用戶畫像視域下健身信息精準(zhǔn)傳播探析

◇喀什大學(xué)體育學(xué)院 翟德強(qiáng) 蔡水蓮

受新型冠狀病毒疫情影響，全民健身意識(shí)增強(qiáng)，健身信息需求大幅提升。本文通過文獻(xiàn)資料法、邏輯分析法等對(duì)健身信息在居民隔離防控期間如何實(shí)現(xiàn)精準(zhǔn)傳播進(jìn)行研究，研究認(rèn)為通過搜集健身者信息，建立健身者標(biāo)簽并計(jì)算權(quán)重，建立數(shù)據(jù)模型，最終構(gòu)建健身者用戶畫像，網(wǎng)絡(luò)健身平臺(tái)根據(jù)健身者用戶畫像最終能夠?qū)崿F(xiàn)健身信息精準(zhǔn)傳播，增加平臺(tái)流量，更好服務(wù)全民健身。

2019年12月至今，新型冠狀病毒疫情嚴(yán)重，疫情防控成為2020年首要任務(wù)，而防控疫情最有效手段是隔離防控，各地居民盡量居家隔離。鐘南山院士呼吁加強(qiáng)身體鍛煉，提高自身身體素質(zhì)，提高免疫力。疫情讓大眾對(duì)健身有了前所未有的重視。但是，居家隔離過程中如何進(jìn)行健身鍛煉呢，在移動(dòng)互聯(lián)網(wǎng)時(shí)代，上網(wǎng)進(jìn)行健身學(xué)習(xí)已成為大多數(shù)非運(yùn)動(dòng)健身專業(yè)人士的選擇，健身相關(guān)信息的傳播推送也成為了各大網(wǎng)絡(luò)平臺(tái)獲得用戶流量的重要渠道。但紛繁復(fù)雜的健身信息讓健身者疲于選擇，在大數(shù)據(jù)的移動(dòng)互聯(lián)網(wǎng)時(shí)代各大網(wǎng)絡(luò)平臺(tái)、手機(jī)APP等如何進(jìn)行精準(zhǔn)的健身信息傳播投放呢，通過大數(shù)據(jù)收集分析構(gòu)建健身者用戶畫像信息能夠很好實(shí)現(xiàn)健身信息精準(zhǔn)傳播。

1 用戶畫像概述

1.1 用戶畫像的概念

用戶畫像是按照用戶的社會(huì)屬性、個(gè)人行為、偏好興趣等信息凝練出一個(gè)或一類用戶標(biāo)簽[1]。用戶畫像最早由人機(jī)交互之父Alan Cooper在著作《About Face》中提出，最早的用戶畫像是為了設(shè)計(jì)產(chǎn)品而提出，設(shè)計(jì)者或者和公司對(duì)用戶進(jìn)行問卷調(diào)查，根據(jù)調(diào)查結(jié)果對(duì)用戶進(jìn)行系統(tǒng)描述分類，以期設(shè)計(jì)出滿足廣大消費(fèi)者的產(chǎn)品。但隨著互聯(lián)網(wǎng)的發(fā)展，大數(shù)據(jù)時(shí)代到來，互聯(lián)網(wǎng)使用者在利用互聯(lián)網(wǎng)的過程中總會(huì)留下痕跡，根據(jù)用戶的使用數(shù)據(jù)進(jìn)行用戶的數(shù)據(jù)信息收集及分類處理，篩選有價(jià)值的數(shù)據(jù)進(jìn)行對(duì)用戶的描述，盡量描繪出用戶的全貌，利用此種方式來了解用戶。隨著我國電子商務(wù)的迅速發(fā)展，用戶畫像理論和技術(shù)在電子商務(wù)的使用中逐漸成熟，后來逐漸被各大網(wǎng)絡(luò)平臺(tái)進(jìn)行使用。

