基于大數(shù)據(jù)的用戶畫像構(gòu)建及用戶體驗(yàn)優(yōu)化策略*

□文│許志強(qiáng) 徐瑾鈺

從工業(yè)視覺(jué)到計(jì)算機(jī)視覺(jué)、從人機(jī)交互到智能駕駛、從虛擬現(xiàn)實(shí)到物體自動(dòng)識(shí)別、從智能解釋到遙感解譯，大數(shù)據(jù)正在像水電煤氣一樣持續(xù)為人類造福，并成為了信息基礎(chǔ)設(shè)施中不可或缺的重要一環(huán)。大數(shù)據(jù)環(huán)境下的智能互聯(lián)平臺(tái)，一方面可將具有海量、異構(gòu)、多維、多尺度等特性的用戶數(shù)據(jù)從終端匯聚到云端并進(jìn)行實(shí)時(shí)監(jiān)測(cè)、分析和管理，另一方面無(wú)所不在、具備自我學(xué)習(xí)能力的終端又能不斷地從云端汲取智慧，如此正向循環(huán)，成就著“大數(shù)據(jù)”向“智數(shù)據(jù)”的過(guò)渡。

一、大數(shù)據(jù)、用戶畫像與用戶體驗(yàn)

在整個(gè)世界都由算法控制的互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，數(shù)據(jù)基于用戶行為而生，大數(shù)據(jù)通過(guò)“量化一切”實(shí)現(xiàn)了世界的數(shù)據(jù)化?；诖髷?shù)據(jù)的思維和工具，使得人類不僅可更快地通過(guò)智能設(shè)備完成數(shù)據(jù)采集、沉淀與歸類等，還可得到用戶的各種畫像。這種變遷將對(duì)促進(jìn)計(jì)算機(jī)與外部世界內(nèi)容驅(qū)動(dòng)和交互方式的演變，甚至對(duì)促進(jìn)外部世界按照智能合約更加智慧的運(yùn)行。

1.大數(shù)據(jù)

數(shù)字時(shí)代，大數(shù)據(jù)實(shí)現(xiàn)了從“數(shù)據(jù)→信息→知識(shí)→決策”的一整套數(shù)據(jù)到應(yīng)用變現(xiàn)，[1]并從提供數(shù)據(jù)支持的低級(jí)階段進(jìn)入到了擁有自身獨(dú)立產(chǎn)業(yè)鏈的高級(jí)階段。[2]站在哲學(xué)的高度理解，大數(shù)據(jù)既可以描述客觀物理世界，又可以刻畫人類精神世界和人類社會(huì)，是融合“人類社會(huì)（Human society）-信息空間（Cyberspace）-物理空間（Physical space）”三元世界的紐帶（見(jiàn)圖1）。[3]

圖1 大數(shù)據(jù)：三元世界的紐帶

2.用戶畫像

數(shù)字時(shí)代，用戶數(shù)據(jù)（包括人口學(xué)特征、設(shè)備信息、商業(yè)屬性等相對(duì)穩(wěn)定的靜態(tài)數(shù)據(jù)和訪問(wèn)頻率與深度、停留時(shí)間、拖拽行為等實(shí)時(shí)變化的動(dòng)態(tài)數(shù)據(jù)）直接或間接地反映出了用戶行為習(xí)慣和態(tài)度偏好。若能將用戶所有的數(shù)據(jù)快速歸類與聚合分析并進(jìn)行標(biāo)簽、權(quán)重與模型化處理，便能抽象出一個(gè)標(biāo)簽化的用戶模型，即用戶畫像。

3.用戶體驗(yàn)

