大數(shù)據(jù)環(huán)境下用戶畫像在高校圖書館的應(yīng)用研究*

袁 軍

（許昌學(xué)院圖書館 河南 許昌 461000）

隨著社會信息化程度的日益提高，大數(shù)據(jù)已經(jīng)成為新時期信息技術(shù)和產(chǎn)業(yè)發(fā)展的重要方向。用戶畫像作為大數(shù)據(jù)時代用戶分析及服務(wù)設(shè)計的有效工具，目前已經(jīng)在很多領(lǐng)域得到了廣泛應(yīng)用。特別是在電子商務(wù)和信息服務(wù)領(lǐng)域，商家和企業(yè)可以利用用戶畫像技術(shù)，準(zhǔn)確識別和分析目標(biāo)客戶，了解和預(yù)測用戶需求，提高企業(yè)的決策效率，實現(xiàn)成功營銷。用戶畫像技術(shù)也為圖書館服務(wù)模式的創(chuàng)新和未來的發(fā)展提供了機遇。大數(shù)據(jù)環(huán)境下，圖書館的服務(wù)正面臨著一系列挑戰(zhàn)，特別是高校圖書館，面對豐富的信息資源和廣泛的讀者類型，現(xiàn)有服務(wù)模式與不同用戶的多樣需求之間的矛盾日益突出。高校圖書館要想更好地服務(wù)用戶，就要了解和滿足用戶需求，為用戶提供個性化、精細化服務(wù)，因此，把用戶畫像技術(shù)引入圖書館領(lǐng)域，構(gòu)建用戶畫像就顯得尤其重要。

1 用戶畫像的概念

用戶畫像又稱用戶角色，是大數(shù)據(jù)時代的產(chǎn)物。交互設(shè)計之父Alan Cooper最早提出了用戶畫像（User Persona）的概念，Persona是真實用戶的虛擬代表，是建立在一系列真實數(shù)據(jù)之上的目標(biāo)用戶模型[1]。該模型可調(diào)研了解用戶，然后根據(jù)用戶的行為、偏好和目標(biāo)之間的差異，將用戶分為不同的類型，再從每種類型中抽取出典型特征，并賦予姓名、性別、年齡、照片等一些人口統(tǒng)計學(xué)要素和一些場景描述，即形成了一個用戶畫像。

David Travis認(rèn)為用戶畫像具有P（基本性，Primary research）、E（移情性，Empathy）、R（真實性，Realistic）、S（獨特性，Singular）、O（目標(biāo)性，Objectives）、N（數(shù)量性，Number）、A（應(yīng)用性，Applicable）的特性，滿足以上7個條件才能構(gòu)成一個完整的用戶畫像[2]。大數(shù)據(jù)環(huán)境下，把用戶畫像技術(shù)引入圖書館領(lǐng)域，目的在于了解用戶，預(yù)測用戶的真實需求和潛在需求，進而為圖書館用戶提供更加精準(zhǔn)的信息服務(wù)。

2 國內(nèi)外研究現(xiàn)狀

用戶畫像作為大數(shù)據(jù)時代勾畫目標(biāo)用戶、聯(lián)系用戶訴求與設(shè)計方向的有效工具，在數(shù)據(jù)統(tǒng)計、數(shù)據(jù)分析方面具有明顯優(yōu)勢，已成為近年來國內(nèi)外學(xué)術(shù)界關(guān)注的熱點問題，圍繞用戶畫像的理論研究與應(yīng)用研究也相繼展開。

