大數據環境下用戶畫像在高校圖書館的應用研究*

袁 軍

（許昌學院圖書館 河南 許昌 461000）

隨著社會信息化程度的日益提高，大數據已經成為新時期信息技術和產業發展的重要方向。用戶畫像作為大數據時代用戶分析及服務設計的有效工具，目前已經在很多領域得到了廣泛應用。特別是在電子商務和信息服務領域，商家和企業可以利用用戶畫像技術，準確識別和分析目標客戶，了解和預測用戶需求，提高企業的決策效率，實現成功營銷。用戶畫像技術也為圖書館服務模式的創新和未來的發展提供了機遇。大數據環境下，圖書館的服務正面臨著一系列挑戰，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，現有服務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，因此，把用戶畫像技術引入圖書館領域，構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，是大數據時代的產物。交互設計之父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據之上的目標用戶模型[1]。該模型可調研了解用戶，然后根據用戶的行為、偏好和目標之間的差異，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、照片等一些人口統計學要素和一些場景描述，即形成了一個用戶畫像。

David Travis認為用戶畫像具有P（基本性，Primary research）、E（移情性，Empathy）、R（真實性，Realistic）、S（獨特性，Singular）、O（目標性，Objectives）、N（數量性，Number）、A（應用性，Applicable）的特性，滿足以上7個條件才能構成一個完整的用戶畫像[2]。大數據環境下，把用戶畫像技術引入圖書館領域，目的在于了解用戶，預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的信息服務。

2 國內外研究現狀

用戶畫像作為大數據時代勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，在數據統計、數據分析方面具有明顯優勢，已成為近年來國內外學術界關注的熱點問題，圍繞用戶畫像的理論研究與應用研究也相繼展開。

國外學者比較重視對用戶畫像技術算法的研究，比較常用的有：分類算法、加權算法、過濾算法、向量空間模型算法、樸素貝葉斯分類法等，學者們會根據用戶的長期或短期愛好分別采取不同的算法來構建用戶畫像模型。用戶畫像在國外圖書館領域的應用最早出現在20世紀80年代，應用于英國國家書目和Blaise-line（歐洲首批在線服務之一）的服務優化，有關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查和分析結果，重新審視自己的服務結構和服務模式，以更好地滿足用戶對服務的需求[3]。

國內圖情領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期上發表的《基于用戶畫像的數字圖書館知識社區用戶模型構建》一文，對數字圖書館用戶畫像進行了模型構建和分析，并在此基礎上構建綜合服務能力評價指標體系，為數字圖書館社區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期上發表的《淺議數字圖書館知識發現系統中的用戶畫像》一文，以天津圖書館為例，從數據來源、數據采集、信息識別、模型搭建等方面就用戶畫像的構建進行了詳細闡述，并提出可視化統計描述、多維度交叉分析、用戶關系圖譜等用戶畫像分析方法[5]。汪強兵等指出，整合內容與用戶行為的用戶畫像構建系統能夠挖掘用戶在閱讀文獻時的興趣，并進行用戶畫像構建[6]。陳慧香等探討了國外圖書館領域用戶畫像的研究現狀，從定義與組成、算法與技術、模型構建、實踐應用等方面作了詳細的闡述[2]。以上研究為用戶畫像在國內圖書館領域的構建和應用提供了借鑒和參考。

總之，大數據環境下，用戶畫像在圖書館領域的研究與應用正在逐步興起，尚未進入成熟階段，國內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建

用戶畫像是從海量的數據中產生和形成的，具體來說，圖書館用戶畫像模型的構建過程和步驟是：首先對圖書館各系統之間的用戶數據進行整合，使用戶的屬性數據和行為數據相關聯，然后對用戶信息進行統計、分類、聚類分析，給用戶建立標簽體系，最后，在此基礎上，進行用戶畫像框架模型的構建，細分用戶并勾勒出個人用戶及群體用戶畫像。

3.1 用戶畫像數據采集與處理

數據源是構建用戶畫像的關鍵因素，用戶畫像來自于大量、豐富的用戶數據，只有建立在客觀真實的數據基礎上，生成的畫像才有效，數據內容越全面，形成的畫像就越精準，因此，確定數據源是高校圖書館構建用戶畫像的首要工作。

大數據環境下，高校圖書館的用戶畫像數據分為靜態信息數據和動態信息數據兩類。靜態信息數據是指用戶相對穩定的信息，即用戶的基本屬性數據，主要包括用戶的姓名、性別、年齡、院系、職稱、專業、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，這部分數據可以從圖書館用戶管理系統中獲取。動態信息數據是指用戶不斷變化的行為信息，比如用戶的登錄網絡、借閱、檢索、下載等使用行為數據。動態數據具有隱蔽性的特點，需要通過數據分析和數據挖掘進行提取，圖書館用戶的行為數據主要來源于圖書館網站、書目檢索系統、微信服務平臺及移動終端等，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行為數據的產生。