數(shù)字時(shí)代，傳統(tǒng)媒體“內(nèi)容為王”的深度優(yōu)勢(shì)不再，“渠道為王”“終端為王”的格局也難撐全局，而“以人為本”的設(shè)計(jì)理念得到了包括傳媒領(lǐng)域在內(nèi)的各個(gè)領(lǐng)域的廣泛認(rèn)可，使得“用戶為王”全面開(kāi)啟了新時(shí)代。由此可見(jiàn)，大數(shù)據(jù)與用戶體驗(yàn)亦為正向循環(huán)，大數(shù)據(jù)為優(yōu)化用戶體驗(yàn)提供了有力工具，用戶體驗(yàn)則為解鎖大數(shù)據(jù)提供了密鑰。

二、基于數(shù)據(jù)驅(qū)動(dòng)的用戶畫像生命周期管理思想

研究發(fā)現(xiàn)，基于用戶行為數(shù)據(jù)的用戶模型呈現(xiàn)實(shí)時(shí)動(dòng)態(tài)性。從訪客到陌生人到最后成為高凈值用戶，在構(gòu)建用戶畫像生命周期的不同階段，傳媒業(yè)界或可采取有針對(duì)性的拉新、轉(zhuǎn)化、留存等運(yùn)營(yíng)策略。

圖2 基于數(shù)據(jù)驅(qū)動(dòng)的用戶畫像生命周期

1.產(chǎn)品調(diào)研

一般采用市場(chǎng)需求調(diào)查、產(chǎn)品/服務(wù)使用現(xiàn)狀等方式來(lái)研究計(jì)劃所屬領(lǐng)域的整體用戶屬性特征，明確定位用戶，并通過(guò)用戶的人口統(tǒng)計(jì)、社會(huì)屬性、用戶消費(fèi)、用戶行為等基礎(chǔ)數(shù)據(jù)初步構(gòu)建起用戶畫像，從而完成對(duì)海量用戶基本情況的調(diào)研。

2.產(chǎn)品開(kāi)發(fā)

一般采用用戶體驗(yàn)、產(chǎn)品包裝與產(chǎn)品定價(jià)等方式來(lái)測(cè)試用戶與產(chǎn)品的匹配度。通過(guò)行為、用戶、資源維度逐層鉆取關(guān)聯(lián)分析得到更精準(zhǔn)細(xì)化的（用戶或資源）群體或行為現(xiàn)象，對(duì)用戶觸點(diǎn)的理解是核心，解決標(biāo)簽與算法分發(fā)權(quán)重是關(guān)鍵，如此方能構(gòu)建出包括用戶標(biāo)簽、時(shí)間、行為類型、接觸點(diǎn)（終端+內(nèi)容）等信息在內(nèi)的臨時(shí)用戶畫像模型。

3.產(chǎn)品營(yíng)銷

一般采用人群特征、廣告創(chuàng)意、媒介選擇與引流獲客等受眾與渠道分析的方式發(fā)現(xiàn)并獲取潛在客戶、引導(dǎo)客戶使用新產(chǎn)品并培養(yǎng)高凈值客戶。通過(guò)以上綜合評(píng)估媒介質(zhì)量及用戶的使用習(xí)慣助力廣告媒介的明智選擇，實(shí)現(xiàn)精準(zhǔn)投放。

4.產(chǎn)品售后

一般采用購(gòu)買行為、售后服務(wù)與神秘客等用戶體驗(yàn)與留存的方式來(lái)重新激活或延長(zhǎng)既得用戶生命周期。通過(guò)對(duì)用戶畫像數(shù)字價(jià)值發(fā)現(xiàn)與應(yīng)用不斷地由粗到細(xì)、由大變小的篩選、過(guò)濾、剔除不符合條件的數(shù)據(jù)結(jié)果集，并向用戶提供精確的服務(wù)指向，從而得到下一版本的用戶畫像的構(gòu)建指標(biāo)，如此循環(huán)、周而復(fù)始。

