基于大数据平台的用户画像与用户行为研究

丁胜利 王建永 陈哲瀚

在互联网时代的背景下，大数据平台成为企业分析用户不同需求的一条重要途径，基于大数据资源对用户画像和用户行为进行的分析逐步完善，运用先进的计算系统对用户画像和用户行为进行深入分析成为可能。本文从互联网大数据平台总体架构出发，深入分析大数据平台用户画像与用户行为，以基于大数据平台的用户负荷变尺度技术为主要内容，从四个方面具体进行探讨，力争为企业构建大数据平台与用户互动提供理论参考。

一、大数据平台基本构架

大数据处理平台具备存储大量数据的能力，能够更高效地进行分步处理，而且可以对数据进行一段时间的保存，大数据处理软件运用相似的框架，具有很强的平台特性，能够大大提高经济利益。除此之外，大数据处理软件还是一个集可靠性、扩展性、高容错性于一体的新型应用程序，尤其是其能够支持多种编程语言的特性使它在各个领域得到广泛应用。

二、大数据平台企业与用户的关系

（一）用户画像技术分析

用户画像就是将用户信息系统进行整理并将其标签化，利于企业全面地掌握用户特征，通过对用户的外貌特征、社会角色、生活习惯、人际关系等数据进行收集，虚拟定位用户的全貌，从而初步了解用户的行为方向。随着大数据的广泛发展，建立用户画像已经成为了用户行为分析的发展趋势之一，通过“标签用户”来模拟出全样本用户的各项特征，已经逐渐发展为企业产品研发销售的一种方式。

从某种技术角度来看，基于大数据平台的用户画像构造主要分为三步：第一步是搭建用户画像技术框架，分类整理数据，建立定向的架构系统平台。用户画像是对真实用户进行全面分析后，对其某个方面、某个层次的特征进行数据化，再对数据化的结果进行合理重组，最终得到虚拟人物形象。如此，用户画像所涉及的用户特征，不再是企业用户的全体平均化特征，也不是某个用户的个性特征。根据企业逐渐形成的特定用户画像群体，又称为情景化用户特征，可以将其用于大量用户画像的构建和整理存档。第二步是匹配用户画像特征数据。用户画像所反映的虚拟化用户的大概率行为并不全然代表全局性用户的必然行为。因此，基于大数据平台的用户画像必须对用户角色和属性进行标签化和系统化，结构上形成对用户行为的分层分析和分类分析，通过分层分析和分类分析两方面进行深度的研究，而不仅是单从用户数量出发进行的简单统计描述分析。基于大数据分析平台的用户画像技术代表了虚拟化用户的全面性大概率的行为特征。通过对用户画像图集的持续更新，资料库的持续迭代等系统升级的工作，可以大大提高虚拟化用户行为的判别概率。这就启示我们可以基于用户画像技术进行用户行为分析。第三步是用户画像的构建，包括准确识别用户、动态追踪用户行为轨迹、根据静态数据评估给予用户标签等。用户画像是具有双向特征的结构化数据集，可以虚拟地反映出相应用户的兴趣爱好、情绪变化等心理特征。尽管小营销市场不存在的情境用户，但依旧可以借助人工智能形象地刻画出具有智能科技的自我演化型用户。企业根据对情境用户特征的深度剖析，可以从中找到创新路径的先导方向，可以基于用户画像进行市场趋势预估。企业要想基于互联网大数据技术对用户画像进行分析要关注两个方面：一是需要将营销中的用户信息按不同维度、不同层次赋予不同的管理标签，再根据实际情况将不同标签组合起来寻找符合此特征条件的用户，然后构成用户画像分析。因此，大数据的用户画像分析，主要就是将用户信息标签化、按要求对标签重组编排、根据特征筛选标签、投放市场检验、最后接收大数据反馈来修正标签、迭代完善资料库。二是大数据的用户画像是一个用户画像集册，从不同方面可以构建用户外貌特征画像、用户产品特征画像、用户行为特征画像、用户互动特征画像等。这就需要从用户对产品的外观偏好、功能偏好、系列偏好、体验偏好及技法偏好等角度来构建用户产品特征维度体系，从而构建用户产品特征画像的框架，着重实现产品创新营销，提高对标产品的识别能力。

（二）用户行为技术分析

基于用户画像系统的分析，根据企业营销需求可以进一步拓展大数据平台的用户行为分析。从技术角度看，基于大数据平台的用户行为分析与用户画像分析密不可分。首先，需要构建或调取用户画像特征模型，在此基础上，对用户行为按不同方面、不同层次进行虚拟刻画，进一步对用户行为标签化。其次，根据企业竞争所需，通过对领先企业用户的资料进行适当抽取，识别出领先用户的不同之处，通过互联网大数据进行整理，进一步对领先用户进行精确识别定位，然后将产品研发方向与领先用户类型进行高效匹配与靠拢，再利用大数据查询用户的创意，与此同时必须要明确创新权。同时，企业可以通过分层次抽取方式，针对普通用户和领先用户的知识抽取方式分别刻画两者的不同形象，并进一步提出优化策略，企业应该制定激励制度，鼓励普通用户持续形成大数据行为，以便于企业获取更全面的市场消费行为和市场潮流。再次，基于大数据平台对用户等级的分类可分别得出普通用户行为模型和领先用户行为模型，应该根据企业管理需求将用户行为标签适当进行重新组合，分别整理出普通用户与领先用户的虚拟行为特征，继而将两个不同的特征进行定位与验证；最后，根据市场验证的反馈结果，不断对两类用户行为的标签进行修改和完善，将最终整理所得成果，将成果纳入资料库，形成更加精确的资料抽取，用户的二次修正标签会在某些方面对市场中用户的行为产生影响，同时也有利于下一轮的用户行为大数据进行更新。

以某电视台十一月用户数据为例，从时间纬度和内容纬度进行分析。

时间纬度：以用户的在线时长为研究对象，通过预处理，将在线时长用具体的时间段表示，如：工作日白天，工作日晚上，周末白天，周末晚上四个时间，探究用户在线时长的分布特征。并精准定位用户需求，如：对于工作日在线时间较短，但周末在线时长较长的用户群体推测为是上班族或者学生；对于全天在线的用户群体推测为退休在家的老年人。

內容纬度：以用户所播放的节目类型为研究主体，将其分为：以电影、综艺、电视剧为主的娱乐型用户；以新闻、资讯为主的知识型用户；以健康、美食为主的生活型用户；以电竞、健身为主的休闲型用户。

工作日时间段对知识型节目的点播率较高，周末则娱乐型和休闲型节目点播率较高，工作日和周末对生活型节目点播率更高。因此，可以总结出电视台工作日和周末播放的节目的实践指导经验，从而可以灵活调整节目播出时间段。

三、结语

通过以大数据为基础的用户画像分析和用户行为分析，可以精准地反映企业用户群体的个体性偏好和共同特性。同时利用互联网大数据平台可以提供良好、可靠的技术支撑，不仅可以大大提高处理大量数据的效率，而且还可以提供高效分析分类功能。本文针对大数据用户画像与用户行为提出的一些针对性建议，能够实现产品营销的精准投放，为用户提供更加智能的帮助。

作者单位：南方电网数字企业科技（广东）有限公司