基于新零售环境下用户画像的构建

王曦

【摘 要】新零售是以消费者体验为中心、数据驱动的泛零售形态。在新零售环境下，重构“人-货-场”场景时消费者是重点关注的因素。新零售环境下用户画像的构建是围绕消费者的基本属性、消费行为和基于时间空间特征3个维度，为新零售平台提供精准营销，如推送内容的个性化和推送时间的个性化具有重要意义。文章以“校区乐购”新零售平台为对象，从消费者基本特征、消费行为和时间空间特征3个维度构建用户画像，并开展画像标签分析。结果表明，构建的用户画像能反映出新零售環境下的消费者基本属性、行为、购物周期等特征，并对“校区乐购”新零售生活服务平台具有一定应用价值。

【关键词】用户画像;新零售;标签

【中图分类号】F713.32 【文献标识码】A 【文章编号】1674-0688（2021）01-0228-03

0 引言

新零售是随着移动互联网的发展而产生的一种超越电子商务、移动商务、地产零售的全新业态，是以消费者体验为中心、数据驱动的泛零售形态，包含新零售、新电商、本地O2O、泛娱乐、新媒体、新金融、新物流、新制造等范畴[1]。新零售最大的特点是线上线下融合、多场景多维度、技术和数据赋能、线上和线下相互导流和彼此叠加，带来全新的场景模式。面对新零售用户数量的激增和信息的巨量增长，如何更好地在新零售时代为用户提供个性化的服务，使用户获得最佳用户体验，是一个急需解决的问题。

1 用户画像

用户画像是用来勾画用户的背景、特征、性格、行为场景等内容，旨在从海量用户行为数据中“炼银挖金”，通过数据分析后获取的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型，贴近地抽象出一个或一类用户的信息全貌，从而帮助互联网企业解决将数据转化为商业价值的问题[2]。

可从消费者的基本属性、消费行为和基于时间空间特征3个维度设计一套具体、可操作的用户画像构建流程，包括数据采集、处理与建模、用户画像生成3个阶段，从而为用户画像在新零售平台的应用提供支撑。本文以“校区乐购”新零售平台为对象，从消费者基本特征、消费行为和时间空间特征3个维度构建用户画像，并开展画像标签分析。结果表明，构建的用户画像能反映出新零售环境下消费者的基本属性、行为、购物周期等特征，并对“校区乐购”新零售生活服务平台具有一定应用价值。

2 基于新零售环境下用户画像构建

2.1 用户画像构建框架

新零售的“新”主要体现在新业态、新人群、新品牌、新技术[3]。我们主要关注新零售环境下新人群的用户画像的构建。消费者在O2O平台上的购买过程大概包括商品搜寻、商品比较、下单、体验和分享4个阶段。企业对消费者的用户资料和购物过程的数据进行跟踪与积累后，构建用户画像。用户画像有助于企业了解用户深层次的需求和对用户的喜好进行推荐，在整个购买过程中与消费者互动，帮助企业实现精准营销。

在新零售“人-货-场”的环境下，构建的用户画像框架如图1所示。

2.2 用户画像构建流程

第一步：数据采集。在新零售环境下，时时刻刻都在产生大量的消费者数据，例如交易数据、用户属性和行为数据、网络日志数据等，且数据的存储形式多是结构化数据、半结构化数据和非结构化数据。

第二步：数据处理和建模。海量的数据要经过抽取、转换、“清洗”后才能够成为可用的数据，成为用户画像模型的输入数据。应用数据挖掘、聚类算法、自然语言处理、机器学习、特征工程等技术构建用户多维度模型，分析挖掘用户特征。

第三步：用户画像生成。通过数据处理和建模后的结果，画像生成标签。生成的画像维度为基于基本属性的用户画像、基于消费行为特征的用户画像、基于社交特征的用户画像，这3个维度的画像将应用于新零售具体场景，做好精准营销、个性化推荐和个性化搜索等。

3 基于“校区乐购”新零售平台的用户画像构建案例

3.1 研究目的

“校区乐购”是一个多校区定位的B2C多用户新零售电商生活服务平台，有线下门店和线上网店。网店可以支持电脑平台、手机移动端、微信小程序访问，有众多创新功能。本研究以“校区乐购”新零售平台的用户为研究对象，围绕用户画像模型的基本属性特征、消费者行为特征和基于时间空间特征3个维度，通过基于新零售环境下的用户画像构建流程探究并输出用户画像。

3.2 数据收集

本研究从用户的基本属性、消费行为特征和基于时间空间特征3个维度开展数据收集。

3.2.1 用户基本属性的数据收集

通过平台用户注册提交的信息，具体包括性别、年龄、星座、血型、职业、收入等。在“校区乐购”的会员列表中我们选取了12 192个记录作为数据收集样本。其中，男性会员有6 498人，占53.3%;女性会员有5 694人，占46.7%。按年龄段来分，18～30岁有12 024人，占98.6%;31～50岁有155人，占1.3%;50岁以上有12人，占0.1%。