由此可見(jiàn)，消費(fèi)不再是媒體流程的結(jié)束，一切數(shù)據(jù)匯聚到后臺(tái)用戶畫像重構(gòu)，每一個(gè)數(shù)據(jù)升級(jí)又要求算法做出更高反饋，最終復(fù)原出一個(gè)個(gè)數(shù)字化的“完整人像”。從某種意義上講，人的思想、意識(shí)和行為方式，都可以通過(guò)數(shù)據(jù)的過(guò)濾及呈現(xiàn)，進(jìn)行控制與干擾等。傳媒機(jī)構(gòu)可借助用戶畫像生命周期管理的理念打通并優(yōu)化價(jià)值鏈，總結(jié)出適合自身目標(biāo)定位的營(yíng)銷策劃思路，選擇一種或多種傳播策略以多樣化的形態(tài)競(jìng)爭(zhēng)發(fā)展，最終在市場(chǎng)中立足扎根。

三、基于大數(shù)據(jù)的用戶畫像構(gòu)建

構(gòu)建用戶畫像，應(yīng)從用戶留在網(wǎng)絡(luò)上的“數(shù)字足跡”的采集、整理與歸類開(kāi)始，在形成用戶的個(gè)性化標(biāo)簽數(shù)據(jù)后，利用自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、聚類分析等技術(shù)將業(yè)務(wù)廣泛且復(fù)雜多變的多維度用戶標(biāo)簽融合為一體，再對(duì)其重要特征進(jìn)行分析、理解和可視化，從而更精準(zhǔn)地推斷出用戶真實(shí)需求（見(jiàn)圖3）。

圖3 用戶畫像構(gòu)建流程

1.數(shù)據(jù)采集與分析

伴隨著信息技術(shù)從“計(jì)算”“連接”再到“智慧”的演進(jìn)，傳播正在經(jīng)歷從“簡(jiǎn)單的傳播樹(shù)”到“密集的傳播森林”的進(jìn)化。為更加精準(zhǔn)地向用戶提供服務(wù)，傳媒機(jī)構(gòu)可對(duì)用戶的海量數(shù)據(jù)及潛在信息進(jìn)行最大程度的采集、整理、挖掘與分析，并用高度精煉的特征標(biāo)識(shí)來(lái)描述用戶，從而構(gòu)建出一整套完善的用戶畫像。抓取和分析用戶“數(shù)字足跡”，對(duì)用戶進(jìn)行深淺度歸類，判斷其是否為活躍用戶或者忠誠(chéng)用戶，并結(jié)合動(dòng)態(tài)與靜態(tài)標(biāo)簽從而構(gòu)成完整的立體用戶畫像。以用智能設(shè)備播放視頻作為采集用戶多維屬性數(shù)據(jù)為例，如果只看圖4左側(cè)的動(dòng)作列表便無(wú)法預(yù)測(cè)用戶將會(huì)做什么，因此還須知道如圖4右側(cè)所示的用戶基本屬性以及所處環(huán)境等并進(jìn)行權(quán)重計(jì)算與分配。

圖4 組成用戶畫像的多維屬性數(shù)據(jù)

2.規(guī)則與模型

構(gòu)建用戶畫像主要基于以下兩個(gè)規(guī)則：一是以解決實(shí)際問(wèn)題為目的，即傳媒機(jī)構(gòu)須結(jié)合自身性質(zhì)，制定較明確的業(yè)務(wù)目標(biāo)和推進(jìn)能力；二是為進(jìn)一步提升用戶體驗(yàn)，即傳媒機(jī)構(gòu)在對(duì)用戶基本屬性有極高認(rèn)知的前提下，將滿足某種特定條件的用戶群體提取出來(lái)，然后分析這一群體的行為特征從而對(duì)新增業(yè)務(wù)進(jìn)行優(yōu)化設(shè)計(jì)。