國外學(xué)者比較重視對用戶畫像技術(shù)算法的研究，比較常用的有：分類算法、加權(quán)算法、過濾算法、向量空間模型算法、樸素貝葉斯分類法等，學(xué)者們會根據(jù)用戶的長期或短期愛好分別采取不同的算法來構(gòu)建用戶畫像模型。用戶畫像在國外圖書館領(lǐng)域的應(yīng)用最早出現(xiàn)在20世紀(jì)80年代，應(yīng)用于英國國家書目和Blaise-line（歐洲首批在線服務(wù)之一）的服務(wù)優(yōu)化，有關(guān)人員通過對英國國家書目和Blaise-line用戶的訂閱情況、使用情況、滿意度以及未來購買意向的調(diào)查和分析結(jié)果，重新審視自己的服務(wù)結(jié)構(gòu)和服務(wù)模式，以更好地滿足用戶對服務(wù)的需求[3]。

國內(nèi)圖情領(lǐng)域涉及用戶畫像的研究成果主要有：胡媛等于2017年在《圖書館理論與實踐》第4期上發(fā)表的《基于用戶畫像的數(shù)字圖書館知識社區(qū)用戶模型構(gòu)建》一文，對數(shù)字圖書館用戶畫像進行了模型構(gòu)建和分析，并在此基礎(chǔ)上構(gòu)建綜合服務(wù)能力評價指標(biāo)體系，為數(shù)字圖書館社區(qū)用戶描述提供了參考[4]。劉速同年在《圖書館理論與實踐》第6期上發(fā)表的《淺議數(shù)字圖書館知識發(fā)現(xiàn)系統(tǒng)中的用戶畫像》一文，以天津圖書館為例，從數(shù)據(jù)來源、數(shù)據(jù)采集、信息識別、模型搭建等方面就用戶畫像的構(gòu)建進行了詳細闡述，并提出可視化統(tǒng)計描述、多維度交叉分析、用戶關(guān)系圖譜等用戶畫像分析方法[5]。汪強兵等指出，整合內(nèi)容與用戶行為的用戶畫像構(gòu)建系統(tǒng)能夠挖掘用戶在閱讀文獻時的興趣，并進行用戶畫像構(gòu)建[6]。陳慧香等探討了國外圖書館領(lǐng)域用戶畫像的研究現(xiàn)狀，從定義與組成、算法與技術(shù)、模型構(gòu)建、實踐應(yīng)用等方面作了詳細的闡述[2]。以上研究為用戶畫像在國內(nèi)圖書館領(lǐng)域的構(gòu)建和應(yīng)用提供了借鑒和參考。

總之，大數(shù)據(jù)環(huán)境下，用戶畫像在圖書館領(lǐng)域的研究與應(yīng)用正在逐步興起，尚未進入成熟階段，國內(nèi)圖書館界對用戶畫像的研究同樣處于初步探索中，實踐中還面臨不少問題，其中涉及用戶隱私和用戶興趣的變化等問題，還有待圖書館界根據(jù)實際情況進行深入分析和探討。

3 高校圖書館用戶畫像的構(gòu)建

用戶畫像是從海量的數(shù)據(jù)中產(chǎn)生和形成的，具體來說，圖書館用戶畫像模型的構(gòu)建過程和步驟是：首先對圖書館各系統(tǒng)之間的用戶數(shù)據(jù)進行整合，使用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)相關(guān)聯(lián)，然后對用戶信息進行統(tǒng)計、分類、聚類分析，給用戶建立標(biāo)簽體系，最后，在此基礎(chǔ)上，進行用戶畫像框架模型的構(gòu)建，細分用戶并勾勒出個人用戶及群體用戶畫像。

3.1 用戶畫像數(shù)據(jù)采集與處理

數(shù)據(jù)源是構(gòu)建用戶畫像的關(guān)鍵因素，用戶畫像來自于大量、豐富的用戶數(shù)據(jù)，只有建立在客觀真實的數(shù)據(jù)基礎(chǔ)上，生成的畫像才有效，數(shù)據(jù)內(nèi)容越全面，形成的畫像就越精準(zhǔn)，因此，確定數(shù)據(jù)源是高校圖書館構(gòu)建用戶畫像的首要工作。

