大数据时代如何玩转用户画像

梁栋

摘要：随着大数据时代的到来用户画像应运而生，准确的用户画像可以帮助企业进一步了解并满足消费者的需求，也为企业实行精准营销提供判断依据。用户画像提出以来就引起了学术界和实业界的广泛关注。本文基于营销视角，对用户画像分别从其概念、分类标准、建立以及应用这四个方面进行文献梳理，并提出了今后学者的研究方向。

关键词：用户画像;大数据;精准营销

随着互联网的飞速发展大数据时代悄然来临，这就要求企业以用户为中心，充分了解用户才能创造收益。目前越来越多的企业不仅收集了用户的性别、年龄等基本信息，还挖掘出更多与用户相关的兴趣偏好信息。企业将这些信息分类整理后为用户贴上标签，概括每一类用户的特点，进而更准确地把握每一类用户的需求，这就是用户画像。从某种程度上可以说用户画像是大数据时代的产物，麦肯锡公司认为企业应该顺应大数据时代的潮流、做好用户画像提升竞争力[1]。本文从用户画像的概念、分类标准、建立以及应用这四个方面对国内外的文献进行梳理，从而为今后学者关于用户画像的研究提出研究方向。

一、从营销视角看用户画像

国内外学者对用户画像提出了不同的理解。Trusov（2016）认为用户画像是通过用户的线上活动踪迹去挖掘用户偏好和兴趣的过程[1]。Cui（2016）认为用户画像是用户的属性，当用户想加入某社交圈子时以此来表明他们的社交目的[2]。Xiong（2016）认为用户画像包含了用户的年龄、住址、家乡、爱好以及不同用户之间的互动信息[3]。本文基于以往学者对用户画像的理解将用户画像定义为：用户画像是通过用户的活动（线上和线下）来获取用户相关信息并用这些数据对用户“贴标签”的过程。

如果我们从营销角度看用户画像，那么这个概念渗透着两个营销思想：以客户为中心以及STP战略思想。随着营销观念从以产品为中心到以客户为中心的转变，企业逐渐意识到只有充分了解客户需求、让顾客满意才会使企业有更高的收益[4]。而用户画像则更强调对用户的分析，在掌握用户信息的基础上对用户需求进行研究，使企业更懂用户。此外，用户画像还借鉴了STP营销战略思想，用户画像是在收集用户信息的基础上对用户分类，然后对不同类型的用户实行精准营销。区别于传统的用户细分方法，基于用户画像信息对消费者细分可以减少主观性，提高市场细分的准确度。

二、从营销视角看用户的分类标准

用户画像的第一步就是收集用户信息，用户信息收集完毕后就要对用户按照一定的标准进行分类。刘海（2015）等学者认为用户的分类标准包括基本信息（性别、年龄等）以及消费行为信息，其中消费行为信息包括消费者的浏览记录（浏览时间、次数等）以及购买记录（商品属性、支付方式等）[5]。Assael（2005）和Atahan（2011）等学者认为用户信息包括人口统计（性别、年龄、收入等）信息和心理信息（对网络接触时间的长短、网络渗透率的差异等）[6，7]。

我们可以看出国内外学者对于用户信息的分类标准基本一致。本文综合以往学者对用户信息的分类标准，将用户信息的分类标准总结为人口统计特征、心理特征、行为特征以及社交网络特征。人口统计特征主要涉及客户的年龄、性别等静态信息，这类信息比较稳定几乎不随时间的变化而变化;心理特征包括消费者的兴趣、个性、偏好等，这些变量随时间的变化较大、不稳定也很难估计和预测;行为特征包括用户网上的浏览行为和消费行为;社交网络特征主要是指与该用户相关的其他用户的静态和动态信息。

三、建立用户画像的方法

国内外有很多学者都在积极探究用户画像的建立方法。Zhang（2016）等认为每位用户有着不同的偏好，且不同偏好在用户做决策的过程中所占的权重有所不同，因此他们提出了一种关于用户偏好的权重算法，以此准确地了解用户需求，从而构建用户画像[8]。电信业中移动用户“大进大出”的现象为用户画像的建立增加了难度，于是王征等（2015）学者为电信商提供了移动用户重新入网的身份识别法，那么对于老用户就无需再重新进行用户画像了[9]。此外，赵曙光（2014）采用定性人物角色创建法将活跃度较高的社交媒体用户划分成五类[10]。国外学者主要侧重于用户画像数据收集方法以及构建用户画像的方法。在收集用户信息时需要在多个网站中抓取同一用户的行为数据，Hoppe等（2013）针对这一问题提出了解决方案[11]。Atahan等（2011）学者研发了可以帮助网站高效收集用户画像的技术，提高了用户信息收集的效率，企业就会越早受益[7]。用户画像构建的方法中，Kritikou等（2008）认为企业可以通过构建贝叶斯网络对用户偏好和兴趣加以預测[12]。然而在现实生活中，企业收集的用户信息大多是不全面且受限制的，Trusov等（2016）认为在这样不完整的信息架构下很难准确把握住用户的需求，因此作者建立了一个可以根据有限的用户信息去推测未来用户的偏好及行为的模型，这一模型的建立对学术界和实业界均有较大的贡献[1]。

关于用户画像建立方法的研究中，国内学者主要集中在用户分类方法以及用户画像应用上，大多数学者并没有考虑到企业目前所面临的现实问题;而国外的研究主要集中在提高用户信息搜集效率、解决用户信息收集受限等方面。相比于国内的研究，国外的研究更能站在企业的角度，针对企业所面临的难题（如收集用户信息效率低下、搜集用户信息不全面等）提出解决方案。

