談基于結(jié)合大數(shù)據(jù)技術(shù)的用戶畫像推薦方法

[摘要]伴隨大數(shù)據(jù)技術(shù)的廣泛應(yīng)用及融合媒體的進一步發(fā)展，社交網(wǎng)絡(luò)和基于社交的互聯(lián)網(wǎng)應(yīng)用不斷涌現(xiàn)，隨之而來的就是爆炸性的數(shù)據(jù)增長。對于各大網(wǎng)站而言，如何有效采集用戶數(shù)據(jù)并為其提供相應(yīng)的推薦，無疑是一項極為重要的課題。以往僅僅只能作為信息受眾的用戶也可以是信息的來源。在互聯(lián)網(wǎng)的內(nèi)容消費方面，其格局也由買方市場代替了賣方市場。用戶對于各類新媒體信息內(nèi)容的喜好偏向個性化、碎片化與定制化。不同類型的用戶群體對內(nèi)容方面的需求有很大區(qū)別。因此新媒體內(nèi)容生產(chǎn)者也需要順應(yīng)目標(biāo)用戶群體的需求喜好，并探索出能夠生產(chǎn)出有針對性的高價值內(nèi)容的模式，令內(nèi)容的生產(chǎn)更為智能化、高效化。

[關(guān)鍵詞]大數(shù)據(jù)技術(shù);用戶畫像;推薦方法

科學(xué)技術(shù)的飛速發(fā)展，傳統(tǒng)的工業(yè)時代已經(jīng)開始逐漸走出了歷史舞臺，大數(shù)據(jù)作為近年來熱議的技術(shù)話題，在快速發(fā)展的同時也給各行各業(yè)的發(fā)展帶來了顛覆性的改變和巨大機遇。信息化技術(shù)開始在各個行業(yè)中使用，這對于企業(yè)發(fā)展而言既是機遇又是挑戰(zhàn)。大數(shù)據(jù)時代的到來，使得用戶能夠獲得信息的途徑和方式變得愈加多樣。因此，如何從互聯(lián)網(wǎng)每日的巨量信息內(nèi)容中提取出符合目標(biāo)用戶群體需求的精準(zhǔn)內(nèi)容，就成為接下來需要解決的重點問題之一。

在此背景下，用戶畫像的應(yīng)用越發(fā)廣泛。因此，新媒體內(nèi)容生產(chǎn)者可以以用戶畫像作為依據(jù)，來向每個用戶精準(zhǔn)推薦符合該類用戶普遍喜好的內(nèi)容。用戶畫像推薦系統(tǒng)的核心就在于為用戶進行“畫像”的模式。當(dāng)前一般在這方面是采用提取用戶“標(biāo)簽”的方法來給每個用戶打上特征標(biāo)識。

本文就立足于大數(shù)據(jù)技術(shù)的應(yīng)用對用戶畫像的推薦方法進行討論分析，希望能夠給相關(guān)的研究人員一些參考和建議。

一、大數(shù)據(jù)技術(shù)與用戶畫像推薦方法概述

（一）大數(shù)據(jù)

在如今信息技術(shù)快速發(fā)展進步的時代背景下，信息傳輸速度也隨之快速增長。“大數(shù)據(jù)”這個技術(shù)也隨著信息傳輸速度及安全性的全面提升而迎來了難得的發(fā)展契機。如今多個行業(yè)都開始積極引入大數(shù)據(jù)技術(shù)，為自身的發(fā)展與運作帶來一系列的便利。對于大數(shù)據(jù)技術(shù)的定義，當(dāng)前國內(nèi)外學(xué)術(shù)界尚未完全統(tǒng)一。目前比較權(quán)威的解釋是出自Gartner對大數(shù)據(jù)技術(shù)提出的定義：大數(shù)據(jù)技術(shù)是基于海量的真實信息數(shù)據(jù)收集，并基于有效的數(shù)據(jù)處理算法及軟硬件設(shè)施來對數(shù)據(jù)進行分析洞察，從而令數(shù)據(jù)不再是簡單的信息堆砌，而是成為優(yōu)質(zhì)的信息資產(chǎn)。從中可以看出，大數(shù)據(jù)的價值不在于數(shù)據(jù)信息總量，而在于對數(shù)據(jù)信息的分析運用，并服務(wù)于具體行業(yè)用途。大數(shù)據(jù)技術(shù)由兩大重要的元素組成，一是數(shù)據(jù)本身的獲得，二是數(shù)據(jù)的收集、傳輸和分析技術(shù)”。

