶畫像實例。這是目前能夠檢索到的、針對高校紙本圖書使用者進行構(gòu)建用戶畫像的少數(shù)高質(zhì)量文章之一。

2? 高校紙本圖書使用者用戶畫像的構(gòu)建

高校紙本圖書的使用者必須擁有所在學(xué)校圖書館發(fā)的圖書借閱證，才能使用所在圖書館的紙本圖書。使用者的用戶基本信息，包括學(xué)生的專業(yè)、年級、性別等，都在辦理圖書借閱證的時候錄入到本館的圖書館集成管理系統(tǒng)中。圖書館集成管理系統(tǒng)擁有多個功能模塊，其中，圖書館流通管理模塊直接面對讀者，完成讀者借閱與歸還圖書的任務(wù)，同時及時、準(zhǔn)確地保存紙本圖書使用者的行為數(shù)據(jù)，如借還圖書的時間、所借圖書的名稱等。依靠用戶的基本信息數(shù)據(jù)和行為數(shù)據(jù)，構(gòu)建高校紙本圖書使用者的用戶畫像，能有效地展現(xiàn)用戶全貌，為促進在校生系統(tǒng)、深刻地閱讀經(jīng)典圖書、專業(yè)圖書、通識圖書提供有效的支撐。

2.1? 數(shù)據(jù)獲取與處理

本文原始數(shù)據(jù)來自牡丹江醫(yī)學(xué)院（以下簡稱“我校”）圖書館正在使用的金盤圖書館集成管理系統(tǒng)，該系統(tǒng)擁有本館內(nèi)所有紙本圖書的完整信息，保存所有本館用戶的基本信息和行為信息數(shù)據(jù)。由于本文要針對紙本圖書使用者進行用戶畫像構(gòu)建，所涉及的數(shù)據(jù)為圖書典藏數(shù)據(jù)和圖書流通數(shù)據(jù)。在校本科學(xué)生每學(xué)期都有相對應(yīng)的學(xué)習(xí)任務(wù)，每一學(xué)期結(jié)束之前還要進行所學(xué)內(nèi)容的考試，為了排除考試方面的干擾，所選取的數(shù)據(jù)開始時間為2022年3月1日，結(jié)束時間為2022年5月31日。被研究的用戶對象為在校的本科生。在2022年3月1日到2022年5月31日這段時間內(nèi)，一次借書與還書活動為一次完整的紙本圖書使用活動。在以上的限定條件下，共提取243條數(shù)據(jù)作為本文的研究數(shù)據(jù)。經(jīng)過處理，最終得到的數(shù)據(jù)包括用戶信息為：讀者條碼、姓名、性別、借書時間和實際還書時間，讀者級別、班級、專業(yè)、條形碼和索書號。部分數(shù)據(jù)見表1，這里省略了姓名、讀者條碼等個人信息列表。