1.2 用戶畫像研究現(xiàn)狀

隨著互聯(lián)網(wǎng)和大數(shù)據(jù)的成熟發(fā)展，大量學(xué)者在研究互聯(lián)網(wǎng)及大數(shù)據(jù)發(fā)展的同時(shí)意識(shí)到了用戶畫像對(duì)企業(yè)精準(zhǔn)生產(chǎn)，平臺(tái)廣告、視頻等精準(zhǔn)投放等都有著積極的意義，于是對(duì)用戶畫像理論從各個(gè)角度開始進(jìn)行研究。商麗媛認(rèn)為構(gòu)建用戶畫像，并將用戶畫像應(yīng)用到中小企業(yè)營銷中去，找到用戶的消費(fèi)偏好，做到精準(zhǔn)營銷，這才是用戶畫像的意義和中小企業(yè)的未來[2]。韓梅花認(rèn)為在網(wǎng)絡(luò)平臺(tái)捕捉用戶關(guān)于情緒和心理的負(fù)面行詞匯，并進(jìn)行整理，可以建立其用戶畫像，進(jìn)而計(jì)算其抑郁程度，根據(jù)結(jié)果對(duì)計(jì)算患有抑郁病癥的用戶進(jìn)行上網(wǎng)引導(dǎo)，從而起到治療抑郁效果[3]。何江紅等人對(duì)游泳者進(jìn)行構(gòu)建用戶畫像，以此來分析游泳參與者的動(dòng)機(jī)并優(yōu)化游泳產(chǎn)品和服務(wù)。在分析已有的研究的基礎(chǔ)上，我們主要從健身需求者的用戶數(shù)據(jù)研究、健身需求者用戶畫像構(gòu)建流程及健身信息精準(zhǔn)推薦等方面進(jìn)行研究[4]。通過總結(jié)前人研究可以發(fā)現(xiàn)，用戶畫像在收集用戶數(shù)據(jù)并對(duì)其進(jìn)行全面分析方面有著巨大的作用，構(gòu)建健身者用戶畫像并對(duì)其精準(zhǔn)傳播健身信息，有利于健身者自我健身學(xué)習(xí)，提高自身身體素質(zhì)，抗擊疫情。

2 基于“用戶畫像”的健身信息傳播

2.1 健身用戶畫像構(gòu)建

為健身信息需求者構(gòu)建用戶畫像共分為四個(gè)步驟：搜集用戶所需健身信息、信息分類及權(quán)重分析、建立數(shù)據(jù)模型、數(shù)據(jù)可視化，如圖1所示。

圖1 健身用戶畫像構(gòu)建流程

（1）健身需求者信息的獲取。大數(shù)據(jù)時(shí)代，每個(gè)人在使用網(wǎng)絡(luò)的過程中都會(huì)留下痕跡，通過用戶數(shù)據(jù)的搜集分析，可定位其需求。研究用戶畫像的學(xué)者將用戶畫像構(gòu)建時(shí)需要搜集的信息按照人的各種屬性進(jìn)行分類收集，基本可分為：基礎(chǔ)的人口屬性，用戶的社會(huì)屬性，生活形態(tài)以及心理屬性四類[5]。我們進(jìn)一步將該四類屬性概括為兩類：用戶的靜態(tài)信息和用戶的動(dòng)態(tài)信息。其中靜態(tài)信息大致包含用戶基本信息（性別、年齡、學(xué)歷、收入等）以及用戶短時(shí)間不會(huì)有太大變化的一些信息。用戶的動(dòng)態(tài)信息則包含用戶的個(gè)人偏好（健身方式、鍛煉部位、健身信息獲取方式等）、用戶行為、用戶的健身信息互動(dòng)等。通過將用戶的這些信息搜集整理，我們能夠根據(jù)一位健身用戶的基本信息構(gòu)建出健身者的基本畫像，但該畫像并非一成不變，隨著用戶自身?xiàng)l件（年齡、身體條件、學(xué)歷等）和外在條件（科技、設(shè)備、社會(huì)輿論等）的變化，健身用戶的用戶信息和用戶行為也會(huì)隨之變化，比如由有氧訓(xùn)練逐步轉(zhuǎn)向力量訓(xùn)練、上肢訓(xùn)練逐步轉(zhuǎn)向核心訓(xùn)練等。這時(shí)已建立的健身用戶的用戶畫像也要隨之變化，使其更加符合我們的用戶，以此來對(duì)其推送更適合健身用戶的健身信息，提供更好的服務(wù)，使我們的健身用戶能得到最精準(zhǔn)的信息，得到最好的鍛煉指導(dǎo)。

