浅谈用户画像的创生与应用

王小菁

摘要：本篇文章通过对用户画像技术的定义、数据来源、数学模型和数据库的构建、用户行为分析以及用户画像的意义等方面展开介绍，旨在突出强调用户画像在大数据时代的重要性。用户画像以标签的形式精准高效地分析用户的基本信息、偏好数据等，实现了对海量用户的分类以及构建虚拟化用户，对企业的发展有直接且深刻的影响。

关键词：用户画像 模型构建 用户行为

中图分类号：F274 文献标识码：A 文章编号：1009-5349（2018）14-0254-02

一、用户画像的定义

关于用户画像的定义不同的学者有不同的表述，比如学者刘海、张鹏、刘译璟就提出：全方位、立体性地记录消费者的数据就叫作用户画像[1]。丁伟、王题等学者又认为：个体用户所有信息的集合，就是通过收集与分析用户的属性、社交、行为偏好等信息，然后综合归纳用户的信息用以勾勒用户的轮廓。但其关键的含义都是趋向将用户信息分为几个类别然后分别转换成简短易懂的标签去描绘用户的特征、偏好等方面的轮廓[2]。抽象地去勾勒用户特征，在实际应用中具象化，大大提高了企业的运转效率。

二、用户画像数据的来源

用户画像是基于海量数据建立起来的标签式虚拟用户，针对其数据来源不同的学者有不同的看法，例如学者姜建武等人认为：笼统地看，用户画像的数据来源大概包括两种类型：静态的用户基本数据（年龄、体重等）和动态的时间、地点、行为等数据（也称为静态信息本体和动态信息本体），同时动态信息本体隐藏在用户行为之中，需要利用互联网技术进行捕捉。[3]这也是笔者比较赞同的观点，也就是将用户画像的数据来源概括为静态的基本数据和动态的行为数据。

三、用户画像数学模型以及数据库的构建

对于企业而言，传统的经营模式不再能满足他们的需要，仅仅依靠企业工作中留下的记录远远不够，同时在大数据背景下，网络技术使得消费者的消费行为可以转化为数据，这也成为支持企业的发展最重要的数据来源之一，所以企业有必要专门构建用户画像的数据库。刘海等学者在4C理论的基础上设计了SQL Server数据库，并且运用数据库语言E-R图进行具体的设计。这类数据库不仅能够在企业内部共享使用，还能有效降低企业的各方面成本，提高企业的经营效益。刘海等学者最终设计的数据库包括客户的基本信息、关于记录客户登陆日志的三方面信息、客户浏览日志的五个方面信息、客户下的订单的信息、订单包含的产品信息这五个部分。这个数据库全面囊括用户的所有信息，五个部分缺一不可。用户画像的数据库建立的意义在于方便企业内部查询数据，及时获取用户的信息，从而实现企业的精准化营销。

此外学者余孟杰还提出权重计算法，认为内容地址、行为类型、时间衰减，决定了权重模型是关键，权重值本身的二次建模是水到渠成的进阶，他认为用户画像的核心在于对于用户接触点的理解，他认为接触点直接决定了标签信息。接触点可以是网址，也可以是某个产品的特定功能界面[4]，并且通过计算权重来确定标签模型。并借助Jon kolko提出的标签权重=衰减因子*行为权重*网址子权重这一公式来进行计算模型权重值[5]。

四、用户画像中的用户行为分析

这部分内容学界中有很多学者已经做过相关研究，笔者在广泛阅读文献的基础上，认为学者李映坤在其硕士学位论文中的研究结果极具代表性。学者李映坤主要是通过用户在打电话、发短信、上网、玩手机App这四个层面的数据，整理了20个指标对用户进行分类比较。从而分析不同类别的用户的行为特征、偏好等潜在的一些特点。同时他将这部分的研究分为两个部分：大样本聚类下的手机用户行为分析和传统小样本聚类的游戏用户分析。

