用户画像技术及其应用分析
来源:用户上传
作者:
摘 要：本研究从用户画像的发展背景、构建流程以及应用现状等方面对用户画像进行了分析。用户画像的构建主要包含数据采集、用户标签的提取、用户画像的构建三个步骤。以淘宝为例，介绍了用户画像在电商领域的应用。用户画像能够帮助企业了解消费者人群的需求、及时调整企业战略、弥补价格变动的滞后性;以网易云音乐APP为例，研究了用户画像在音乐APP信息推送方面的应用。借助用户画像技术，音乐APP能够个性化地向用户推荐音乐，使APP更人性化，从而提升用户粘性。以P2P为例，介绍了用户画像在金融领域刻画用户特征、规避风险的应用。最后对用户画像的优点与不足展开分析，给出了相关的建议。
关键词：用户画像;推荐;精准营销;个性化
中图分类号：TP18 文献标识码：A 文章编号：1671-2064（2019）21-0255-02
0 引言
从2008年大数据的概念刚开始普及到十年后的今天，世界已经进入一个大数据的时代。随着互联网的普及，各类数据呈爆炸式增长，包含文本、图像、视音频等类型，其中主要是用户的网络行为数据。国际数据公司（IDC）的研究结果表明，2011年的互联网包含的数据量接近2ZB，相当于全球每人产生200GB以上的数据。
面对海量信息，如何能使用户快速、准确地获取所需信息是当前信息检索面临的难题。用户画像作为一种根据用户需求提高信息检索效能的技术，被广泛地运用于商品、新闻等数据的检索领域。用户画像的概念最早由Alan Copper提出，可以通过用户的行为数据，更真实地反映用户的实际需求以及企业的消费者人群特点[1]。例如在电商兴起的当下能够弥补价格变动的滞后，反映消费者心理，更精确地推送营销信息。本文将对用户画像的构建过程、应用现状及存在问题进行分析讨论。
1 用户画像的构建过程
用户画像是一种通过对大数据的搜集、计算，提取用户标签，从而构建出真实用户的虚拟形象的工具[2]。一般而言，用户画像的构建流程主要分为数据采集、标签建模、“用户画像”模型构建三个部分[1]。
数据采集是指搜集、整理用户的网络行为等数据。用户的网络行为数据是用户网络行为所产生的数据，如社交行为、信息搜集行为、购物行为、娱乐行为等产生的痕迹数据。在数据采集完成以后，需要对采集的数据进行挖掘，通过不同的挖掘方法，企业可以得到不同的信息，从而构建不同的“用户画像”。数据的采集和挖掘完成以后，通过对所挖掘信息进行分析、抽取、提炼，从而形成高度概括、能准确精炼地表示用户的某种特性或属性的“标签”。用户标签分为静态标签以及动态标签。静态标签指能够保持稳定、具有先天性的用户标签，如人口属性、人格等。动态标签指行为和结果标签，其数据来源于用户的网络行为痕迹数据，是具有动态特性的用户标签，有更新频繁、稳定性差的特点。用户画像模型的构建是指使用上述的用户标签集合构建出用户模型，从而描绘出实际用户的虚拟模型的过程。
2 用户画像的应用
2.1 电子商务商品推荐
现阶段，网购已经成为人们主要的购物方式。人们在浏览、购买商品时其行为会被记录下来，形成海量的电子商务大数据。对电商平台来说，其往往面临顾客数量大、商品繁杂等困难，如何充分地利用这些海量的数据向用户精准推送商品成为提高用户体验及产品竞争力的关键[3]。信息的检索、筛选和推送与电商的发展密切相关。在对海量用户行为数据分析、构建出用户画像的前提下，商家能够据此获得消费者的虚拟用户形象、用户偏好与需求，从而为用户提供个性化的产品与服务。构建电商用户画像需要采集的数据包括静态的个人资料以及动态的用户的行为信息如注册、浏览、点击、购买、签收、评价、收藏、加入购物车等。
阿里巴巴電商平台——淘宝根据商品的品牌、类型、适用场景、上市时间、所属店铺以及折扣和服务等将商品划分为多个品类，借助预先构建的用户标签会在APP的首页“猜你喜欢”栏目中为用户推荐商品，实现个性化营销。用户画像技术的应用可以有效地使大部分纠结购买哪件商品的用户找到适合自己的商品，使在购物过程中目的性较低的用户浏览到适合自己的商品，从而增加平台的销售额与竞争力。在用户购买了所需的商品以后，APP会弹出“购买了该商品的人还购买了”的栏目。这种精准推荐服务将具有“购买了某件商品”标签的用户划分为同一群体，并向该用户推荐同一群体中其他用户购买的商品，由此实现了提高平台销售额的效果。