（2）健身用戶畫像標(biāo)簽與權(quán)重分析。在構(gòu)建用戶畫像過程中，標(biāo)簽是對(duì)用戶簡潔的介紹和區(qū)分的憑證，使用的是最簡潔、便于理解的詞語，給用戶設(shè)置標(biāo)簽并分析其權(quán)重也是構(gòu)建用戶畫像最重要的部分。設(shè)置標(biāo)簽后的用戶畫像，便于后續(xù)建立數(shù)據(jù)模型時(shí)的賦值和計(jì)算。通過健身用戶信息數(shù)據(jù)以及健身用戶行為數(shù)據(jù)的搜集、整理和提煉，我們可以提煉出健身用戶的標(biāo)簽，然后將健身用戶貼上對(duì)應(yīng)標(biāo)簽，將健身用戶的健身偏好、健身需求、鍛煉興趣通過標(biāo)簽可視化的形式表現(xiàn)出來。通過各個(gè)標(biāo)簽的權(quán)重分析將各個(gè)標(biāo)簽的重要程度進(jìn)行分類，標(biāo)簽權(quán)重值越大說明該標(biāo)簽越重要，這樣能夠更直觀的看到該健身用戶的健身偏好、健身興趣和健身需求。這種用元素去連接用戶和信息的方法被稱為隱因子（LatentFactor）算法[6]。該算法可以用矩陣的形式R=QPT來解釋，其中R表示用戶對(duì)某標(biāo)簽的重視程度，并用直觀的數(shù)字值表示，數(shù)值越高說明該用戶對(duì)該標(biāo)簽的重視程度越高，那么平臺(tái)就通過篩選將含有該標(biāo)簽內(nèi)容的健身信息推送給該健身用戶，從而實(shí)現(xiàn)健身信息的精準(zhǔn)推送，也更好的服務(wù)了健身用戶，提高效率，吸引用戶流量。

如何采用該算法為健身者建立用戶畫像，首先要建立簡單的兩個(gè)矩陣：Ⅰ用戶-隱因子矩陣Q，用這個(gè)矩陣來表示健身者對(duì)不同的標(biāo)簽的喜愛程度。我們對(duì)這個(gè)程度賦值0-1：不喜歡到十分喜歡，如表1所示。

表1 健身者-隱因子矩陣

Ⅱ隱因子－健身信息矩陣P，該矩陣表示不同種類健身信息的側(cè)重點(diǎn)在哪里。

表2 隱因子－健身信息矩陣

通過矩陣Ⅰ和矩陣Ⅱ，通過隱因子算法可知健身者A對(duì)健身信息1的偏好程度為：健身者A對(duì)上肢訓(xùn)練的偏好*健身信息1含有的上肢訓(xùn)練的成分+核心訓(xùn)練的偏好*電身信息1含有的核心訓(xùn)練的成分+...：0.8*0.8+0.2*0.2+0.6*0.6+0.2*0.1+0.4*0.4+0.2*0.2+0.5*0.8+0*0.8=1.66，同樣的計(jì)算方法我們可以的得到健身者A、健身者B、健身者C分別對(duì)健身信息1、健身信息2、健身信息3的偏好程度，如表3所示。

