用戶畫像技術(shù)在產(chǎn)品營銷中的應(yīng)用

邵雨舟

摘要：隨著人工智能和大數(shù)據(jù)技術(shù)的不斷發(fā)展，對信息的獲取方式也在發(fā)生著變化，消費者希望用最少的時間成本獲取盡量多的商品信息。如何在產(chǎn)品的營銷過程中實現(xiàn)對目標(biāo)用戶的精準(zhǔn)定位，基于用戶畫像技術(shù)的推薦系統(tǒng)就是目前所采用的有效方法之一。本文對互聯(lián)網(wǎng)環(huán)境下在產(chǎn)品的推廣和營銷過程中如何利用用戶畫像技術(shù)，有針對性地選擇推薦系統(tǒng)算法進(jìn)行了探討和研究。

關(guān)鍵詞：用戶畫像;推薦系統(tǒng);算法

Abstract： With the continuous development of artificial intelligence and big data technology， the way of obtaining information is also changing. Consumers hope to obtain as much commodity information as possible with the least time cost. How to achieve accurate positioning of target users in the process of product marketing， the recommendation system based on user portrait technology is one of the effective methods currently used. This paper discusses and studies how to use user portrait technology to select recommendation system algorithm in the process of product promotion and marketing under the Internet environment.

Key words： user profile; recommendation system; algorithm

隨著計算機技術(shù)的不斷發(fā)展，人們對獲取數(shù)據(jù)的處理方式也在發(fā)生重大的變化，傳統(tǒng)的廣告和市場營銷方式已經(jīng)不能滿足當(dāng)今市場發(fā)展的需要，每個消費者的日常行為能夠直接或間接地反映了個人的消費習(xí)慣，商家希望從這些海量數(shù)據(jù)中提取有價值的數(shù)據(jù)，作為市場推廣的參考依據(jù)。大數(shù)據(jù)與人工智能技術(shù)的產(chǎn)生和發(fā)展為市場營銷的個性化和精細(xì)化操作提供了技術(shù)手段，利用互聯(lián)網(wǎng)搜集和獲取的海量數(shù)據(jù)，經(jīng)過加工處理，形成有價值的標(biāo)簽數(shù)據(jù)，通過行為建模，歸納出不同類別的消費群體，然后通過推薦系統(tǒng)的匹配，實現(xiàn)精準(zhǔn)的產(chǎn)品推廣定位。

1 用戶畫像技術(shù)的作用

用戶畫像是建立在真實數(shù)據(jù)之上的目標(biāo)用戶虛構(gòu)的、具體的、集中的描述。它主要是利用存儲在服務(wù)器上的海量日志和數(shù)據(jù)庫里的大量數(shù)據(jù)進(jìn)行分析和挖掘，通過收集與分析用戶的社會屬性、生活習(xí)慣、消費行為等數(shù)據(jù)，提煉出用戶的信息全貌，這些信息可以實現(xiàn)對用戶不同維度的特征進(jìn)行標(biāo)識，這就是用戶畫像的本質(zhì)。

用戶畫像技術(shù)現(xiàn)在已經(jīng)應(yīng)用到很多行業(yè)和領(lǐng)域，通過用戶畫像可以了解用戶的生活習(xí)慣、挖掘和開發(fā)潛在的用戶、實現(xiàn)精準(zhǔn)化的消費群體定位，在產(chǎn)品的廣告宣傳、資訊媒體的推廣等方面都取得了很好的應(yīng)用效果。

1.1 用戶畫像的特點

1）用戶畫像是現(xiàn)實生活中用戶的信息特征描述。利用大數(shù)據(jù)技術(shù)對數(shù)據(jù)進(jìn)行分析處理，歸納出能代表用戶不同維度的特征標(biāo)識，這些特征標(biāo)識能夠客觀地反映用戶的社會屬性和行為習(xí)慣;

2）用戶畫像結(jié)果可以代表具有共同特征的一類用戶。用戶畫像把用戶按照不同的需求、特征區(qū)分成若干個不同的群體，然后提煉的每個群體的特征。

3）用戶畫像通過目標(biāo)用戶的輪廓刻畫，實現(xiàn)產(chǎn)品的準(zhǔn)確定位。如果服務(wù)的目標(biāo)用戶特征明顯，體現(xiàn)在產(chǎn)品上就是產(chǎn)品的定位專注、極致，能解決核心問題。用戶畫像又被稱為用戶信息標(biāo)簽化，通過這些標(biāo)簽提供給用戶需求的東西，真正做到了以用戶為中心。