大數(shù)據(jù)環(huán)境下，高校圖書館的用戶畫像數(shù)據(jù)分為靜態(tài)信息數(shù)據(jù)和動態(tài)信息數(shù)據(jù)兩類。靜態(tài)信息數(shù)據(jù)是指用戶相對穩(wěn)定的信息，即用戶的基本屬性數(shù)據(jù)，主要包括用戶的姓名、性別、年齡、院系、職稱、專業(yè)、讀者類型等。由于用戶在圖書館注冊、借閱時都會留下實名信息，因此，這部分?jǐn)?shù)據(jù)可以從圖書館用戶管理系統(tǒng)中獲取。動態(tài)信息數(shù)據(jù)是指用戶不斷變化的行為信息，比如用戶的登錄網(wǎng)絡(luò)、借閱、檢索、下載等使用行為數(shù)據(jù)。動態(tài)數(shù)據(jù)具有隱蔽性的特點，需要通過數(shù)據(jù)分析和數(shù)據(jù)挖掘進行提取，圖書館用戶的行為數(shù)據(jù)主要來源于圖書館網(wǎng)站、書目檢索系統(tǒng)、微信服務(wù)平臺及移動終端等，圖書館用戶在微信、APP移動平臺上的訪問、咨詢、閱讀及搜索等都會有相關(guān)行為數(shù)據(jù)的產(chǎn)生。

圖書館在對用戶數(shù)據(jù)進行采集時需要從不同角度進行考慮。用戶畫像所需要的數(shù)據(jù)來源于不同的服務(wù)系統(tǒng)中，各系統(tǒng)之間的數(shù)據(jù)并無關(guān)聯(lián)，圖書館在構(gòu)建用戶畫像時，首先要把各服務(wù)系統(tǒng)之間的數(shù)據(jù)進行整合，使圖書館APP、微信平臺、一卡通等現(xiàn)有服務(wù)系統(tǒng)中的數(shù)據(jù)相關(guān)聯(lián)，然后統(tǒng)計用戶在這些系統(tǒng)平臺上的所有行為軌跡，并與用戶的屬性數(shù)據(jù)相結(jié)合，共同構(gòu)成高校圖書館用戶畫像的數(shù)據(jù)來源。高校圖書館用戶畫像數(shù)據(jù)的構(gòu)成如圖1所示。

圖1 高校圖書館用戶畫像數(shù)據(jù)構(gòu)成

對用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)采集之后，就要在充分保障用戶數(shù)據(jù)隱私的前提下，首先對采集的數(shù)據(jù)進行清洗，通過信息過濾系統(tǒng)去除與用戶特征無關(guān)的信息，然后利用數(shù)據(jù)挖掘技術(shù)對清洗過的用戶數(shù)據(jù)進行計算機處理，把有關(guān)數(shù)據(jù)處理加工成能夠被圖書館建模使用的數(shù)據(jù)，確保用戶數(shù)據(jù)的真實性和有效性，最后形成用戶畫像有效數(shù)據(jù)集。

3.2 建立用戶畫像數(shù)據(jù)標(biāo)簽體系

為用戶建立數(shù)據(jù)標(biāo)簽是用戶畫像構(gòu)建過程中的一個關(guān)鍵步驟，也是用戶畫像的核心工作。標(biāo)簽為大數(shù)據(jù)處理提供了一種便捷方式，能夠方便計算機程序化處理用戶的相關(guān)信息，提高信息獲取的精準(zhǔn)度和效率。