表3 健身者-健身信息偏好矩陣

通過隱因子矩陣算法我們可以得到健身者某一標(biāo)簽所對(duì)應(yīng)的權(quán)重值，根據(jù)權(quán)重的大小可以確定健身信息的推送順序，為健身者推送最需要的健身信息，由表3我們可以得到，對(duì)健身者A推送三個(gè)健身信息中數(shù)值最高的信息1，對(duì)健身者B推送三個(gè)信息中數(shù)值最高的信息3，對(duì)健身者C推送三個(gè)信息中得分最高的信息2。這樣既節(jié)省了健身者篩選信息的時(shí)間，提高效率，更為平臺(tái)提高服務(wù)質(zhì)量提供依據(jù)，增加平臺(tái)用戶粘度和流量。

（3）建立健身用戶數(shù)據(jù)模型。通過平臺(tái)搜集健身者瀏覽、查詢數(shù)據(jù)，通過篩選去除數(shù)據(jù)噪音后選擇符合健身用戶的數(shù)據(jù)制定用戶標(biāo)簽，然后通過隱因子算法計(jì)算最能夠代表健身用戶的標(biāo)簽的權(quán)重，最后根據(jù)權(quán)重建立該健身用戶的數(shù)據(jù)模型。一般來講建立用戶數(shù)據(jù)模型包括5分維度即5W（who、when、where、what、which），通過用戶的登錄信息以及其留下的網(wǎng)絡(luò)數(shù)據(jù)來判定用戶是誰，在什么時(shí)間、什么地點(diǎn)、做過什么，這些都是可操作易行的，通過這些信息來建立健身用戶數(shù)據(jù)模型。

用戶標(biāo)簽權(quán)重并非一成不變，它會(huì)隨著時(shí)間的推移而衰減，因此用戶的偏好標(biāo)簽權(quán)重＝衰減因子*行為權(quán)重*平臺(tái)權(quán)重[1]。因?yàn)闀r(shí)間衰減是指用戶的行為會(huì)隨著時(shí)間的過去，歷史行為和當(dāng)前的相關(guān)性不斷減弱，所以衰減因子會(huì)隨時(shí)間的衰減而衰減。因此用戶的喜好程度也會(huì)隨時(shí)間的衰減而產(chǎn)生變化。比如一位健身用戶一開始選擇初級(jí)健身信息，隨著時(shí)間的推移，該健身者身體素質(zhì)提升，健身知識(shí)儲(chǔ)備增加，對(duì)初級(jí)的健身信息偏好則會(huì)減弱，相應(yīng)的開始需求中級(jí)乃至高級(jí)健身信息。所以構(gòu)建健身用戶的數(shù)據(jù)模型不是一勞永逸的，而是要隨著時(shí)間推移不斷的更新健身用戶信息數(shù)據(jù)，不斷優(yōu)化更新健身用戶的數(shù)據(jù)模型。

（4）健身用戶數(shù)據(jù)可視化。在通過搜集健身用戶信息，計(jì)算健身用戶標(biāo)簽權(quán)重后建立起健身用戶數(shù)據(jù)模型后，還要通過視覺化的形式將健身用戶的數(shù)據(jù)模型展示出來，而不是傳統(tǒng)意義上的表格統(tǒng)計(jì)。用戶畫像可視化是以用戶為核心全方位展示用戶的可視化方式，通過點(diǎn)擊圍繞用戶的任何一個(gè)子標(biāo)簽都可以得到該子標(biāo)簽背后的詳細(xì)的信息及行為數(shù)據(jù)。借助“云”概念，通過云詞條、動(dòng)態(tài)數(shù)據(jù)等等形式來直觀展現(xiàn)。

