用户画像技术及其应用分析.doc

用户画像技术及其应用分析
　　摘 要：本研究从用户画像的发展背景、构建流程以及应用现状等方面对用户画像进行了分析。用户画像的构建主要包含数据采集、用户标签的提取、用户画像的构建三个步骤。以淘宝为例，介绍了用户画像在电商领域的应用。，企业可以得到不同的信息，从而构建不同的“用户画像”。数据的采集和挖掘完成以后，通过对所挖掘信息进行分析、抽取、提炼，从而形成高度概括、能准确精炼地表示用户的某种特性或属性的“标签”。用户标签分为静态标签以及动态标签。静态标签指能够保持稳定、具有先天性的用户标签，如人口属性、人格等。动态标签指行为和结果标签，其数据来源于用户的网络行为痕迹数据，是具有动态特性的用户标签，有更新频繁、稳定性差的特点。用户画像模型的构建是指使用上述的用户标签集合构建出用户模型，从而描绘出实际用户的虚拟模型的过程。
　　2 用户画像的应用
　　 电子商务商品推荐
　　现阶段，网购已经成为人们主要的购物方式。人们在浏览、购买商品时其行为会被记录下来，形成海量的电子商务大数据。对电商平台来说，其往往面临顾客数量大、商品繁杂等困难，如何充分地利用这些海量的数据向用户精准推送商品成为提高用户体验及产品竞争力的关键[3]。信息的检索、筛选和推送与电商的发展密切相关。在对海量用户行为数据分析、构建出用户画像的前提下，商家能够据此获得消费者的虚拟用户形象、用户偏好与需求，从而为用户提供个性化的产品与服务。构建电商用户画像需要采集的数据包括静态的个人资料以及动态的用户的行为信息如注册、浏览、点击、购买、签收、评价、收藏、加入购物车等。
　　阿里巴巴電商平台——淘宝根据商品的品牌、类型、适用场景、上市时间、所属店铺以及折扣和服务等将商品划分为多个品类，借助预先构建的用户标签会在APP的首页“猜你喜欢”栏目中为用户推荐商品，实现个性化营销。用户画像技术的应用可以有效地使大部分纠结购买哪件商品的用户找到适合自己的商品，使在购物过程中目的性较低的用户浏览到适合自己的商品，从而增加平台的销售额与竞争力。在用户购买了所需的商品以后，APP会弹出“购买了该商品的人还购买了”的栏目。这种精准推荐服务将具有“购买了某件商品”标签的用户划分为同一群体，并向该用户推荐同一群体中其他用户购买的商品，由此实现了提高平台销售额的效果。
　　 音乐个性化推荐
　　现阶段，各类音乐APP十分普及，音乐APP可以为用户提供海量的音乐，包括不同的音乐风格、表达的情感、语种、年代。大多数情况下用户是被动地接收音乐APP推送的歌曲。如何精准的推送用户感兴趣的歌曲成为各大音乐APP改善用户体验、提升产品竞争力的关键[4]。尽管音乐APP可以通过实地调查了解用户的年龄比例、音乐偏好来提高推送的精准度，但这样不仅需要消耗大量人力，而且只能实现对部分典型用户的较准确推荐，无法达到个性化推送的程度。在音乐APP中，用户画像最基本的应用即是通过海量的用户数据，对现有的用户进行分析、抽取并提炼出用户标签，形成用户画像，从而划分不同群组，由此对同一群体的用户推送特定的音乐。歌曲通常具有自然标签如歌曲风格、表达的情感、歌词的主题等，此类标签可以与用户标签进行匹配，从而为用户进行精准推荐。
　　通过搜集用户的行为数据可以了解单个用户对某种音乐的喜好，将用户进行划分，根据用户