用戶畫像數(shù)據(jù)標(biāo)簽是通過對用戶信息分析而來的高度精煉的特征標(biāo)識，如性別、年齡、地域、用戶習(xí)慣、用戶偏好等，最后將所有標(biāo)簽綜合起來，就可以勾勒出該用戶的“畫像”[7]。標(biāo)簽具有語義化和短文本的特征，方便人們理解每個標(biāo)簽的含義，準(zhǔn)確判斷用戶的喜愛偏好，使模糊的用戶形象立體化。用戶畫像的結(jié)果就是通過為用戶打標(biāo)簽的方式描述用戶信息，標(biāo)簽打得是否準(zhǔn)確和全面直接影響到用戶畫像的質(zhì)量和結(jié)果。以圖書館用戶為例，比如某科研人員習(xí)慣于使用外文數(shù)據(jù)庫進行文獻檢索，檢索的主題詞常常與“計算機”相關(guān)，那么就可以根據(jù)上述信息描述為用戶貼標(biāo)簽，進行用戶畫像，進而實施精準(zhǔn)化服務(wù)。圖書館用戶畫像就是對用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)進行語義化、短文本化標(biāo)簽，通過用戶基本特征標(biāo)簽和行為數(shù)據(jù)標(biāo)簽，逐步構(gòu)建分類標(biāo)簽、多級標(biāo)簽等用戶畫像標(biāo)簽結(jié)構(gòu)[8]。

高校圖書館根據(jù)服務(wù)對象的不同，把用戶分為教師、學(xué)生、博士、學(xué)科帶頭人或骨干教師等類型。在構(gòu)建用戶畫像的過程中，應(yīng)注重根據(jù)用戶的信息需求貼標(biāo)簽，對所采集到的用戶數(shù)據(jù)進行分析與挖掘，運用關(guān)聯(lián)方法從用戶的基本屬性、閱讀愛好、上網(wǎng)軌跡、用戶活躍度等多維度去構(gòu)建用戶畫像的標(biāo)簽體系。

3.3 構(gòu)建用戶畫像模型

用戶畫像是用戶在現(xiàn)實中的數(shù)學(xué)建模，高校圖書館在完成對用戶數(shù)據(jù)采集、處理以及標(biāo)簽化工作的基礎(chǔ)上，便可實現(xiàn)用戶畫像模型的“可視化”構(gòu)建。圖書館通過對用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)進行分析，就可以了解和掌握用戶的個人偏好和行為習(xí)慣，進而運用可視化方式描述用戶需求，幫助圖書館實現(xiàn)個性化、精準(zhǔn)化服務(wù)。

高校圖書館用戶畫像模型的構(gòu)建可以分為3個層次，即數(shù)據(jù)來源層、數(shù)據(jù)分析處理層以及數(shù)據(jù)標(biāo)簽層。數(shù)據(jù)來源層是用戶畫像模型構(gòu)建的基礎(chǔ)層，高校圖書館可通過管理系統(tǒng)、服務(wù)平臺、移動終端、網(wǎng)站系統(tǒng)等對用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)進行采集，并將數(shù)據(jù)序列化后存儲到原始數(shù)據(jù)庫中。同時，由于用戶行為數(shù)據(jù)具有動態(tài)化的特點，所以需要圖書館建立一個有效的反饋評價機制，根據(jù)用戶與圖書館資源平臺交流的反饋信息，及時對原始數(shù)據(jù)庫的數(shù)據(jù)進行修正與完善。數(shù)據(jù)分析處理層則是利用數(shù)據(jù)清理、信息過濾等技術(shù)對原始數(shù)據(jù)進行預(yù)處理，建立用戶畫像有效數(shù)據(jù)集。數(shù)據(jù)標(biāo)簽層是用戶畫像構(gòu)建的關(guān)鍵層，圖書館通過運用分類、聚類、關(guān)聯(lián)分析等數(shù)據(jù)挖掘技術(shù)對用戶有效信息數(shù)據(jù)進行語義化和短文本化標(biāo)簽，建立用戶數(shù)據(jù)標(biāo)簽數(shù)據(jù)庫，最終勾畫出圖書館用戶個人畫像和群體畫像，并以可視化形式呈現(xiàn)。具體構(gòu)建過程如圖2所示。

