用户画像研究综述

蒋亚博

（湘潭大学公共管理学院，湖南 湘潭 411100）

1 用户画像内涵

有关用户画像的研究最早起源于交互设计领域，由库珀定义了关于用户画像的最初概念，同时强调了数据真实性在用户画像研方向的重要意。R.M.Quintana用下述定义来描述何为用户画像：“一个具体的、清晰的形象集合，需要从海量数据中来获取数据基础，再由用户信息层层构成”，可以通过利用这个集合，便捷、快速的分析出用户需求、个性化偏好以及用户兴趣等相关内容。作为随着技术进步发展越来越成熟的数据分析工具，用户画像可以从各个维度抽象出用户的信息全貌，加以描绘并且记忆用户需求变化并分析用户需求变化的根本原因，从而进行精准的广告营销等其他相关应用范围。余孟杰将用户画像定义为一种大数据环境下，对于用户信息特征进行标签化的方法。即首先由大数据提供足够的数据基础，随后通过抽象提取出用户信息特征，然后进行标签化处理以求完美地呈现出用户全貌，最终形成一个虚拟的用户全貌，即为用户画像。随着大数据的发展，用户画像也随之外延拓展到了互联网应用领域中，以海量的数据为基础构建虚拟用户的思路在不同的领域都得以应用。此外，企业“精准营销”和“需求导向”等目标更是与用户画像的作用契合，促使越来越多的学者开始将研究点放在用户画像领域。用户画像可以被看作是基于用户真实数据的虚拟代表，是具有相似行为、兴趣、生活环境的用户群体在使用某一产品或者服务时所呈现出的共同特征集合。用户画像最显著的特征便是基于用户群体构建的概念模型，当前国内外对用户画像的研究内容的侧重点不同，总体而言分为三个部分：用户属性、用户行为和用户心理。

2 国外用户画像研究

在国外IrisVilnai-Yavetz研究了facebook上用户基础数据，根据照片将500个随机选择的Facebook用户进行细分，不仅区分了五种不同类型的用户，还将这些类型与受众特征，品牌参与度和facebook的使用情况和动机相关联。Lindsay R.Duncan通过创作非虚构人物肖像来描绘导致兴奋剂的因素，分析青少年运动员面临着发起兴奋剂的复杂的个人和社会压力。Bruno Agard提出了一种用于用户行为分析的通用数据挖掘方法，对来自加拿大运输当局的数据进行了实验，结果表明可以得出主要涉及规律性和日常模式的用户旅行行为指标。

3 国内用画像研究

在国内，刘海利用衣服销售数据中的身高这一细分因素进行挖掘，重构消费者的需求。曾鸿以新浪微博数据为基础，运用大量数理统计的方法挖掘明星粉丝的用户画像，帮助企业全面了解自己的客户。邱云飞针对传统用户建模难以处理复杂网络关系，提出基于网络结构和文本内容的群体画像构建方法。王娜设计了基于用户画像的信息后组织系统，为提高用户信息检索的精度，为用户提供更为精准化和个性化的信息服务。熊伟通过采集用户信息并对用户群体进行分类，基于LDA模型，提出了一种基于用户画像和内容的服务重定向方法。林燕霞使用主题模型文本挖掘出用户感兴趣的微博主题，构建微博各类群体的用户画像，分析用户行为、态度并提出相应的网络舆情治理建议、个性化服务、营销策略。单晓红以在线评论数据为基础，从用户信息属性、酒店信息属性和用户评价信息属性三个维度构建用户画像模型的概念模型，为酒店了解用户需求，开展精准营销提供决策依据。何黎对微博用户的信息和关系数据进行决策树分析、相关性分析和关联规则来挖掘用户特征。莫君兰提出科研团队画像的概念，以此为科研团队信息的标签集。然后，以电子文献库、国家基金网、个人主页等多个异构数据源为基础，提出融合多源异构数据的团队画像构建方法，以D大学的某团队为例，将科研团队画像可视化展现出来。董宁结合主题调查问卷和访谈，建立多维数据来源；关联分析建立用户标签体系，绘制群组用户画像，以此构建图书馆实施精准服务体系。

4 总结

通过总结上述内容，结合上述分析可以看出，用户画像技术可以十分深刻地应用在描述用户的群体行为特征、属性特征方面，同时在网络舆情治理、广告营销和个性化服务等诸多领域也可以发挥非常重要的作用。随着用户画像技术的飞速发展，新时代各个行业的产品开发方向、精细化营销方式和广泛的应用场景也会出现新的发展契机，同时加快消费者日常生活方式向着数字化转变。无论是在日新月异的互联网行业，还是在传统消费行业，用户画像研究都展现出强大的渗透力和发展潜力。

目前国内外与用户画像相关的研究与实践活动日趋频繁，涉及的应用场景也日益广泛。国内外用户画像研究涉及多个学科领域，主要包括计算机、图书情报、应用心理学、智慧物流、管理科学与工程等领域，不同学科从不同角度进行了多维度的相关研究，提供了不同角度下的见解和丰富的成果以供学术界借鉴。国内外用户画像研究的技术方法多种多样，在数据收集方面既有问卷、访谈等社会调查方法、又有基于平台的网络数据采集方法；在数据分析和数据建模方面，也涉及统计建模、数据挖掘、机器学习等各种方法。

对于与用户画像质量息息相关的数据质量和数据大小问题，首要任务是要优化获取数据的方法，对数据挖掘方法加以拓展和改进。虽然利用现有方法已经可以大体上实现用户属性、用户行为特征、用户心理描述与表示，但在实际研究中，内容纷繁复杂和质量参差不齐的海量数据对于用户画像的研究方法提出了更高的要求。一方面，如何通过更有效益的方法来获取高质量的数据是需要解决的问题，另一方面，如何更好地利用好海量的数据也是用户画像研究需关注的问题。另外，对于一些主题不易获取数据的用户画像问题，常常面临数据源数据的总量相对较小、数据质量不高、数据难以接触等问题。对于此类研究主题在研究初始的获取数据的方法选择上面要做好准备，才能保证研究方法适用性的基础条件。数据是整个用户画像研究的基础，所有的用户画像维度都是从数据中衍生出来而来，所以数据的质量至关重要。在当前国内外学术界的用户画像研究中，涉及数据获取渠道和数据类型具有多样性，数据获取渠道包括调查数据、网络数据、平台数据等，数据类型包括用户属性数据、用户行为数据、用户生成数据等；获取数据的方式有的通过以访谈、问卷、调研为代表的社会调查方法收集数据，在数据获取渠道和方式多元的情况下，不同类型的数据出现了获取渠道大致相同的特征，相同类型的数据反而是获取渠道不同的特征。我们需要将不同数据源、不同类型的数据进行整合之后再利用合适的技术方法提取标签构建用户画像。实现数据融合与提升，就能够构建更加多元、精准的用户画像。