在行為建模時(shí)，可在界定數(shù)據(jù)源和清洗數(shù)據(jù)之后采用“4W”模式（when、where、who、what）給用戶的行為標(biāo)簽賦予權(quán)重，提煉關(guān)鍵要素。when（時(shí)間），指收集用戶時(shí)間因素（包含跨度和長(zhǎng)度），即用戶某種行為發(fā)生、結(jié)束的時(shí)刻和用戶在特定頁(yè)面的瀏覽時(shí)間；where（地點(diǎn)），指收集用戶接觸點(diǎn)（內(nèi)容和網(wǎng)址），即用戶作用于的對(duì)象標(biāo)簽和用戶行為發(fā)生的具體地點(diǎn)；who（對(duì)象），指收集用戶標(biāo)識(shí)因素（包括但不限于用戶名稱、電話、微信、身份證號(hào)、郵箱等），且不同標(biāo)識(shí)的可信度不同；what（行為），指收集用戶事件因素（具象和抽象），即交互的商品/內(nèi)容的標(biāo)識(shí)和用戶的網(wǎng)絡(luò)行為。

由此可見(jiàn)，在內(nèi)容展現(xiàn)與推薦過(guò)程中，當(dāng)單個(gè)標(biāo)簽權(quán)重確定下來(lái)后，便可利用公式計(jì)算總的用戶標(biāo)簽權(quán)重：標(biāo)簽權(quán)重=時(shí)間衰減因子×行為權(quán)重×接觸點(diǎn)權(quán)重。[4]傳媒業(yè)界可根據(jù)用戶行為進(jìn)行畫像建模，在已有的用戶數(shù)據(jù)中深挖并貼“標(biāo)簽”，刻畫出用戶的全網(wǎng)需求偏好模型，從而助推畫像與場(chǎng)景精準(zhǔn)匹配的媒介技術(shù)升級(jí)。

3.數(shù)據(jù)可視化

傳統(tǒng)的非可視化技術(shù)需要專業(yè)統(tǒng)計(jì)人員提前對(duì)數(shù)據(jù)進(jìn)行提取匯總，但這種方式制定的圖表屬于靜態(tài)性質(zhì)，無(wú)法進(jìn)行實(shí)時(shí)的動(dòng)態(tài)調(diào)整。復(fù)雜廣泛的用戶數(shù)據(jù)，耗時(shí)耗力的匯集過(guò)程，終將導(dǎo)致傳媒機(jī)構(gòu)無(wú)法滿足用戶的多元化需求，也無(wú)法達(dá)到產(chǎn)品優(yōu)化的目的。因此，如何將廣泛復(fù)雜的用戶數(shù)據(jù)轉(zhuǎn)換成圖形或圖像并在屏幕上展現(xiàn)出來(lái)，則是數(shù)據(jù)可視化的關(guān)鍵所在。

目前傳媒機(jī)構(gòu)大多利用計(jì)算機(jī)圖形圖像技術(shù)，聯(lián)系產(chǎn)品與用戶交互的理論技術(shù)，達(dá)到數(shù)據(jù)可視化的目的。在實(shí)現(xiàn)數(shù)據(jù)可視化過(guò)程中，涉及計(jì)算機(jī)圖形圖像、視覺(jué)以及輔助設(shè)計(jì)等多個(gè)領(lǐng)域，成為研究數(shù)據(jù)表示、決策分析等一系列問(wèn)題的綜合技術(shù)。[5]傳媒機(jī)構(gòu)在信息觸達(dá)環(huán)節(jié)中對(duì)用戶進(jìn)行數(shù)據(jù)可視化分析，一方面能形象地展示用戶在某一接觸點(diǎn)的歷史行為數(shù)據(jù)（行為路徑、行為特征等）合集，另一方面能形象地展示用戶在各大網(wǎng)站上相互轉(zhuǎn)換與興趣偏好的數(shù)據(jù)合集。同時(shí)，還可根據(jù)用戶價(jià)值來(lái)細(xì)分出核心用戶、評(píng)估某一群體的潛在價(jià)值空間，從而提升信息和人的有效鏈接以及最大化的用戶體驗(yàn)。