1.2 用戶畫像技術(shù)在產(chǎn)品營銷中的應(yīng)用

借助用戶畫像技術(shù)能夠了解不同類型用戶的產(chǎn)品愛好和行為習(xí)慣，幫助企業(yè)進(jìn)行精準(zhǔn)化營銷和個性化定位。借助于大數(shù)據(jù)技術(shù)，對搜集到的目標(biāo)群體的個人基本屬性、購買能力、行為特征、心理特征、興趣愛好、社交網(wǎng)絡(luò)等數(shù)據(jù)進(jìn)行分析，從而歸納出這些用戶的關(guān)注重點、社交關(guān)系以及消費習(xí)慣等。通過一些特定算法進(jìn)行行為建模，形成特定用戶的用戶畫像，用戶畫像可以根據(jù)用戶行為數(shù)據(jù)的變化不斷進(jìn)行調(diào)整和完善。

用戶在消費過程中的各個環(huán)節(jié)產(chǎn)生的數(shù)據(jù)都能被實時地捕獲到，這些海量數(shù)據(jù)使獲得的用戶畫像更加精準(zhǔn)、實時，利用獲取的用戶信息標(biāo)簽?zāi)Ｐ?，可以指?dǎo)業(yè)務(wù)場景和運營，調(diào)整營銷策略，使得產(chǎn)品服務(wù)的推廣更具有針對性，提高市場運營效率。

1）數(shù)據(jù)收集：收集用戶在與系統(tǒng)交互過程中產(chǎn)生的各種數(shù)據(jù);

2）行為建模：利用搜集的用戶的基礎(chǔ)數(shù)據(jù)，通過技術(shù)手段進(jìn)行行為建模。其中基于數(shù)理統(tǒng)計和基于規(guī)則定義的方法是基于已有數(shù)據(jù)的構(gòu)建方法，其缺陷是無法處理數(shù)據(jù)缺失或不在規(guī)則范圍內(nèi)的用戶。而后兩種方法是基于機器學(xué)習(xí)，它讓計算機像人一樣去學(xué)習(xí)處理問題，并給出分析的結(jié)論;

3）構(gòu)建畫像：通過行為建模，可以輸出一系列的用戶標(biāo)簽，標(biāo)簽可以表示出這個用戶的特點，用戶畫像的信息維度可以根據(jù)不同行業(yè)和不同場景來構(gòu)建。

2 推薦系統(tǒng)簡述

通過用戶畫像將用戶的特征進(jìn)行標(biāo)簽化，用戶畫像產(chǎn)生之后，就要利用這些標(biāo)簽數(shù)據(jù)，進(jìn)行有目標(biāo)的產(chǎn)品推薦，因此就產(chǎn)生了推薦系統(tǒng)技術(shù)。

推薦系統(tǒng)是建立在大數(shù)據(jù)基礎(chǔ)上的一種智能化系統(tǒng)，它是根據(jù)用戶的信息需求、興趣等，將與之匹配的產(chǎn)品推薦給用戶，這是一種個性化信息推薦系統(tǒng)。

推薦系統(tǒng)本質(zhì)上要解決用戶、物品和環(huán)境的匹配問題，幫助建立用戶和物品之間的連接。

2.1 推薦系統(tǒng)的作用

1）為用戶篩選出感興趣的商品和資訊，實現(xiàn)與用戶個性化愛好最大程度的匹配;

2）解決利用搜索引擎導(dǎo)致的信息過載和判斷的障礙問題，縮短用戶與標(biāo)的物的距離;

3）為選擇目標(biāo)不明確的用戶提供參考性的建議;

4）增加用戶滿意度，個性化的推薦結(jié)果可以提高用戶的興趣和可信度;

5）增加用戶忠誠度，用戶與應(yīng)用的交互時間越久，用戶模型就變得越精確，產(chǎn)生的效果越好。

2.2 常用的推薦系統(tǒng)算法

推薦系統(tǒng)核心就是選擇不同的推薦算法，下面我們介紹幾種常用的推薦算法。

1）基于內(nèi)容的推薦算法?；趦?nèi)容的推薦算法首先要提取用戶歷史交易記錄和用戶對產(chǎn)品評價信息，把獲取的用戶的興趣特征作為用戶的購買傾向;然后再對目標(biāo)產(chǎn)品進(jìn)行特征提取;最后通過對用戶偏好特征和目標(biāo)產(chǎn)品特征的匹配程度進(jìn)行比較，得到推薦結(jié)果。

