基于动态精准画像的高校图书馆数字阅读推广服务模式研究*
2020-10-10彭薇
彭 薇
(桂林电子科技大学信息科技学院图书馆,广西 桂林541004)
动态精准画像通过搜集用户数据建立用户模型的方式,设置符合用户个性化特点的标签,将具有相似特征或是近似行为习惯的用户划分为一类,构建多样化的特征群体,通过对符合群体特征的用户群实现分级管理探究用户的需求变化,构建出符合用户动态习惯数字阅读推广服务系统,为具有不同个性化需求的用户提供数字阅读推广服务。精准动态画像作为人工智能领域的一个重要分支,被广泛应用在电子商务、社交通讯领域[1]。当代高校图书馆可以借鉴动态精准画像具有的优势功能,基于用户的动态行为数据建构用户的动态画像,以提高数字化阅读推广服务的精准度。
1 动态精准画像应用于高校图书馆数字阅读推广中的优势
1.1 促进高校图书馆海量数据资源集成化应用
大数据时代高校图书馆的信息资源爆发式增长,大量有价值的数据资源蕴藏在海量数据资源中,高校图书馆作为重要的知识服务机构,进一步挖掘和有效利用这些高价值的数据资源就成为了一个亟待解决的问题。高校图书馆针对数字阅读推广服务过程中产生的海量数据资源开发利用,挖掘出知识资源中潜在的信息数据,能够帮助图书馆提升数字阅读推广服务效能。目前,一些学者致力于新技术与算法工具解决高校图书馆数字阅读推广过程中海量数据资源处理问题,如可视化数据分析框架、数据关联规则等[2]。但这些方法在高校图书馆海量数据资源分析过程中,仅能得到模糊、分散的用户信息,难以针对用户的行为特性构建出较为完善的用户画像。将精准动态画像应用到用户的数据分析与行为数据捕捉中,能针对用户的动态数据有效搜集并精准分析用户的动态行为数据,勾勒出用户画像的全貌,精准分析用户的需求,全面提高数据的使用价值。
1.2 提高高校图书馆数字阅读推广服务的精准性
目前,国内很多高校图书馆并未完全将用户动态精准画像技术应用起来,国内一些图书馆联盟、图书馆学会也并未大量普及与推广用户精准动态画像技术。但武汉大学图书馆引入与应用用户动态精准画像技术,证明该技术在图书馆操作中是可行的[3]。高校图书馆应用用户动态精准画像技术的主要目的就是精准分析用户的需求,提高数字阅读推广服务的精准性。图书馆对用户画像技术进行深入的研究,根据用户的行为偏好构建个性化服务系统,并根据用户的个性化需求为用户提供个性化服务[4]。目前一些图书馆在数字阅读推广服务方面存在着信息系统推荐结果与用户个性化需求不匹配的问题。为此,可以充分利用动态精准画像技术帮助图书馆进行深度的数据挖掘,全面分析用户的专业背景,并可以依托聚类算法和关联规则,获得与用户需求相匹配的结果,进一步促进服务系统优化,根据用户的个性化需求,为用户提供满意的个性化服务解决方案,提高数字阅读推广服务的精准性。
1.3 解决异构化数据统一处理的难题
与其他分析用户专业背景及数据的技术相比,动态精准画像技术已经具备了较为成熟的应用经验,能为高校图书馆分析用户需求、收集用户数据过程中,提供丰富的建模方法和成熟的应用体系,高校图书馆可以利用自身数据资源优势,积极引入动态精准画像技术,对用户的行为数据采集分析,形成完整的动态精准画像。但是高校图书馆在用户数据处理方面,面临的一大难题就是如何针对海量的异构化数据统一处理与汇总,而构建用户画像需要海量数据资源的支持,这也就需要高校图书馆做好不同种类数据、不同类型数据的转换工作。为了有效降低数据处理成本,图书馆可以与第三方外包公司合作引入专业的技术或软件对数据有效处理,以保障用户画像可以有效构建出来[5]。
2 高校图书馆数字阅读推广过程中用户画像构建流程
高校图书馆用户精准动态画像的形成很大程度上源于大数据技术的支持,借助大数据分析用户的信息全貌,准确定位用户的需求。根据精准动态画像的技术特点,高校图书馆在数字阅读推广过程构建用户精准画像可分为3个步骤,即面向用户的数据采集、用户模型构建与用户画像描述。如图1所示。
图1 用户精准动态画像的构建流程
2.1 面向用户的数据采集
