用户画像技术及其在科技特派员服务领域的应用研究进展

蔡明成，范守城，杨 艳，王家喜，袁术平

（重庆生产力促进中心，重庆 401147）

1999 年，福建省南平市为解决“三农”问题创建了以科技特派员为主题的新型农村科技服务体制机制。20多年来，科技特派员以“做给农民看、带着农民干、帮着农民赚”的方式深入农民生产生活，成为了农村创新创业的主体和农村科技服务的主力军之一。2022 年，中央一号文件再次明确提出“深入推行科技特派员制度”，同时强调“推进智慧农业发展”“着眼解决实际问题，拓展农业农村大数据应用场景”。因此，在迈进大力推进农业农村高质量发展，全面实施乡村全面振兴的新时期，进一步壮大科技特派员队伍，提高科技服务水平，做好科技助农兴农，是推动农业科技创新的重要助力。

如今，科技服务进入大数据时代，面临着关键信息难以识别、数据缺乏关联、人工依赖度高等难题。如何利用大数据提高科技服务的智能化、精准化水平是需要解决的重要方面之一。用户画像作为一种数据分析手段，可精准分析用户特征，成为近几年来较为热门的数据分析工具[1]。可以预见，随着大数据的不断应用，用户画像应用于科技特派员服务领域，有利于科技特派员精准对接、农业技术、农业信息精准推送，以及农产品的精准营销等。然而，在科技特派员服务领域中，用户画像技术的研究较为缺乏，相关的实践应用也较少。本文介绍用户画像的概念，梳理该技术的主要实现流程，综述用户画像在科技特派员科技服务领域的应用，以期为该技术的研究与进一步应用提供重要思路。

1 用户画像技术的研究及应用进展

1.1 用户画像的概念和特征

用户画像的基础源于深入挖掘的用户大数据，是对用户数据特征的真实反映[2]。随着用户画像技术的更迭与应用拓展，其定义得到了补充，认为用户画像不仅可作为单个用户的标签化，也是包含大量用户信息的一个集合，可代表群体用户的偏好。此外，随着大数据技术的发展，用户画像出现了新的内涵。有研究认为，用户画像是基于大数据的数学模型，是将现实用户的抽象化体现，其主要核心内容是构建用户标签体系。另一方面，用户画像是将大数据技术和用户数据进行有效连接，提取用户的特征属性并将其标签化，每个标签代表用户的一种维度，所构建的用户模型由全部标签共同进行描述[3]。

用户画像的特征主要包括基本性、真实性、同理性、独特性、目标性和应用性[4]。针对不同的时期和不同学科领域来说，对用户画像的特征理解存在一定的差异，但是其特征核心是保持一致的。例如，徐芳等研究认为，在以用户实际信息数据为基础构建的虚拟画像模型中，具备了全面性、代表性及真实性等特征[5]。

1.2 用户画像构建的主要流程

用户画像的实现包括数据收集、用户画像模型构建、画像更新三个方面，其过程如图1所示。

图1 用户画像实现过程

1.2.1 数据收集

用户画像构建的基础工作是用户多维度的信息数据收集，其中数据的完整程度和有效性是影响画像模型是否精准的重要因素。现有的数据收集方式多样，例如可以通过深度访谈、问卷调查直接获取，但这种方式较繁琐且无法持续更新；另外，可以通过编写程序或数据采集器进行数据爬取，其优点是时效性较强并且非结构化。另外，对于挖掘到的用户数据，通常会分为2 大类，即用户维度和领域维度。其中，用户维度主要包括用户的人口统计信息，如姓名、年龄等，一般可在用户的注册或申请信息中获得稳定的相关数据；领域相关数据主要由用户的职业行为、心理、兴趣等组成（见图2），存在数据量大、变化快等特点，需对其进行阶段性更新。

图2 用户数据的分类

1.2.2 用户画像的模型构建

已有研究表明，用户画像的构建方法可分为基于统计方法的建模和基于模型的建模。基于统计的建模是以数学方法为基础，对收集的各种数据（或数据占比）进行量化处理，随后针对量化后的各项指标进行分析。如Beneventuto 等利用统计方法对社交网络用户进行分析，分别对网络会话的间隔时间和会话长度分布进行最佳拟合，并对各网络用户的活动频率进行分析，进一步揭示个人对其他用户相关资料（如简历、照片、视频等）的访问频次[6]。陈锦辉利用高校学生的基本属性、行为特征等数据，统计分析了不同特征的用户数量及分布，建立了高校学生用户画像系统[7]。如今，基于模型构建用户画像运用更多，如利用向量空间模型、贝叶斯网络等来进行建模，其优势是在结构化数据的基础上，可实现对非结构化数据的更深入分析，构建全面、精准的用户画像模型。然而，基于模型构建的用户画像存在扩展性相对较低的缺点，且易受数据稀疏性的影响，可能出现结果的偏差。因此，对用户画像模型的构建还需要深入研究，也具有巨大的潜力。

1.2.3 用户画像的动态更新

在用户画像过程中，离线数据仅能对用户短期内的偏好进行统计，导致用户画像出现偏差。因此，针对不断更新、增多的数据量，通常采用基于以往衰减规律、基于时间窗口或基于反馈等方法用于用户画像更新。如郝水龙在基于层次向量空间模型的研究中，设计了用户兴趣模型表示和实时更新机制，并且在已有的研究基础上，设计并改进了针对用户兴趣的自适应机制，最终实现了用户兴趣的动态实时更新[8]。而王颖舒等建立了增量数据实现模型，依据其算法规则，存储并生成了不同版本的用于兴趣偏好模型，以此为基础用于兴趣模型的更新计算，从而达到用户画像更新的目的[9]。