按紙本圖書內(nèi)容，本文將紙本圖書分為經(jīng)典圖書、專業(yè)圖書、通識圖書。關(guān)于什么是經(jīng)典圖書，查閱大量資料后發(fā)現(xiàn)，并沒有一個統(tǒng)一的定義，但關(guān)于經(jīng)典圖書應(yīng)該具有的特征是很明確的，就是經(jīng)典圖書的內(nèi)容具有3個特征：第一個特征，經(jīng)典圖書承載傳達的是人類社會具有普遍性、共通性的內(nèi)容；第二個特征，經(jīng)典圖書具有多樣性、多元化的特征；第三個特征，經(jīng)典圖書無論從內(nèi)容還是形式等方面，都具有開放性、包容性的特征[15]。由于我校是醫(yī)學(xué)院校，依據(jù)經(jīng)典圖書的3個特征和我校實際擁有的專業(yè)情況，對我校現(xiàn)有的紙本圖書做以下分類，將中圖法中A、B、C、D和I類紙本圖書確定為經(jīng)典圖書，也就是將馬克思主義、列寧主義、毛澤東思想、鄧小平理論、哲學(xué)、宗教、社會科學(xué)總論、政治、法律和文學(xué)這些類別的紙本圖書確定為經(jīng)典圖書；將中國圖書館分類法中N、O、Q、R和T類紙本圖書確定為專業(yè)圖書，也就是將自然科學(xué)總論、數(shù)理科學(xué)和化學(xué)、生物科學(xué)、醫(yī)藥和衛(wèi)生工業(yè)技術(shù)類紙本圖書確定為專業(yè)圖書；其他類紙本圖書確定為通識圖書，也就是軍事、文化、科學(xué)、教育、語言、文字、藝術(shù)、歷史、地理、天文學(xué)、地球科學(xué)、農(nóng)業(yè)科學(xué)、交通運輸、航空、航天、環(huán)境科學(xué)、安全科學(xué)和綜合性圖書確定為通識圖書。對于以上這3類紙本圖書，在本文所選的243條數(shù)據(jù)中，經(jīng)典圖書共有174本被83個讀者所使用，借閱次數(shù)最多的1個人共借閱了8本圖書，借閱了6本圖書的為1人，借閱了5本圖書的為4人，借閱了4本圖書的為8人，借閱了3本圖書的為12人，借閱了2本圖書的為15人，借閱了1本圖書的人為42人，其中，I類圖書最多，共153本被使用，B類圖書排第二，共15本被使用；專業(yè)圖書共有47本被28個讀者所使用，借閱次數(shù)最多的1個人共借閱了6本圖書，借閱了5本圖書的為2人，借閱了2本圖書的為6人，借閱了1本圖書的為19人，所借的閱書全為R類圖書；通識圖書有22本被14個讀者所使用，借閱次數(shù)最多的為2個人，每人借閱了4本圖書，借閱了2本圖書的為2人，借閱了1本圖書的為10人，其中，H類圖書最多，共11本被使用，K類圖第二多，共6本被使用。共有113名用戶在本文時間段內(nèi)使用了圖書，使用圖書最多的為1人，共借閱了8本圖書，借閱了7本圖書的為1人，6本圖書的為4人，5本圖書的為8人，4本圖書的為6人，3本圖書的為13人，2本圖書的為21人，1本圖書的為59人。

2.2? 用戶畫像的構(gòu)建

本文通過收集、整理圖書館紙本圖書使用者的基本信息和行為信息數(shù)據(jù)，在這些信息數(shù)據(jù)上，采取RFM模型，識別出用戶在經(jīng)典圖書、專業(yè)圖書、通識圖書方面使用的情況。RFM模型是市場營銷領(lǐng)域識別客戶價值的經(jīng)典模型，用于在觀測點對觀測期（觀測點之前的一段時間）內(nèi)顧客消費的情況進行分析，從而識別出重要價值客戶[16]，R為最近消費時間間隔，F(xiàn)為消費頻率，M為消費金額。在本文中，R為用戶使用紙本圖書距離采樣數(shù)據(jù)結(jié)束的最近時間間隔，即距離2022年5月31日這個時間點的最近時間間隔。F為用戶在指定時間內(nèi)完整借還紙本圖書的頻率，即用戶在2022年3月1日到2022年5月31日這段時間內(nèi)，完整地完成紙本圖書借出和歸還的次數(shù)。M為用戶使用自己所借紙本圖書在2022年3月1日到2022年5月31日這段時間內(nèi)的總時間長度。

在原有RFM模型上，加入用戶擁有本館圖書證的時間長度L，因為擁有本館圖書證的時間長度，可以展現(xiàn)用戶在圖書館圖書使用上的態(tài)度，擁有圖書證的時間就越長，應(yīng)該對圖書館越為了解，應(yīng)該使用的圖書量就越大，最終形成本文的LRFM模型。LRFM模型所使用到的數(shù)據(jù)見表2，每一行為一個用戶數(shù)據(jù)，總共有113條用戶數(shù)據(jù)，L為圖書證年限，R為最近一次借閱的時間度量，F(xiàn)為在本次時間段中的用書頻率，M為在本次時間段中的用書總時長，這里省略了涉及個人信息的讀者條碼里的內(nèi)容。通過L、R、F和M的數(shù)值計算來確定用戶的等級，等級越高，表示用戶越優(yōu)良，這4個變量的關(guān)系式為G=（R+F+M）/L。