四、用戶體驗(yàn)優(yōu)化策略

數(shù)字時(shí)代，新聞傳媒業(yè)面臨著智能化3.0轉(zhuǎn)型[6]與挖掘數(shù)據(jù)隱藏價(jià)值的雙重挑戰(zhàn)。媒體應(yīng)從學(xué)理性思維和實(shí)踐性思維的雙重維度把握“媒介融合”，以內(nèi)容、用戶數(shù)據(jù)和服務(wù)為核心資源，以多元智能終端為載體，從價(jià)值、連接、生態(tài)、體驗(yàn)、創(chuàng)新等多個(gè)維度提升用戶體驗(yàn)，從而促使大數(shù)據(jù)從“最大變量”發(fā)展成為未來(lái)媒介融合發(fā)展的“最大增量”，助推傳媒產(chǎn)業(yè)高質(zhì)量發(fā)展。

1.智能融合虛實(shí)兩個(gè)世界，深挖用戶價(jià)值

在信息爆炸和消費(fèi)升級(jí)的雙輪驅(qū)動(dòng)下，可通過(guò)融合現(xiàn)實(shí)世界需求和虛擬分析空間的智能硬件自動(dòng)采集客觀反映人口屬性、終端設(shè)備、用戶行為等多維度特征數(shù)據(jù)，深層剖析量化偏好程度、挖掘隱藏在背后的模式、趨勢(shì)和相關(guān)性，進(jìn)行A（認(rèn)知）、I（興趣）、P（購(gòu)買）、L（忠誠(chéng)）的全鏈路運(yùn)營(yíng)，從而推進(jìn)用戶將“需求”轉(zhuǎn)變?yōu)椤跋M(fèi)”。與此同時(shí)，為實(shí)現(xiàn)對(duì)用戶行為和事實(shí)的準(zhǔn)確預(yù)測(cè)，還可運(yùn)用新的數(shù)據(jù)分析技術(shù)和更完善的工具，將目標(biāo)產(chǎn)品從面向海量廣泛的用戶市場(chǎng)轉(zhuǎn)換為個(gè)別用戶市場(chǎng)，從而提供精確、個(gè)性化的用戶服務(wù)。

例如，北京歌華有線除收集收視率數(shù)據(jù)外，還密切關(guān)注點(diǎn)播次數(shù)、回看次數(shù)、暫停等“隱形”數(shù)據(jù)，其在完整記錄用戶實(shí)際喜好的同時(shí)，通過(guò)精確“推薦”的方式為用戶提供個(gè)性化的智能電視收視服務(wù)，從而為節(jié)目制作、編排以及可能帶來(lái)的收視效果提供科學(xué)參考。

2.堅(jiān)持?jǐn)?shù)據(jù)導(dǎo)向，增強(qiáng)用戶黏性

堅(jiān)持以數(shù)據(jù)分析為導(dǎo)向，在充分了解用戶基本狀態(tài)屬性和歷史行為屬性等數(shù)據(jù)的基礎(chǔ)上，深入挖掘用戶行為、興趣和偏好等數(shù)據(jù)，并從多個(gè)觸點(diǎn)和時(shí)間段的大數(shù)據(jù)分析中找到關(guān)鍵點(diǎn)推動(dòng)客戶最終完成購(gòu)買，使用戶連接從過(guò)去的“經(jīng)驗(yàn)主義”的模糊方式邁向“數(shù)據(jù)驅(qū)動(dòng)”的精確方式。在此基礎(chǔ)之上，傳媒機(jī)構(gòu)可采取分流分級(jí)的方法實(shí)現(xiàn)對(duì)不同類型用戶的管理。對(duì)潛在用戶，通過(guò)對(duì)代表性常規(guī)屬性以及行為屬性數(shù)據(jù)的挖掘，提供針對(duì)性的服務(wù)將其轉(zhuǎn)化為正式用戶；對(duì)既得用戶，通過(guò)可行性測(cè)試觀察用戶如何使用產(chǎn)品，尤其是使用過(guò)程中遇到的問(wèn)題及原因進(jìn)而不斷迭代產(chǎn)品，從而提高用戶的滿意度、忠誠(chéng)度，降低用戶的使用成本。