2 用户画像在科技特派员服务领域中的应用

2.1 科技专家的画像研究

目前，尚未有以科技特派员大数据为基础的用户画像研究，但针对科技专家的画像研究较多。如陈文俊等以专家画像在评标管理中的应用为背景，对专家画像评价维度和各个维度的评价标准进行量化，可基本反映专家的特性，且具有较好实用性[10]。另外，在专家同行评议推荐中，聂志璇通过网络爬取专家相关数据，设计了专家的用户画像模型，并采用了生产与库存管理的相关方法进行后续更新，可对各领域专家进行精准推荐，在召回率、精准性和综合评定指标中均有显著提升[11]。胡承芳等通过建立澜湄水资源合作领域专家库系统，构建了基于时空属性的用户画像和人才画像模型，实现了基于澜湄合作需求的人才智能推荐，进一步实现了以大数据为基础的专家智能推荐支持[12]。以上研究表明，利用专家大数据进行用户画像，可有效解决专家信息共享途径缺乏、信息来源单一、推荐精准性不足等问题。可以预见，将用户画像技术应用于科技特派员的选派、服务等过程中是推动科技特派员服务工作的有效途径之一。

2.2 农业企业/农户的画像研究

如今，我国农业信息化发展势头迅猛，与“三农”相关的几乎所有企业、农户、合作社等的信息化水平也在不断改进与提高，但在发展过程中表现出了数据量的爆发式增长。因此，如何在大量数据中深入提取企业、农户的自身特点、发展趋势、发展需求等是急需解决的问题。为完成农业企业画像系统的构建，窦旭蒙提出并建立了一套标准的数据存储方案和成熟的数据缓存方案，该方案的应用将有效推动农业企业的生产发展[13]。在对农户的用户画像研究方面，针对农户的特征性描述研究较多，为农户的画像及其他业务应用提供了重要的基础支撑。有研究对7 000多名推特用户进行了问卷调查，主要收集了对农业相关信息的了解程度和自身需求等数据，利用用户本体概念对农户进行了画像，有效分析了农户的农业信息传播行为[14]。另外，为了进一步对农户的潜在需求进行分析，构建群体农户画像具有重要的意义。如张辰姊利用K-means 算法分析了大量农户的信息需求，利用非参数检验法对不同农户群体的信息需求差异进行鉴定，最后深入分析了农户信息需求与来源渠道之间的关系，为全面深入剖析农户的需求提供了重要的数据支撑，也为科技特派员精准对接与服务提供了理论依据[15]。

2.3 用户画像在农产品精准营销的研究与应用

农业发展需要新的动力，在科技特派员制度的推行下，农业企业、种养殖大户、农户等的农产品产量得到提升，但如何从农产品销售端提高其收入仍是需解决的问题。黄佳如等以徐州牛蒡酱为研究对象，通过在多个互联网平台（如百度、京东等）收集相关数据并进行分析，构建了徐州牛蒡酱的用户画像模型，针对性地提出了牛蒡酱的营销方案[16]。赵芳华等以香油制品为例，以香油现有市场、用户和产品信息为基础，构建了与香油密切相关的多维度的用户画像，并以此作为品牌服务策略实施的重要依据[17]。除了针对农产品画像的精准营销策略之外，在传统农产品的管理和营销模式方面，胡欣从数字展会的角度出发，提出了基于大数据分析的运作模式，可有针对性地展出农产品给参展群体，以此带动相关农业产业发展[18]。杨路明等提出应建立以大数据为基础的可供网上交易渠道的云南农产品网站，推动农产品的精准营销，实现农产品信息的完整与对称[19]。杜柯籽等从云南省农业会展角度出发，利用GCN 图卷积神经网络模型，构建了农业展会参与者的用户画像，并进行预测分析，最终设计并建立了应用于农产品展会中的精准推荐系统，该系统的应用将提高农业展会用户匹配的精准度，促进农产品的交易[20]。

3 总结与展望

在实践过程中，科技特派员的服务情况、服务评价等随时将发生变化，农业企业、合作社、农户等的需求、偏好等受到多种因素的影响，呈现出多样性、潜在性的特点，但已有的用户画像中，如科技特派员、企业、农户等主要是静态画像，因此，在用户的时效性数据方面，如何建立一种实时更新机制，以保障用户画像的动态更新和精准刻画，是该技术在科技特派员服务领域急需解决的问题。

如前所述，用户画像技术已在科技专家、农户、农产品等相关领域得到广泛应用。因此，可利用用户画像技术从基本信息、学术领域、服务评价等多维度对科技特派员进行画像，实现科技特派员与农业企业、合作社、种养殖大户等的精准对接和服务。另外，科技特派员科技服务在产业末端的农产品销售端尚存在诸多不足。在数字农业和智慧农业不断推进与发展的时期，对企业、农户、农产品等数据（如农产品信息、人群需求特点、市场现状趋势等）的存储与收集等也得到不断丰富与提升，将为用户画像的进一步应用提供良好的数据基础。可以预测，未来的用户画像技术将在科技特派员精准对接和服务，科技特派员服务的农产品精准营销，以及农民生产和消费等各个方面得到更加广泛的应用，为进一步推动乡村振兴提供重要的技术支撑。