3.2.2 用户消费行为特征数据收集

本研究收集了“校区乐购”平台上的数据日志，得到有关消费者的订单列表37 650条记录。通过这些记录，为提取购买行为、浏览行为、评论行为、收藏行为、取消收藏行为、加入购物车行为、搜索行为做准备。通过用户消费行为特征分析，可以帮助商家和消费者建立强关系。消费者和商家的关系大致有随机关系、强关系和弱关系3种。随机关系指消费者随便进店逛一下只看不买，或者是有过一次购买后再也没来，无法获取顾客联系方式。弱关系指消费者会因为价格因素选择其他品牌，虽然商家获取了消费者的联系方式，但与消费者的关系较弱。强关系指的是消费者对商家的品牌很忠诚，复购率高，乐于分享购物体验和给出评论，并能带来潜在新客户。新零售以消费者为中心，必须对每个消费者进行精准营销，大量获取随机关系消费者，用心转化成为强关系客户，还可以通过线上线下会员等级、积分、消费和服务，进行标签化，实现个性化推送。

3.2.3 基于时间和空间特征数据收集

新零售时代，吸引消费者从线上走进线下实体店，必须对消费者的需求、消费习惯和偏好有一定认知，这样才能有针对性地提供对其有吸引力的产品、服务和场景，因此基于时间和空间特征数据信息尤为重要。本研究收集了“校区乐购”平台上的包含时间和空间特征的数据37 650条记录，通过消费者交易时间和交易地点的信息，可以对该消费者的未来购买行为等内容进行推测。

3.3 用户画像标签

3.3.1 基于用户基本属性维度下的用户画像标签

“校区乐购”平台上用户的基本属性标签有性别、年龄等。本研究选取性别作为消费者基本特征的评价依据。利用SPSS22.0软件环境下进行数据分析（见表1），可以得到聚类1为金牌会员，聚类2铜牌会员，聚类3为普通会员。

3.3.2 基于用户消费行为特征维度下的用户画像标签

根据消费者历史订单和浏览行为数据，基于用户消费行为特征维度下的用户画像标签能够实现推送内容的个性化，实现千人千面。利用SPSS22.0软件环境下进行K-Means数据分析，对商品类别进行用户偏好聚类分析（见表2），得出基于用户偏好的4类用户：聚类1为偏好休闲零食客户，聚类2为偏好冰品饮料客户，聚类3为偏好方便速食客户，聚类4为偏好日用百货的客户。

3.3.3 基于时间和空间特征维度下的用户画像标签

在合适的时间，通过最佳的运营渠道，给消费者传递最感兴趣的内容。基于消费的历史浏览和购买时间，推测出消费者最容易被营销触动的时间和地点，在合适的时间和地点给用户发送营销消息。基于时间和空间特征维度下的用户画像标签帮助实现推送时间的个性化。将“校区乐购”平台上的数据进行基于空间特征分析，生成的3种聚类（见表3）。其中，聚类1为重要保持客户，聚类2为重要发展客户，聚类3为低价值客户。

RFM模型中有3个重要的消费者行为指标，其中R（Recency）指当时用户最近一次交易时间的间隔，F（Frequency）指用户在最近一段时间内交易的次数，M（Monetary）指客户在最近一段时间内交易的金额。将“校区乐购”平台收集的数据对消费者进行聚类，生成用户画像，从而对不同类别的消费者采用不同的营销手段。

R、F、M评分都很高，说明该用户最近消费时间近，消费频次和消费金额都很高，称为重要价值客户，客户等级为A级。R很低，F、M很高，说明该用户最近消费时间较远，但消费频次和金额都很高，称为重要保持客户，客户等级为B级。R、M低，F高，说明该用户最近消费时间较远，金额也不高，当消费频次高，称为一般价值客户，客户等级为C级。利用SPSS22.0软件进行数据分析，对用户进行用RFM分析和聚类分析（见表4）。

通过分析，聚类1为重要价值用户，需要重视高价值用户，可以通过提高服务满意度来防止此类用户流失。聚类2为重要保持用户，这类用户需要维护，分析其偏好，更精准地推送商品。聚类3为一般价值用户，一般价值用户需要营销推广方式，如通过发放优惠券、短信互动等折扣方式来提高购买金额。

4 结语

在新零售领域下的用户画像因为平台的不同，所以给出一个普遍适用的数据画像模型并不容易。本文以“校区乐购”新零售平台数据为基础来构建用户画像，提出了基于用户画像的构建方法和标签体系。本文的主要贡献是结合新零售环境下用户特点，将用户画像划分为3个维度，即基于用户基本属性维度下的用户画像、基于用户消费行为特征维度下的用户画像和基于时间和空间特征维度下的用户画像，并以“校区乐购”平台上的数据为例，通过数据分析生成了3个维度的用户画像结果。本文所述研究内容还有需要完善的地方，如需要给出更多维度的用户画像模型，结合推荐算法还需要进一步验证用户画像的适用性，这也是下一步的研究重点。

参 考 文 献

[1]杜睿云，蒋侃.新零售：内涵、发展动因与关键问题[J].价格理论与实践，2017（2）：139-141.

[2]趙树梅，徐晓红.“新零售”的含义、模式及发展路径[J].中国流通经济，2017，31（5）：12-20.

[3]鄢章华，刘蕾.“新零售”的概念、研究框架与发展趋势[J].中国流通经济，2017（10）：12-19.