3.構(gòu)建生態(tài)體系，引領(lǐng)用戶連接

用戶原始數(shù)據(jù)類型復(fù)雜、數(shù)量繁多，其價(jià)值更是不可估量。為確?？蔀橛脩籼峁┚_、個(gè)性化的服務(wù)，各個(gè)細(xì)分行業(yè)須圍繞數(shù)字化關(guān)鍵技術(shù)、能力和基礎(chǔ)設(shè)施等不斷進(jìn)行突破。為此，傳媒機(jī)構(gòu)應(yīng)盡快構(gòu)建一種從數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)集成、數(shù)據(jù)處理到數(shù)據(jù)分析以及數(shù)據(jù)可視化，相互依存、共同演化的“點(diǎn)—線—面—體”完整生態(tài)體系。該體系以大數(shù)據(jù)戰(zhàn)略和架構(gòu)為基礎(chǔ)，除可隨時(shí)采集用戶實(shí)時(shí)數(shù)據(jù)與輕松瀏覽外，還可打開(kāi)過(guò)去用戶數(shù)據(jù)中的封閉結(jié)構(gòu)，并通過(guò)降維攻擊對(duì)產(chǎn)品功能進(jìn)行更新升級(jí)從而高效地“連接”用戶，推動(dòng)快速實(shí)現(xiàn)價(jià)值（失敗或成功）。

4.融入互聯(lián)網(wǎng)戰(zhàn)略，構(gòu)建用戶畫像

在產(chǎn)品生命周期的各個(gè)階段，包括調(diào)研、研發(fā)、營(yíng)銷和售后等，數(shù)據(jù)導(dǎo)向戰(zhàn)略均發(fā)揮著重要作用。通過(guò)對(duì)潛在或既得用戶的大量行為數(shù)據(jù)的深度挖掘，可推動(dòng)建立基于內(nèi)容和用戶畫像的個(gè)性化推薦系統(tǒng)，從而為用戶提供更準(zhǔn)確的搜索結(jié)果、更優(yōu)質(zhì)的搜索體驗(yàn)。為優(yōu)化用戶選擇最佳的收貨地點(diǎn)，零售門店可提供任何地方購(gòu)買、挑選或發(fā)運(yùn)的能力，使用戶感受到優(yōu)質(zhì)的服務(wù)體驗(yàn)；為更好地了解店內(nèi)客流量以及更適當(dāng)?shù)娜藛T配備要求，可利用傳感器數(shù)據(jù)實(shí)時(shí)采集和分析入店率以及顧客消費(fèi)情況等。

例如，零售巨頭沃爾瑪推出了一款針對(duì)購(gòu)物的語(yǔ)義搜索引擎“Polaris”，其具備語(yǔ)義數(shù)據(jù)、文本分析、機(jī)器學(xué)習(xí)和同義詞挖掘等的能力，可對(duì)Polaris上的數(shù)據(jù)進(jìn)行挖掘和分析，從而構(gòu)建畫像并預(yù)測(cè)用戶的行為。銷售部人員通過(guò)用戶在Polaris上的日常商品搜索數(shù)據(jù)統(tǒng)計(jì)了解當(dāng)季最新最熱產(chǎn)品，網(wǎng)站前端負(fù)責(zé)者則通過(guò)用戶反饋不斷完善網(wǎng)站類各板塊屬性，此舉幫其在線購(gòu)物的完成率提升了15%左右。

5.借助新興科技，提升用戶體驗(yàn)