四、从营销视角看用户画像的应用

近些年来，国内外很多学者纷纷探究了用户画像在不同领域的应用。国内研究主要集中在社交平台与电信业。张慷（2014）针对电信业进行手机用户画像的构建以及应用提出了相应的方法，但是这项研究只是提出了指导性的方法，并没有结合相应的数据深入研究在手机用户画像的建立过程[13]。丁伟（2016）等学者同样以电信公司为研究对象，认为电信商虽拥有庞大的用户群体，可以收集用户的海量信息，但同时又涉及到用户的隐私保护问题，因此这项研究介绍了在构建用户画像时保护用户隐私的方法[14]。此外，国内学者还将用户画像应用在社交平台中，因为社交平台中储存着众多用户的信息，蕴含着巨大的商机。赵曙光（2014）认为用户转化率的高低决定着社交媒体的商业价值，因此作者通过深度访谈法将高转化率的用户分成五类，并针对这五类高转化率的用户实行精准营销活动[10]。目前很多学者对社交网络用户画像的研究仅考量了用户的粉丝、好友等情况，但未考虑到用户之间的关系强度，而Xiong（2015）等学者为用户之间关系强度的测量提供了有效的方法[3]。

国外研究大多也是基于电信运营商、社交网络平台、推荐系统等。例如Shrivastava等学者（2010）通过收集手机用户的人口统计信息，研究不同人口统计特征的人群对手机服务提供商以及服务类型选择的影响[15]。Hodis等学者（2015）以脸书为研究对象，将脸书上的用户分成了四类——寻求关注、热爱社交、寻求联系以及追求娱乐的用户，并且作者还详细分析了这四类用户的特点，以便企业针对这四类用户实行精准营销活动，这项研究将用户画像直接与精准营销联系在一起，对企业有较大的借鉴意义[16]。网站或电子商务平台向消费者推送信息是企业实行精准化营销的主要通道，因此国外的一些学者针对推荐系统进行了研究。Zhuhadar等（2010）学者基于Top N算法认为网站或者电子平台既应该向用户进行以产品内容为主的推荐，又应该进行以用户兴趣为主的推荐[17]。

通过文献梳理可以看出国内外研究的共同点是将用户画像与精准营销结合在一起，即基于某一企业或平台的用户画像数据对用户进行分类，然后针对每一类用户分别制定相匹配的营销策略。虽然国外对用户画像应用的研究要早于国内，但是我国学者在短短几年内对用户画像的应用也展开了大量的研究，并且所研究的领域涉及到电信、推荐系统、社交网络平台等方面，其研究的广度丝毫不逊于国外的研究。但是我们也可以看出国内外针对用户画像应用的研究也存在着一定的差距。第一，国内学者对用户画像研究的深度不及国外的研究，第二，国外的学者更善于站在企业的角度去研究用户画像，没有脱离企业的现实问题，这也是国内学者所欠缺的。第三，国外学者在探究用户画像应用的同时，还注重对数据处理方法的探究，使得数据处理方法与所要解决的问题能更好地匹配在一起。因此国内学者对用户画像的研究需要从这几方面加以完善。

五、研究展望

由于国外的互联网技术要领先于国内几年，因此从研究深度来讲国外学者对用户画像的研究也要领先于国内研究。本文认为未来我国学者对用户画像的研究可以从用户画像构建方法的优化、用户画像的细分方法、基于用户画像如何进行广告投放、保護用户隐私这几个方面展开。

在对用户画像构建方法的研究上，首先如何从海量的用户数据中提取对企业有价值的数据，缩短数据搜集的时间成本、提高数据搜集的效率是一个亟待解决的问题;其次企业如何在收集用户信息有限且不完整的情况下预测用户的偏好、兴趣以及对这些用户实行精准营销，这就需要学者们不断去研究和优化数据分析方法以使企业在用户信息有限的情况下提升预测准确度。此外，学者们在进行用户画像分析时除了要考虑本学科领域中的一些方法外，还可以结合其他领域的一些模型或分析技术，优化用户画像的处理方法。

关于用户画像细分方法的研究，本文总结了目前学者们通用的用户分类准则，但是今后的学者可以进一步细化。譬如学者们可以根据情境的不同，对用户进一步分类，例如可按照用户在节日或非节日情境下的行为进行细分;再如可以按照用户在线上购物或线下购物的情境进行用户的细分等。更为细致的用户细分可以使用户画像更加精细，从而使得企业更加全面地把握用户的状态、精准地向用户投放营销活动。

未来国内的学者也可以根据用户画像的特征探究广告投放的频率、内容、预算等，目前的研究大多是基于用户画像的分类，然后根据每一类用户的特点进行产品设计，实行精准化营销，但是对于每一类用户具体应该推送什么内容、什么力度、什么频率的广告以使消费者购买产品还未进行深入的研究。所以今后的学者们可以针对每一类细分的客户研究其相应的、更为细致的广告投放策略。

在企业收集用户信息的过程中，顾客的隐私信息却被“利用”了，如果顾客的信息被泄露，这不仅会产生较为恶劣的社会影响，还会让顾客感到一种被企业欺骗和利用的感觉。收集用户信息的同时也存在着侵犯用户隐私的问题，这一问题越来越引起各界社会人士的广泛关注。企业需要开发相应的方法来对用户的信息进行加密保护，不让用户的隐私数据流失。所以企业如何处理自身利益与用户利益的矛盾问题仍然值得企业人士与学者们思考。

参考文献：

[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，郭国庆译.市场营销原理（第11版）[M]，2007，清华大学出版社.

[5]刘海，卢慧，阮金花，田丙强，胡守忠.基于用户画像挖掘的精准营销细分模型研究[J].丝绸，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.