2.2 音乐个性化推荐
现阶段，各类音乐APP十分普及，音乐APP可以为用户提供海量的音乐，包括不同的音乐风格、表达的情感、语种、年代。大多数情况下用户是被动地接收音乐APP推送的歌曲。如何精准的推送用户感兴趣的歌曲成为各大音乐APP改善用户体验、提升产品竞争力的关键[4]。尽管音乐APP可以通过实地调查了解用户的年龄比例、音乐偏好来提高推送的精准度，但这样不仅需要消耗大量人力，而且只能实现对部分典型用户的较准确推荐，无法达到个性化推送的程度。在音乐APP中，用户画像最基本的应用即是通过海量的用户数据，对现有的用户进行分析、抽取并提炼出用户标签，形成用户画像，从而划分不同群组，由此对同一群体的用户推送特定的音乐。歌曲通常具有自然标签如歌曲风格、表达的情感、歌词的主题等，此类标签可以与用户标签进行匹配，从而为用户进行精准推荐。
通过搜集用户的行为数据可以了解单个用户对某种音乐的喜好，将用户进行划分，根据用户收藏过或评论过的音乐匹配到相似的音乐，推荐给该用户。以网易云音乐为例，在APP的“相似推荐”选项中会有“喜欢这首歌的人也听”这一栏目，列举出五首相似单曲，以及栏目“喜欢这首歌的人”，列举出五个相似用户。APP会每天向用户推送相似度高（音乐偏好相似）的用户，并在后来据此推出了“因乐交友”的模块，通过计算用户的相似度划分用户为不同种群，增加了用户间的联系，从而提升了用户粘性。 2.3 金融产品风险控制
在2013余额宝出现后，越来越多的人开始关注互联网理财，互联网理财产品也更多地走进了人们的生活，如何控制互联网产品的风险是各类金融产品设计的关键。以P2P贷款业务为例，由于P2P贷款面向的用户大部分来自线上，线上客户的真实信息难以得到验证，线上的欺诈行为较难被侦查、识别，具有较高的隐蔽性，也决定了P2P线上贷款业务的风险较高。在此背景下，用户画像可以帮助P2P公司刻画贷款用户的特征，从而降低P2P公司的风险。通过搜集移动大数据，P2P公司可以了解用户过去3个月用户的行为轨迹、用户移动APP的使用习惯等信息，对所搜集的信息进行整理以后可以提炼出用户的标签如“常在城乡结合处活动”、“常熬夜”等用户标签，构建用户画像，并据此推断用户提供的信息是否真实，推测用户的真实工作地点、大概收入从而规避犯罪分子提供虚假信息实施恶意诈骗的风险[5]。
3 讨论
在大数据时代，数据即资源，用户画像技术可以利用用户在网络上留下的各类信息，将其整合并据此形成用户标签、构建用户画像，得到比其他传统方法更真实的用户的虚拟形象。借助用户画像，可以使企业在大数据的背景中了解用户人群的特征、需求，实现精准推送信息以及合理分配资源等目的。
用户画像需要采集用户数据，而随着人们越来越注重个人隐私，用户画像的构建将会面临所采集的数据是否真实以及是否侵犯个人隐私的问题。所采集的数据缺乏真实性会直接导致用户画像的构建与实际用户特征的偏差，而侵犯个人隐私则会引发法律问题。随着用户因素包含意识的提升，用户网络行为数据的获取难度将会增加。
用户画像在采集用户数据时要注重数据的来源，尽可能选择真实可靠的数据作为信息来源，并建立一定的数据真实性验证机制。在大数据的背景下，用户画像的应用领域正随着“互联網+”等项目由互联网领域扩展到传统行业，无论在互联网领域或是传统行业的革新，用户画像都表现出强大的发展潜力，应用场景也将日益广泛。尽管当前用户画像技术还存在一定的问题，但随着技术的发展，这些问题将逐一解决。
参考文献
[1] 宋美琦，陈烨，张瑞.用户画像研究述评[J].情报科学，2019，37（04）：171-177.
[2] 葛晓鸣.基于“用户画像”模型构建的精准营销策略[J].辽东学院学报（社会科学版），2019，21（04）：50-57.
[3] 陆冬磊.基于电子商务的用户画像分析[J].电脑知识与技术，2018，14（22）：306.
[4] 谭彦.基于“用户画像”的内容在新闻APP上的精准推送分析[J].记者摇篮，2019（02）：104-105.
[5] 游筱婷.大数据分析在互联网金融营销中的应用机制[J].甘肃广播电视大学学报，2018，28（03）：61-65+76.
转载注明来源:https://www.xzbu.com/8/view-15081185.htm