基于內(nèi)容的推薦算法一般只根據(jù)該用戶以往的行為來為用戶提供推薦，不牽扯到其他用戶的行為。如今日頭條的推薦有很大比例是基于內(nèi)容的推薦算法，下面我們舉例說明。

如果用戶甲喜歡的抖音短視頻類型是美食類A和娛樂搞笑類D，用戶乙喜歡的短視頻是體育類B，用戶丙喜歡的短視頻是娛樂搞笑類D。我們最終要確定的問題是：是否給用戶甲推薦短視頻C ？

基于內(nèi)容的做法：首先需要對短視頻進(jìn)行特征建模;要分析短視頻C的特征和用戶甲所喜歡的A、D類短視頻的特征;得知C短視頻和用戶甲喜歡的短視頻A具有相同的特征，那么短視頻C大概率地可以推薦給用戶甲。

2）基于協(xié)同過濾的推薦。協(xié)同過濾推薦是在眾多的用戶中找到和你喜好比較相近的目標(biāo)，主要是基于以下兩點：喜好相近的用戶可能會對同樣的標(biāo)的物感興趣;用戶可能偏愛與自己購買的物品相類似的其他物品。

下面介紹2個常用的協(xié)同過濾算法。

（1）基于用戶的協(xié)同過濾算法?；驹硎?，當(dāng)A用戶需要個性化推薦時，可以先找到和他有相似興趣的其他用戶，然后把那些用戶喜歡的而A用戶沒有接觸過的物品推薦給A。這種方法稱為基于用戶的協(xié)同過濾算法。適用于新聞或者用戶分類比較明確的場景。

這種算法不用考慮用戶、標(biāo)的物的特征信息，它主要是依據(jù)用戶對某個標(biāo)的物的偏愛，找出不同用戶之間偏愛的相似度，通過這種用戶之間偏愛相似度來進(jìn)行個性化推薦，將偏愛相似的用戶群體所感興趣的其他物品，推薦給該用戶。

x因為這種算法的決策是依賴用戶和視頻之間的關(guān)系。我們不再需要知道ABCD短視頻的類型特征，所以我們不需要為標(biāo)的物建模，我們通過甲用戶和丙用戶偏愛向量表示圖得知，他們的相似度比較高，那么我們可以把丙所喜歡的D短視頻推薦給用戶甲。

（2）基于物品的協(xié)同過濾算法。這是當(dāng)今很多大型網(wǎng)站都在采用的推薦算法之一。算法的基本思路是利用用戶對物品的偏好找到相似的物品，然后根據(jù)用戶的歷史偏好，為他推薦相似的物品。

可以在離線狀態(tài)下，從用戶的歷史信息中先將物品的相似度矩陣計算好，這樣可以在線上實時快速地給出推薦結(jié)果。這種方法推薦的物品一般都和用戶喜歡的物品內(nèi)容高度相似。

因為喜歡物品A的用戶同時也喜歡物品C?？梢哉f物品A和物品C具有很大的相似度。

基于物品的協(xié)同過濾方法不用考慮用戶、物品的特征信息，它是根據(jù)用戶對物品的偏好信息（如評分等行為），通過矩陣計算獲取不同物品之間的相似度，這種方法是以物品為中心，將相似的物品劃歸于特定的一組類別，然后根據(jù)某個用戶的歷史興趣找出他感興趣的物品所屬的類別，最后將屬于該組類別所對應(yīng)的物品推薦給該用戶。

3 結(jié)束語

基于用戶畫像的推薦系統(tǒng)技術(shù)，在電子商務(wù)領(lǐng)域和傳媒資訊領(lǐng)域都得到了廣泛的應(yīng)用和深入的研究，并且逐步形成了一門獨立的學(xué)科。隨著研究和應(yīng)用水平的不斷提高，用戶畫像技術(shù)將會給我們生活帶來更多的驚喜。

參考文獻(xiàn)：

[1] 張化南.基于用戶畫像分析電子商務(wù)網(wǎng)站應(yīng)用研究[J].現(xiàn)代營銷（下旬刊），2020（7）：100-101.

[2] 張莉.基于“用戶畫像”的精準(zhǔn)營銷策略研究[J].現(xiàn)代營銷（下旬刊），2020（3）：93-94.

【通聯(lián)編輯：唐一東】