2.2 健身信息精準(zhǔn)化傳播

在當(dāng)今的互聯(lián)網(wǎng)信息時(shí)代，有關(guān)健身的信息浩如煙海。健身者在進(jìn)行健身信息搜集時(shí)，要花費(fèi)大量時(shí)間去篩選。大多數(shù)健身運(yùn)動(dòng)平臺(tái)也會(huì)無差異的推送健身信息給用戶，這樣不但浪費(fèi)健身用戶時(shí)間，更會(huì)因?yàn)椤袄畔ⅰ钡尿}擾而失去用戶失去市場。那么健身信息的精準(zhǔn)傳播就顯得格外重要，根據(jù)健身者的用戶畫像數(shù)據(jù)信息，用戶的偏好和需求都可以可視化展現(xiàn)出來，健身運(yùn)動(dòng)平臺(tái)和手機(jī)移動(dòng)app等都可以借助互聯(lián)網(wǎng)技術(shù)將否和健身用戶需求的健身信息篩選出來，進(jìn)行健身信息的精準(zhǔn)化推送傳播。健身信息的精準(zhǔn)化傳播，我們可以借鑒視頻精準(zhǔn)化傳播的方式，一種是基于用戶的協(xié)同過濾算法USERCF[7]，如圖2，該方法是通過相仿用戶的選擇進(jìn)行信息推送。

圖2 基于用戶的協(xié)同過濾算法USERCF演示圖

由圖2我們可以清晰看到，健身用戶A選擇了健身信息1、3，健身用戶B選擇了健身信息1、4，用戶C選擇了健身信息1、2、4。很明顯健身用戶B和健身用戶C健身需求更相仿。所以向建設(shè)用戶B推送健身信息2。簡單來講，這種方法就是向健身用戶推薦和他偏好類似的其他健身用戶所選擇的健身信息。

另一種是基于健身信息的協(xié)同過濾算法ITEMCF[7]。通過相似的健身信息向健身用戶推送，如圖3所示。

圖3 基于用戶信息的協(xié)同過濾算法USERCF演示圖

由圖3可見健身信息1被健身用戶A、B、C所選擇，健身信息4被健身用戶B、C所選擇，由此可以推測健身信息4也會(huì)被健身用戶A喜愛。簡單來講，就是根據(jù)健身用戶推薦與他喜歡的健身信息類似的健身信息。

無論網(wǎng)絡(luò)平臺(tái)還是手機(jī)app通過這兩種健身信息推送方式哪一種進(jìn)行健身信息的傳播推送，都是該平臺(tái)或者app后臺(tái)根據(jù)健身用戶在其瀏覽、搜索、使用的數(shù)據(jù)的基礎(chǔ)上進(jìn)行篩選總結(jié)，建立起健身者在該平臺(tái)的用戶畫像，并根據(jù)健身者的行為數(shù)據(jù)改變，調(diào)整相應(yīng)的用戶標(biāo)簽，不斷完善其畫像，根據(jù)健身者的用戶畫像判斷其用戶偏好和需求，為健身者推送最需要的健身信息。

3 結(jié)語

互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)域鏈等社會(huì)發(fā)展和技術(shù)背景下，流量成為了健身網(wǎng)絡(luò)平臺(tái)和互聯(lián)網(wǎng)企業(yè)發(fā)展的至關(guān)重要因素。而想要增加健身網(wǎng)絡(luò)平臺(tái)的用戶流量就要對(duì)健身用戶提供個(gè)性化服務(wù)，建立健身者的用戶畫像，就是通過挖掘健身者在互聯(lián)網(wǎng)中的數(shù)據(jù)痕跡，提煉健身者的偏好和需求，從而為其提供最優(yōu)的健身信息。提升健身者對(duì)平臺(tái)體驗(yàn)度，增加用戶黏性。隨著數(shù)據(jù)挖掘技術(shù)及人工智能的不斷發(fā)展，用戶畫像不僅將會(huì)在互聯(lián)網(wǎng)健身平臺(tái)的健身信息精準(zhǔn)傳播起著舉足輕重的作用，在網(wǎng)絡(luò)整體的信息傳播中也將會(huì)是提升用戶效率的重要手段。健身者通過學(xué)習(xí)適合自己的健身信息進(jìn)而提升身體素質(zhì)，提高免疫力。