在大样本聚类分析中李映坤借助Hadoop伪分布集群对原始数据进行清理，整理出30380个用户的行为数据，然后使用Mahout上的K-means算法，最终将人群分为五种类型，这五种用户群的特点主要是：第一类人除了不爱发短信，打电话、上网、玩应用软件都非常频繁；第二类人爱打电话爱发短信爱上网，但是使用应用软件的时间不多；第三类人对所有的功能都不经常使用；第四类人不经常打电话发短信，但在上网和使用应用软件的时间很多；第五类人经常打电话发短信，尤其是打电话的时间特别长，同时他们也经常上网和使用应用软件。经过对比这五类用户群的行为特征，李映坤认为第一类人群很有可能是一批年轻的女白领，第二类人有可能是一些年长的知识分子，第三类人更像城市底层的广大劳动者，第四类很可能是学生，第五类人群很可能是社会精英阶层，平时业务繁忙。笔者对这一系列的推断保留意见，有怀疑的部分也有赞成的部分。

在传统小样本聚类分析中，学者李映坤以天天酷跑为例，参考1142名玩家的数据，根据市场营销理论得到这些用户在R（近度）F（频度）M（强度）三个指标上的取值，之后使用K-means聚类方法最终将人群划分为六类。这六类人群的偏好程度以及响应的吸引策略是：第一类浅尝辄止型（放弃治疗），第二类累觉不爱型（善意提醒），第三类隔三差五型（签到奖励），第四类接二连三型（在线奖励），第五类天天酷跑型（加大难度），第六类天昏地暗型（适当更新）。[6]根据不同的用户群体制定不同的吸引策略是企业构建用户画像能够获得的成绩。

五、用户画像的意义

用户画像的存在意义大概有以下几个方面：

第一，准确識别和勾画目标客户。在众多的数据处理工具中，用户画像是帮助企业定位目标客户最有效的工具之一。用户画像源自真实客户的特征，在一定程度上反映用户诉求，从而为企业的设计方向指明道路，虽然用户画像是一种虚拟的、标签化的客户大类，但能够准确代表产品的主要受众和目标群体。区别于原始的仅仅依靠企业工作记录，用户画像更多的是对用户进行研究、对市场进行研究。郝胜宇认为：如果说传统的客户分析是认识了客户，那么用户画像技术就是与客户成为朋友。[7]

第二，从长远意义来看，用户画像可以让企业实时把握消费者的变化。市场在不断变化，产品的生命周期也在不断循环，目标客户或者潜在客户的年龄、需求等方面都在发生改变，面对这些无可避免的变动，用户画像就能很好地帮助企业预警。比如针对客户年龄变动这一因素，企业就需要依靠用户画像去确定不同年龄层次的用户的消费特征、行为偏向等，从而调整产品，扩大受众范围。

第三，借助用户画像实现精准化、个性化推送。用户画像将整个客户群分成拥有不同特征的子群。在网络技术的支撑下，企业可以通过邮箱、QQ、微信等第三方账号向客户进行有针对性的推荐，这样做既节省成本，还能提高效率，并且不像诸如电话推销、短信轰炸这种给用户带来困扰。当用户画像与网络、大众传媒协同发展，个性化推荐将得到进一步的发展与应用。比如淘宝的“猜你喜欢”，点进去你会发现跟你平时搜索的商品非常接近，这也是一个double-win的项目，在方便用户查找自己所需产品的同时，增加了商家的利润。

参考文献：

[1]刘海，张鹏，刘译璟.为消费者画像[J].销售与市场：渠道版，2013（9）：30-32.

[2]丁伟，王题，刘新海等.基于大数据技术的手机用户画像与征信研究[J].邮电设计技术，2016（3）：64-69.

[3]姜建武，李景文，陆妍玲等.基于用户画像的信息智能推送方法[J].微型机与应用，2016（23）：86-89.

[4]余孟杰.产品研发中用户画像的数据模建——从具象到抽象[J].设计艺术研究，2014（6）：60-64.

[5]Jon Kolko.交互设计沉思录[M].方舟译.北京：机械工业出版社，2012：67-68.

[6]李映坤.大数据背景下用户画像的统计方法实践研究[D].首都经济贸易大学，2016.

[7]郝胜宇，陈静仁.大数据时代用户画像助力企业实现精准化营销[J].中国集体经济，2016（4）：61-62.

责任编辑：于蕾