圖2 高校圖書館用戶畫像構(gòu)建模型

用戶畫像模型的構(gòu)建是一個比較復(fù)雜和不斷完善的過程，其中涉及到一些復(fù)雜的計算方法，比如聚類算法、相似度計算、預(yù)測算法、語言處理、數(shù)據(jù)關(guān)聯(lián)統(tǒng)計算法等，這些主要通過機器學(xué)習(xí)來完成。模型建成后也不是一成不變的，它會隨著用戶行為的變化發(fā)生改變，因此模型需要具有一定的靈活性，可根據(jù)用戶的動態(tài)行為對已建立的用戶畫像進行實時更新、優(yōu)化與完善。

4 用戶畫像在高校圖書館的應(yīng)用

4.1 針對不同用戶提供精準(zhǔn)化推薦服務(wù)

大數(shù)據(jù)環(huán)境下，高校圖書館文獻信息資源豐富、類型多樣，面對海量的數(shù)據(jù)信息，用戶很難從中獲取到自己感興趣的服務(wù)內(nèi)容，圖書館傳統(tǒng)的推薦服務(wù)已不能滿足用戶對信息資源的需求，如何快速、準(zhǔn)確地為用戶提供所需要的文獻信息資源是高校圖書館信息服務(wù)的關(guān)鍵問題。

用戶畫像是用戶興趣的個性化反映，在圖書館精準(zhǔn)化服務(wù)中起著重要作用。把用戶畫像技術(shù)應(yīng)用于圖書館，能夠創(chuàng)新高校圖書館的信息服務(wù)模式，解決圖書館資源推送內(nèi)容與用戶需求不匹配的矛盾，從而為用戶提供更加精準(zhǔn)、高效的服務(wù)。圖書館可以利用用戶畫像技術(shù)，追蹤用戶在利用圖書館的過程中留下的一些歷史數(shù)據(jù)，如用戶的基本信息、所學(xué)專業(yè)、借閱信息、上網(wǎng)記錄、瀏覽記錄等，通過對這些用戶信息進行分析和處理，準(zhǔn)確了解用戶最真實的情況，發(fā)現(xiàn)用戶行為的動機與特點，掌握不同用戶個性化的信息需求偏好，或是根據(jù)用戶的某一行為特征分析、挖掘出用戶的潛在需求，并根據(jù)分類、聚類算法，將不同的用戶群細分歸類，對用戶實行分級管理，區(qū)分出核心用戶、普通用戶、忠實用戶以及潛在用戶等，然后把圖書館資源與各類用戶信息需求進行匹配，有重點和針對性地進行資源配置，針對不同類型用戶實施各有側(cè)重的精準(zhǔn)化服務(wù)。這樣既可以使圖書館的服務(wù)有的放矢，節(jié)省用戶檢索信息的時間，又大大提升了用戶的體驗度和滿意度。同時，由于用戶畫像具有即時性和多樣性的特征，使圖書館能夠根據(jù)用戶需求的變化情況，及時升級和調(diào)整信息服務(wù)策略。

4.2 開展館藏資源宣傳和閱讀推廣工作

高校圖書館擁有豐富的館藏文獻資源，在全民閱讀中擔(dān)負(fù)著重要的社會責(zé)任，發(fā)揮著引領(lǐng)作用。開展閱讀推廣活動既是高校圖書館的職責(zé)和核心服務(wù)工作，也是提高館藏資源利用率的重要舉措。