高校图书馆在数字阅读推广服务过程中需要借助传感器、线上服务系统、社交媒体等工具,多渠道采集用户数据。一些反映用户行为偏好的信息数据,如年龄、姓名、教育背景、爱好,可以从线上服务系统获取。在图书馆的阅读管理系统中,可以搜集到用户经常借阅的书目信息、书籍借阅次数与用户对图书馆服务的反馈。从社交媒体中,可以搜集到用户的住址、教育背景、社交账号等信息。图书馆面向用户的数据采集可以将用户的基本信息划分为静态数据、动态数据两大类,可以采用数据挖掘工具对搜集到的基础数据统计分析[6]。对于用户的基础属性划分,可以从用户的阅读行为、书籍借阅次数等静态数据着手,对于反映用户行为的动态数据可以使用“网络爬虫”从用户经常使用的操作界面爬取、识别、利用数据。
2.2 用户模型构建
高校图书馆在获取用户大量的信息数据后,可通过数据挖掘、聚类分析、关联等方法对用户的数据筛选、清洗、处理,去除不能反映用户行为偏好和动态行为特征的冗余数据,找到推进用户模型构建的关键信息。高校图书馆在数字阅读推广服务开展之前可以面向用户构建管理系统,借助用户管理系统对用户的数据整合,对不同类型的数据信息要分类处理,如用户的阅读行为数据、社会关系信息、教育程度信息等。在获得用户的动态数据后,需要按照大数据关联规则,对反映用户行为特征的抽象数据按照一定的规则进行分析,将其转换为可视化的信息数据,能让人们可理解,并找到不同类型数据之间的关系,建立反映用户属性的标签系统,同时,还需要进一步挖掘反映用户性格偏好的特征数据,便于后期对用户身份识别。
2.3 用户画像描述
高校图书馆对用户画像描述,是以对用户特征和行为偏好为标记进行的,需要建立标签数据库,将用户的兴趣、习惯、专业知识信息囊括进去。在实现过程中需要以可视化的方式将这些信息数据反映出来,并对具有相同标签特征的用户数据对比分析,对用户实现全方位的判断和评价,形成以用户为中心的标签系统。实现用户数据可视化主要是将抽象数据以视觉可识别的方式呈现出来,发现用户的个性化需求,将反映用户特征的模糊画像逐步填充成精准画像,实现对用户的精准识别。用户在享受高校图书馆数字阅读推广服务中,具有个性化需求,用户群可能具有群体需求,高校图书馆可以根据用户或是用户群的需求特点建立反映用户个体或是群体的精准动态画像。精准动态画像需要反映用户属性,需从时间、空间、基础数据、资源类型多个角度开展,要掌握不同用户群的变化趋势和行为特征,将这些用户划分为不同的类型,如内涵型、活跃型、创造型等,根据这些用户群的具体需求有针对性地开展数字阅读推广服务,增强数字阅读推广与用户之间的黏性。
3 基于动态精准画像的高校图书馆数字阅读推广服务系统建构
高校图书馆数字阅读推广服务是在精准定位用户个性化需求基础上,从海量价值密度稀疏的数据资源中挖掘出有价值的数字资源,主动推送给用户的过程。根据用户的个性化需求和图书馆现有的数字服务系统,可设计出展现用户全部需求特点和行为偏好的数字阅读推广服务系统,以精准定位用户的个性化需求,向用户精准推送数字资源(如图2所示)。
图2 基于精准动态画像的高校图书馆数字阅读推广服务系统
3.1 用户数据处理层
高校图书馆在数字阅读推广服务过程中的数据来源有多种途径,而且这些信息数据不仅包括用户的基础信息数据,还包含着信息系统中的管理数据,如结构化、半结构化数据等,因此图书馆在面向提供数字阅读推广之前要以统一的智能终端对用户数据搜集,可以通过让用户先下载APP实现对用户数据的统一搜集。为了提升数字阅读推广服务的精准性,高校图书馆还可以借助动态数据采集技术,从用户使用的社交媒体中搜集用户的动态数据,也可以通过智能手机自带的GPS软件搜集用户的实时位置数据,掌握用户一天的行为轨迹,及时改善用户的动态画像。
3.2 大数据分析层
在完成用户数据采集工作后就要对用户数据进行分析,高校图书馆基于动态精准画像可以对用户数据统计、分析、归类、过滤、清洗,并从用户的行为偏好、阅读兴趣、生活习惯等角度,设置出表示用户不同行为动态的标签,便于后期基于用户的数据构建用户画像。由于高校图书馆服务的是具有不同需求的用户群体,需要将具有相似兴趣及习惯的用户聚集起来,组建出用户兴趣集合,挖掘这一类用户的个性化需求,实现数字阅读推广服务的个性化推荐。当高校图书馆具有了足够多的用户数据后,便于借助大数据分析技术综合分析用户的行为关系网,挖掘出用户数据的潜在含义,建立以用户为中心的大数据分析模型,逐步健全用户的动态画像结构。