（二）用戶畫像推薦方法

1.以內(nèi)容為基礎(chǔ)的推薦算法

以內(nèi)容為基礎(chǔ)推薦算法的應(yīng)用主要有兩個方面：第一是信息檢索，第二就是信息過濾。以內(nèi)容為基礎(chǔ)推薦算法的基本思想是依靠現(xiàn)有的用戶數(shù)據(jù)對其以往收藏或購買過的物品進行統(tǒng)計，再為其推薦相似相近物品。

以內(nèi)容為基礎(chǔ)的推薦算法通常由三個步驟構(gòu)成：第一，提取用戶的瀏覽及購買記錄的相關(guān)特征;第二，對其進行特征積累;第三，推薦給用戶與其積累特征相關(guān)性程度最高的物品。

以內(nèi)容為基礎(chǔ)的推薦算法邏輯簡單清晰，且所需的計算量也較低。該方法無需大量的用戶行為數(shù)據(jù)，也避免了初期用戶沒有足夠的行為數(shù)據(jù)而造成推薦缺乏依據(jù)的弊端，能夠很好實現(xiàn)“冷啟動”。但單使用該算法時，對于用戶潛在可能的興趣點則難以準(zhǔn)確發(fā)現(xiàn)辨別。

2.基于用戶的協(xié)同過濾推薦算法

用戶在社交網(wǎng)絡(luò)中會有一定數(shù)量的好友及關(guān)注對象。即使新用戶缺乏行為、興趣方面的數(shù)據(jù)，但用戶的好友或關(guān)注對象則可能已經(jīng)有了大量的行為、興趣數(shù)據(jù)。因此可以據(jù)此采用協(xié)同過濾推薦算法來發(fā)現(xiàn)用戶組的相關(guān)性，作為推薦的依據(jù)。

基于用戶的協(xié)同過濾算法通常由三個步驟構(gòu)成：第一，對于行為、興趣具有足夠相似度的用戶建立用戶集合;第二，對已經(jīng)提取好的用戶集合中所有用戶行為、喜好及興趣的相似特征進行提取和打標(biāo)，并據(jù)此作為對用戶推薦物品、內(nèi)容的依據(jù)。

上述算法是將用戶首先按照粗略的規(guī)則分成不同的集群，然后再對每個用戶集群的行為、興趣進行分析歸納，并據(jù)此自動推薦物品、內(nèi)容。該算法需要依靠大數(shù)據(jù)平臺來進行，其前提是需要準(zhǔn)確獲取用戶之間的相互關(guān)聯(lián)信息，并做好集群歸類。但該算法也有一定不足，就是隨著用戶數(shù)量增多，算法的復(fù)雜度也會顯著增加。并且如果一個物品或者內(nèi)容是全新的，缺乏用戶行為數(shù)據(jù)，則很難被系統(tǒng)識別和推薦給目標(biāo)用戶集群。

二、基于結(jié)合大數(shù)據(jù)技術(shù)的用戶畫像推薦方法具體應(yīng)用

（一）把握用戶心理，精準(zhǔn)推送營銷信息

在大數(shù)據(jù)算法對不同用戶完成用戶畫像操作之后，運營人員就可以對畫像中的高頻標(biāo)簽進行分析統(tǒng)計，該過程亦由系統(tǒng)來自動完成。接著就可以實現(xiàn)對不同標(biāo)簽的用戶應(yīng)用不同的商品推薦方案。亞馬遜（Amazon）所創(chuàng)造的圖書推薦系統(tǒng)推動了協(xié)同過濾推薦方法在全世界的發(fā)展與風(fēng)靡。該系統(tǒng)主要是根據(jù)用戶評論留下的一些關(guān)鍵詞，以及用戶的購買、瀏覽記錄等來決定推薦商品的名錄，在計算方面主要使用的是SparkMLlib平臺。基于上述原理的協(xié)同過濾推薦主要又分為以下兩種：一是基于用戶的協(xié)同過濾精準(zhǔn)推薦;二是基于商品的協(xié)同過濾精準(zhǔn)推薦。

基于知識的推薦方式擁有簡單的操作方法與快捷的處理速度，此種方法當(dāng)前亦較為常用、常見。但運營人員需要提前設(shè)置好一系列的推薦規(guī)則。如果運營人員設(shè)置的推薦規(guī)則不合理，則會導(dǎo)致推薦的商品用戶下單率較低。因此該方法需要與其他推薦方法結(jié)合使用，不宜單獨使用。

（二）以”用戶畫像”為基礎(chǔ)的目標(biāo)市場選擇

“用戶畫像”的含義就是基于用戶的自定義標(biāo)簽以及系統(tǒng)對用戶的行為分析而構(gòu)成的2D靜態(tài)標(biāo)簽+3D動態(tài)標(biāo)簽的用戶描述模型。該技術(shù)具有能夠準(zhǔn)確描摹用戶真實狀態(tài)與習(xí)慣的優(yōu)勢，其可信度亦較高。