傳統(tǒng)閱讀推廣服務(wù)的內(nèi)容和形式都比較單一，一般采用一些固定的模式，針對性不強，對用戶而言缺乏吸引力和創(chuàng)新性，且往往需要投入大量人力、物力卻難以達到良好的宣傳效果。把用戶畫像應(yīng)用到閱讀推廣的智能推薦系統(tǒng)中，就可以幫助圖書館實現(xiàn)個性化、精準(zhǔn)化推送，打破無差別推廣的現(xiàn)狀。高校圖書館可以利用用戶畫像技術(shù)，動態(tài)跟蹤用戶使用圖書館的行為軌跡，根據(jù)其知識背景、閱讀特點、閱讀習(xí)慣、閱讀歷史等，把用戶分成不同的群體類型，將具有相同閱讀傾向和閱讀興趣的用戶歸為一類，使宣傳、推送內(nèi)容與用戶需求相匹配，為用戶量身打造個性化的閱讀書目，針對不同用戶群進行新書推薦，并根據(jù)用戶信息數(shù)據(jù)的變化情況及時調(diào)整閱讀推廣的內(nèi)容和方法，避免因盲目推送而造成對用戶的干擾，使閱讀推廣工作更具有目標(biāo)性，向著更加精細、更高質(zhì)量的方向推進。同時，充分利用用戶畫像，在校園網(wǎng)、微信、微博等平臺開展館藏資源宣傳和閱讀推廣工作，通過舉辦讀者借閱排行榜、最受歡迎的圖書排行榜等評選活動，激發(fā)用戶的閱讀積極性，提升用戶對圖書館閱讀推廣服務(wù)的個性化體驗。

4.3 開展用戶信用管理

當(dāng)前，在高校圖書館普遍存在著損壞圖書、圖書超期、盜竊圖書、惡意下載資源等不良現(xiàn)象。針對這些嚴(yán)重的用戶失信行為，圖書館一般只是采取口頭教育或輕微的經(jīng)濟處罰方式，但往往收到的效果不好，對失信用戶起不到威懾作用。用戶畫像技術(shù)為高校圖書館開展用戶信用管理提供了借鑒，圖書館應(yīng)在用戶個人征信方面實施有益的探索與實踐，以防范或減少用戶在使用圖書館資源和服務(wù)過程中產(chǎn)生的信用風(fēng)險。

高校圖書館可通過用戶畫像收集、分析用戶信用數(shù)據(jù)，配置信用資源，建立圖書館用戶信用管理系統(tǒng)，將用戶信用納入個人征信記錄，對用戶的信用行為進行分類管理，根據(jù)用戶不同行為給予一定的獎勵和處罰，以降低圖書館資源管理風(fēng)險。對信用度高的用戶提供優(yōu)惠待遇，比如增加借閱圖書的冊數(shù)、適當(dāng)延長借閱時間，使其能夠更好地利用圖書館資源。同時，對失信用戶采取相應(yīng)的處罰措施，降低他們在圖書館獲取資源與服務(wù)的權(quán)限，讓用戶意識到其失信行為的嚴(yán)重性，從而更好地限制和約束個人行為，自覺遵守圖書館的相關(guān)規(guī)定。

4.4 協(xié)助制定科學(xué)合理的發(fā)展規(guī)劃

科學(xué)合理的發(fā)展規(guī)劃是高校圖書館可持續(xù)發(fā)展的保障，用戶畫像技術(shù)為高校圖書館的未來發(fā)展提供了新思路。高校圖書館可利用用戶畫像來了解某一類群體用戶的共同特征，并根據(jù)用戶的整體興趣和需求走向?qū)D書館的發(fā)展和建設(shè)進行科學(xué)規(guī)劃，為圖書館的文獻資源配置、空間布局、科學(xué)管理以及規(guī)章制度的制定等提供決策參考。比如，根據(jù)用戶使用圖書館的行為習(xí)慣，設(shè)計或調(diào)整圖書館的布局結(jié)構(gòu)；針對用戶使用電子資源高于紙質(zhì)資源的情況，適當(dāng)調(diào)整資源配置。

用戶畫像即時性和數(shù)據(jù)維度多樣性的特征可以為使用者提供全方位、全過程的數(shù)據(jù)分析，幫助高校圖書館管理層及時發(fā)現(xiàn)、掌握用戶信息需求的變化，為圖書館服務(wù)決策的制定提供高效、可靠的數(shù)據(jù)支持，確保決策制定的科學(xué)合理性。