3.3 服务实现层
基于动态精准画像的高校图书馆数字阅读推广服务本质上是在前期勾勒出用户的精准动态画像后,结合大数据技术对用户的行为偏好和潜在需求精准分析,掌握用户的个性化需求变化,通过精准定位用户的个性化需求为用户提供数字资源。高校图书馆的管理系统需要对数字资源组织、分类和筛选,通过精准定位用户的需求偏好,借助线上服务系统、移动终端以个性化定制的方式为用户推荐数字资源。由于用户的需求处于动态变化中,高校图书馆需要时刻监测用户个性化需求变化情况,根据用户反馈的需求变化数据重新调整或是绘制用户的画像,对数字阅读推广服务系统进行必要的升级,可随时解决用户的个性化需求问题。
4 基于动态精准画像的高校图书馆数字阅读推广服务模式
高校图书馆使用基于动态精准画像的数字阅读推广服务系统,可随时实现用户个性化需求与数字资源之间的高效对接。为了进一步提升数字阅读推广服务的精准性,高校图书馆需要详细划分用户群体的类型,针对用户的个性化需求深度挖掘,提高自身的服务能力。
4.1 对核心用户群的信息推送
高校图书馆使用动态精准画像的一项重要基础就是要精准定位核心用户群,通过勾勒出核心用户群的动态精准画像,增强用户与数字资源之间的黏性。高校图书馆通过搜集用户的基本信息和动态数据,勾勒出反映用户行为的精准动态画像挖掘用户的潜在需求,通过数字阅读推广服务系统将数字资源推广出去,实现用户个性化需求与数字资源之间的匹配。由于用户在使用高校图书馆过程中很难留下全部“痕迹”,难以侦测出用户的全部数据,这就需要从基础信息角度出发积累用户数据,当用户数据积累达到一定规模后,就能更精准勾勒出用户的画像。通常情况下,高校图书馆可以设置协同过滤机制,主动预测用户的需求变化情况,将主要用户筛选出来,做好用户的需求挖掘,主动向用户推送高价值的数字资源。
4.2 面向群体用户的精准数字阅读推广服务
目前,图书馆为提高自身数字阅读推广服务能力,会采用诸如线上讲座、发放知识宣传手册、发放广告订单的方式进行知识服务,虽然这些阅读推广方式简单易行,但是无法真实了解用户的核心需求,无法保障宣传效果。图书馆采用动态精准画像技术后能针对用户产生的海量数据深入挖掘与精准分析,在建立用户行为模型后,汇聚具有相似特征的用户群体,在精准挖掘用户群需求后,构建与用户个性化需求相匹配的数字阅读推广服务内容,这不仅能降低数字阅读推广服务成本,也可以使数字阅读推广服务更具针对性。如对于专业课题组提供的数字阅读推广服务,图书馆可以根据用户画像数据库中的资源,根据不同用户的专业背景、检索方式、阅读习惯,将目标用户群分为多个小群体,根据他们的行为偏好分别为他们提供知识资源,以有效提升数字阅读推广服务效率与精准性。
4.3 面向群体用户提供个性化数字阅读推广服务
很多用户在使用图书馆过程中留下的行为数据并不完整,一些关键性行为数据的欠缺造成图书馆很难勾勒出用户完整的画像,这就需要根据系统构建用户画像的基本规则,将具有相似特征的用户纳入到相应的群体中,在对用户需求精准评估后为这些群体用户提供个性化数字阅读推广服务。图书馆首先可以通过采集用户的静态数据,采用聚类优化的方法划分用户群,针对用户不同的行为特征设置不同的标签,然后精准分析这些用户群的兴趣爱好,使用系统为他们提供个性化服务。例如,根据用户画像可以判定年龄20—35岁的男性群体,对企业、管理、商务这些内容更感兴趣,为他们提供个性化数字阅读推广服务不是最终目的,图书馆最终目的是使个性化数字阅读推广服务内容更贴合用户的实际需求,能与用户之间形成有效的互动模式。这就需要图书馆能全面做好用户的个性化数字阅读推广服务反馈工作,为用户提供满意的数字阅读推广服务内容,使数字阅读推广服务模式更具效能。
5 结语
伴随科学技术的快速发展,大数据技术、云计算技术、人工智能技术在商业服务领域得到了广泛应用,高校图书馆作为社会中重要的知识服务机构,需要引入大数据技术、人工智能技术搜集用户信息,判断用户的个性化需求,从不同的维度勾勒用户动态精准画像,更好地分析用户的需求,勾勒出反映用户全部动态特征的精准画像,实现精准化的数字阅读推广服务,使用户的个性化需求与服务内容高度匹配,有效提升数字阅读推广服务的质量。