基于“用戶畫像”來進行目標(biāo)市場選擇，可以借助大數(shù)據(jù)技術(shù)來明確目標(biāo)客戶群體所在，以及與企業(yè)的實際經(jīng)營范圍、經(jīng)營能力進行自動匹配，并將一些過于狹小或者難于轉(zhuǎn)化的細(xì)分市場予以剔除。使用大數(shù)據(jù)技術(shù)對基于“用戶畫像”的目標(biāo)市場進行選擇，其優(yōu)勢還在于對目標(biāo)市場能夠?qū)崿F(xiàn)動態(tài)跟蹤監(jiān)控，從而洞悉目標(biāo)市場的需求變化，并調(diào)整營銷策略，令營銷策略始終保持一定的前瞻性，并令營銷資源也得以高效和精確的利用，避免浪費。

目標(biāo)市場選擇在現(xiàn)代營銷理論中也被視為是營銷活動中十分重要的環(huán)節(jié)，而基于“用戶畫像”的目標(biāo)市場定位選擇能夠有效地為企業(yè)營銷活動保駕護航。

（三）以”用戶畫像”為基礎(chǔ)的品牌定位決策

“用戶畫像”將不同的用戶通過打標(biāo)操作來進行描摹，繼而可以令企業(yè)采用加權(quán)計算的方法來確定企業(yè)品牌定位方面的決策，同時排除一些與企業(yè)品牌定位不符的無效目標(biāo)用戶群體。通過形成用戶屬性標(biāo)簽集合的精縮模型，來實現(xiàn)對企業(yè)品牌定位決策的指導(dǎo)。企業(yè)同時還可以借助用戶畫像來發(fā)掘客戶的潛在需求，并搶先競爭對手對用戶潛在需求進行引導(dǎo)和滿足，從而占據(jù)市場先機。

根據(jù)品牌定位的相關(guān)理論，品牌定位有四種模式，其中基于用戶利益進行定位一直是最為常見的定位模式。但該模式在實踐中會受到市場調(diào)研不全面、不準(zhǔn)確以及對用戶心態(tài)把握不好的限制，因此難度較高。而用戶畫像精縮模型的建立則能夠在很大程度上降低該模式的運行難度，令企業(yè)的品牌定位更為精準(zhǔn)和長效化，并能夠確保企業(yè)品牌定位與用戶的核心利益、文化背景高度匹配，從而實現(xiàn)快速占領(lǐng)用戶心智與認(rèn)知的營銷目的。

結(jié)語

大數(shù)據(jù)時代的到來，給用戶畫像推薦領(lǐng)域帶來了較大變化，不但為其發(fā)展和運行帶來了技術(shù)方面的支持，還對消費模式轉(zhuǎn)變、開放產(chǎn)業(yè)鏈以及更廣范圍的數(shù)據(jù)融合發(fā)展起到了推動作用，使原有的運行形式得到有效改善。但與此同時我們也要看到其中存在的風(fēng)險與安全隱患，如何在用戶畫像的進一步研究應(yīng)用和保護個人隱私與信息安全之間找尋平衡是亟待解決的重要問題。但相信只要運營商科學(xué)合理地利用大數(shù)據(jù)技術(shù)和所獲取的數(shù)據(jù)資源，將對企業(yè)的精準(zhǔn)營銷與個性化服務(wù)提供巨大的幫助，相應(yīng)地也使用戶體驗進一步提升。

參考文獻：

[1]張麗娟，基于大數(shù)據(jù)分析的用戶畫像助力精準(zhǔn)營銷研究[J].電信技術(shù)，2017（01）.

[2]郝勝宇，陳靜仁.大數(shù)據(jù)時代用戶畫像助力企業(yè)實現(xiàn)精準(zhǔn)化營銷[J].中國集體經(jīng)濟，2016（04）.

[3]董莉莉.剖析大數(shù)據(jù)時代下用戶畫像及媒介策略[J].傳媒，2016（02）.

[4]張東霞，苗新，劉麗平，張焰，劉科研，智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J].中國電機工程學(xué)報，2015（01）.

[5]程學(xué)旗，靳小龍，王元卓，郭嘉豐，張鐵贏，李國杰.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報，2014（09）.

[6]李冰，王悅，劉永祥.大數(shù)據(jù)環(huán)境下基于K-means的用戶畫像與智能推薦的應(yīng)用[J].現(xiàn)代計算機（專業(yè)版），2016（24）.

[作者簡介]劉洋，碩士學(xué)歷;研究方向：新媒體與法治，網(wǎng)絡(luò)安全，數(shù)據(jù)合規(guī)。