表2? 用戶數(shù)據(jù)

采用K-Means聚類算法對113名用數(shù)據(jù)進行整體的聚類劃分，總共劃分成5類，即優(yōu)秀用戶群體、良好用戶群體、中等用戶群體、一般用戶群體和較差用戶群體。本過程在MATLAB 16a中完成，同時，還可以得到每個聚類劃分中的具體成員。

同樣地，對于經(jīng)典圖書的使用者，采用K-Means聚類算法對83條用戶數(shù)據(jù)進行聚類劃分，總共劃分成5類，得出一次聚類劃分的數(shù)據(jù)。對于專業(yè)圖書和通識圖書的使用者，同樣分別采用K-Means聚類算法對28條用戶數(shù)據(jù)和14條用戶數(shù)據(jù)進行聚類劃分，總共劃分成5類，得到類似的數(shù)據(jù)。

2.3? 用戶畫像的集成

通過本文構(gòu)建的LRFM模型，對我校圖書館2022年3月1日到2022年5月31日這段時間內(nèi)、113名紙本圖書本科用戶進行整體分析，從整體上構(gòu)建出用戶的畫像。而后，通過LRFM模型，分別對經(jīng)典圖書的83名用戶、專業(yè)圖書的28名用戶、通識圖書的14名用戶構(gòu)建相對應(yīng)的用戶畫像。

用戶畫像最終的內(nèi)容，包括用戶等級G、具體成員、用書偏好。

最終分別集成面向整體紙本圖書用戶、經(jīng)典圖書用戶、專業(yè)圖書用戶和通識用戶的用戶畫像。

3? 實驗及結(jié)果分析

采用K-Means聚類算法對113名用數(shù)據(jù)進行整體的聚類劃分，總共劃分成5類，本過程在MATLAB 16a中完成。運行相關(guān)程序后，得出一次聚類劃分的數(shù)據(jù)，這里省略了具體成員信息，見表3。

表3? K-Means聚類劃分結(jié)果

通過表4的數(shù)據(jù)，采用關(guān)系式G=（R+F+M）/L來計算類別等級，可以得到類別1的分數(shù)為94.13，類別2的分數(shù)為68.09，類別3的分數(shù)為153.43，類別4的分數(shù)為161.33，類別5的分數(shù)為16.60。這里類別4的分數(shù)最高，所以等級最高，為優(yōu)秀用戶群體；類別5的分數(shù)最低，為等級最低的用戶群體，即較差用戶群體。利用每一類別中的具體成員數(shù)據(jù)，進一步掌握用戶的用書狀態(tài)。對不同類別的用戶可以進一步研究，進而推出更為精細的服務(wù)內(nèi)容。

同樣地，對于經(jīng)典圖書的使用者，采用K-Means聚類算法對83條用戶數(shù)據(jù)進行聚類劃分，總共劃分成5類，得出一次聚類劃分的數(shù)據(jù)，見表4。

表4? K-Means聚類結(jié)果

對于這些數(shù)據(jù)進行同樣的類別等級的計算，利用每一類別中的具體成員數(shù)據(jù)，進一步掌握用戶的用書狀態(tài)。對不同類別的用戶可以進一步研究，進而推出更為精細的服務(wù)內(nèi)容。

對于專業(yè)圖書和通識圖書用戶，同樣分別采用K-Means聚類算法對28條用戶數(shù)據(jù)和14條用戶數(shù)據(jù)進行聚類劃分，總共劃分成5類，得到類似表4的數(shù)據(jù)，而后進行分析。

通過以上的過程，有效地構(gòu)建了紙本圖書用戶的整體畫像、經(jīng)典圖書用戶畫像、專業(yè)圖書用戶畫像和通識圖書用戶畫像，完成了從整體上的信息展現(xiàn)和針對不同圖書類別的信息構(gòu)建。通過這樣劃分的每一個群體，都有自己的特點，尤其優(yōu)秀用戶群體和較差用戶群體，因為優(yōu)秀用戶群體是對紙本圖書使用最多的用戶，這些人對紙本圖書的資源建設(shè)和紙本圖書的服務(wù)都有更為深刻的意見；較差用戶群體處于脫離紙本圖書服務(wù)的邊緣，這些人的意見，能很好地反映圖書館在紙本圖書工作方面的不足。可以針對不同的用戶群體，展開進一步的調(diào)研，精細化以后的工作內(nèi)容。