構(gòu)建用戶畫像是為用戶提供廣泛的個(gè)性化推薦，從而提升用戶體驗(yàn)的有效手段。在個(gè)性化推薦技術(shù)中，算法分發(fā)權(quán)重（編輯分發(fā)、社交分發(fā)、各種算法產(chǎn)出等）是個(gè)性化推薦質(zhì)量的良好保證，而用戶數(shù)據(jù)模型的質(zhì)量好壞意味著能否正確表示用戶的興趣愛(ài)好。媒介融合環(huán)境下，基于內(nèi)容的個(gè)性化推薦算法可提取用戶的時(shí)空多維屬性數(shù)據(jù)信息，融合線上與線下、融合現(xiàn)實(shí)與虛擬，實(shí)現(xiàn)“用戶、場(chǎng)景、創(chuàng)意”在媒介融合環(huán)境下的精準(zhǔn)傳播，而這極有可能是一個(gè)涉及綜合賦能iABCD（物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)）等新興科技的過(guò)程。[7]

在建構(gòu)具體的算法模型時(shí)，可借鑒“M-P神經(jīng)元模型”（McCulloch and Pitts，1943），如圖5所示。在傳媒領(lǐng)域，用戶行為便是神經(jīng)網(wǎng)絡(luò)中的最基本元素——神經(jīng)元。該模型中，數(shù)據(jù)中心在接收到來(lái)自n個(gè)維度、具有自學(xué)習(xí)和自適應(yīng)的能力的用戶數(shù)據(jù)后，將接收到的所有數(shù)據(jù)互連、加權(quán)、累加，從而在不斷傳遞的過(guò)程中形成一定數(shù)量的經(jīng)驗(yàn)值，而所有經(jīng)驗(yàn)值在整合后又可與數(shù)據(jù)中心的閾值進(jìn)行比較，然后通過(guò)“激活函數(shù)”（Activation Function）向外輸出優(yōu)化建議[8]（其中θ是所謂的“閾值”，f就是激活函數(shù)）。用戶數(shù)據(jù)經(jīng)過(guò)此流程，層層篩選過(guò)濾，則可最終輸出代表著該用戶的完整畫像V值，此舉可為傳媒機(jī)構(gòu)精準(zhǔn)化服務(wù)提供決策支撐。

圖5 “M-P神經(jīng)元算法”模型圖示

五、結(jié)語(yǔ)

伴隨著區(qū)塊鏈、大數(shù)據(jù)智能分析等關(guān)鍵技術(shù)的交融發(fā)展，智能世界源于萬(wàn)物的感知被喚醒并助推千億級(jí)別連接升級(jí)，鏈接將會(huì)增多變強(qiáng)并從不可信的“人-人”社交網(wǎng)絡(luò)向高度可信、跨界融合的“人-機(jī)-物”復(fù)雜社交網(wǎng)絡(luò)演進(jìn)。本文首先從基于數(shù)據(jù)驅(qū)動(dòng)的用戶畫像、用戶體驗(yàn)及生命周期管理思想進(jìn)行了探討，然后根據(jù)現(xiàn)有環(huán)境以及技術(shù)，從深挖價(jià)值、增強(qiáng)黏性、引導(dǎo)連接、聯(lián)網(wǎng)戰(zhàn)略以及提升體驗(yàn)五個(gè)維度對(duì)用戶體驗(yàn)的優(yōu)化設(shè)計(jì)提出相應(yīng)完善改進(jìn)策略。

由于用戶數(shù)據(jù)存在部分空缺，本文對(duì)用戶的微觀行為刻畫比較有限，更多的是闡述了一種探析思路。今后，筆者將會(huì)以更多新算法技術(shù)與用戶畫像構(gòu)建相結(jié)合的方式，獲取更準(zhǔn)確的用戶行為和興趣偏好，從而為媒介深度融合探索全路徑，推進(jìn)傳媒產(chǎn)業(yè)高質(zhì)量發(fā)展。