4? 結(jié)束語

本研究以紙本圖書使用者為研究對象，在現(xiàn)有RFM模型的基礎(chǔ)上，構(gòu)建LRFM模型，識別出具有共同特征的用戶群體，最終完成用戶畫像構(gòu)建。利用LRFM模型完成了對我校圖書館內(nèi)紙本圖書用戶的整體畫像、經(jīng)典圖書用戶畫像、專業(yè)圖書用戶畫像和通識圖書用戶畫像的分別構(gòu)建。通過分析不同類別用戶的畫像內(nèi)容，可以掌握不同類別紙本圖書用戶的信息全貌，為進行有針對性的調(diào)研提供依據(jù)，為推進紙本圖書資源建設(shè)與服務(wù)工作提供有力支撐，進而提升用戶體驗，促進學(xué)生系統(tǒng)、深刻閱讀。

參考文獻：

[1] 程煥文，劉佳親．挑戰(zhàn)與回應(yīng)：中國高校圖書館的發(fā)展方向[J]．中國圖書館學(xué)報，2020，46（4）：39-59．

[2] 譚丹丹.學(xué)科化服務(wù)視角下的紙本圖書首次借閱特征研究[J].圖書館雜志，2020，39（8）：88-93.

[3] 楊雙亮.用戶畫像在內(nèi)容推送的研究與應(yīng)用[D].北京：北方工業(yè)大學(xué)，2017.

[4] 王勛鴻，馬建春.國內(nèi)圖情領(lǐng)域用戶畫像研究現(xiàn)狀及主題分析[J].圖書館學(xué)刊，2022（4）：104-111.

[5] 宋美琦，陳燁，張瑞.用戶畫像研究述評[J].情報科學(xué)，2019，37（4）：171-177.

[6] 何振宇，朱慶華，白玫.養(yǎng)老服務(wù)視角下城市老年人用戶畫像構(gòu)建[J].情報雜志，2021，40（9）：154-160.

[7] 王小強，周珂宇.基于用戶消費行為的電力數(shù)據(jù)客戶立體畫像構(gòu)建[J].計算機技術(shù)與自動化，2022，41（4）：166-170.

[8] 許明英，杜軍平，梁美玉，等.面向科技大數(shù)據(jù)的科研團隊精準(zhǔn)立體畫像生成方法[J].工程管理科技前沿，2022，41（3）：15-19.

[9] 何勝，柳益君，黃永鋒，等.基于網(wǎng)絡(luò)大數(shù)據(jù)的高校圖書館科研用戶畫像模式構(gòu)建研究[J].圖書館研究與工作，2022（11）：76-80.

[10] 姚淑青.融合情景感知的智慧圖書館用戶畫像構(gòu)建研究[J].圖書館界，2022（5）：1-5.

[11] 尹婷婷，郭永建.數(shù)據(jù)驅(qū)動背景下智慧圖書館用戶畫像模型構(gòu)建與研究[J].圖書館理論與實踐，2023（4）：193-196.

[12] 曾建勛.精準(zhǔn)服務(wù)需要用戶畫象[J].數(shù)字圖書館論壇，2017（12）：1.

[13] 陳晶.移動數(shù)字圖書館用戶模型及其情境化推薦方法研究[J].圖書館，2018（4）：19-23.

[14] 王英，梁思怡，楊巍，等.面向紙本圖書的圖書館用戶畫像構(gòu)建探索[J].圖書館雜志，2023，42（2）：128-133.

[15] 何明星.經(jīng)典圖書：構(gòu)建人類命運共同體的文化思想基礎(chǔ)——基于再版數(shù)據(jù)統(tǒng)計的世界圖書生命研究報告[J].中國出版，2022（5）：26-33.

[16] 張振剛，羅泰曄.基于RFM模型和隨機行動者導(dǎo)向模型的技術(shù)機會識別[J].情報學(xué)報，2021，40（1）：53-61.