圖書館在對用戶數據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據來源于不同的服務系統中，各系統之間的數據并無關聯，圖書館在構建用戶畫像時，首先要把各服務系統之間的數據進行整合，使圖書館APP、微信平臺、一卡通等現有服務系統中的數據相關聯，然后統計用戶在這些系統平臺上的所有行為軌跡，并與用戶的屬性數據相結合，共同構成高校圖書館用戶畫像的數據來源。高校圖書館用戶畫像數據的構成如圖1所示。

圖1 高校圖書館用戶畫像數據構成

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

3.2 建立用戶畫像數據標簽體系

為用戶建立數據標簽是用戶畫像構建過程中的一個關鍵步驟，也是用戶畫像的核心工作。標簽為大數據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信息，提高信息獲取的精準度和效率。

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

高校圖書館根據服務對象的不同，把用戶分為教師、學生、博士、學科帶頭人或骨干教師等類型。在構建用戶畫像的過程中，應注重根據用戶的信息需求貼標簽，對所采集到的用戶數據進行分析與挖掘，運用關聯方法從用戶的基本屬性、閱讀愛好、上網軌跡、用戶活躍度等多維度去構建用戶畫像的標簽體系。

3.3 構建用戶畫像模型

用戶畫像是用戶在現實中的數學建模，高校圖書館在完成對用戶數據采集、處理以及標簽化工作的基礎上，便可實現用戶畫像模型的“可視化”構建。圖書館通過對用戶的屬性數據和行為數據進行分析，就可以了解和掌握用戶的個人偏好和行為習慣，進而運用可視化方式描述用戶需求，幫助圖書館實現個性化、精準化服務。

高校圖書館用戶畫像模型的構建可以分為3個層次，即數據來源層、數據分析處理層以及數據標簽層。數據來源層是用戶畫像模型構建的基礎層，高校圖書館可通過管理系統、服務平臺、移動終端、網站系統等對用戶的屬性數據和行為數據進行采集，并將數據序列化后存儲到原始數據庫中。同時，由于用戶行為數據具有動態化的特點，所以需要圖書館建立一個有效的反饋評價機制，根據用戶與圖書館資源平臺交流的反饋信息，及時對原始數據庫的數據進行修正與完善。數據分析處理層則是利用數據清理、信息過濾等技術對原始數據進行預處理，建立用戶畫像有效數據集。數據標簽層是用戶畫像構建的關鍵層，圖書館通過運用分類、聚類、關聯分析等數據挖掘技術對用戶有效信息數據進行語義化和短文本化標簽，建立用戶數據標簽數據庫，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。具體構建過程如圖2所示。

圖2 高校圖書館用戶畫像構建模型

用戶畫像模型的構建是一個比較復雜和不斷完善的過程，其中涉及到一些復雜的計算方法，比如聚類算法、相似度計算、預測算法、語言處理、數據關聯統計算法等，這些主要通過機器學習來完成。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生改變，因此模型需要具有一定的靈活性，可根據用戶的動態行為對已建立的用戶畫像進行實時更新、優化與完善。

4 用戶畫像在高校圖書館的應用

4.1 針對不同用戶提供精準化推薦服務

大數據環境下，高校圖書館文獻信息資源豐富、類型多樣，面對海量的數據信息，用戶很難從中獲取到自己感興趣的服務內容，圖書館傳統的推薦服務已不能滿足用戶對信息資源的需求，如何快速、準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的關鍵問題。

用戶畫像是用戶興趣的個性化反映，在圖書館精準化服務中起著重要作用。把用戶畫像技術應用于圖書館，能夠創新高校圖書館的信息服務模式，解決圖書館資源推送內容與用戶需求不匹配的矛盾，從而為用戶提供更加精準、高效的服務。圖書館可以利用用戶畫像技術，追蹤用戶在利用圖書館的過程中留下的一些歷史數據，如用戶的基本信息、所學專業、借閱信息、上網記錄、瀏覽記錄等，通過對這些用戶信息進行分析和處理，準確了解用戶最真實的情況，發現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，或是根據用戶的某一行為特征分析、挖掘出用戶的潛在需求，并根據分類、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重的精準化服務。這樣既可以使圖書館的服務有的放矢，節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，使圖書館能夠根據用戶需求的變化情況，及時升級和調整信息服務策略。

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，在全民閱讀中擔負著重要的社會責任，發揮著引領作用。開展閱讀推廣活動既是高校圖書館的職責和核心服務工作，也是提高館藏資源利用率的重要舉措。

傳統閱讀推廣服務的內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。把用戶畫像應用到閱讀推廣的智能推薦系統中，就可以幫助圖書館實現個性化、精準化推送，打破無差別推廣的現狀。高校圖書館可以利用用戶畫像技術，動態跟蹤用戶使用圖書館的行為軌跡，根據其知識背景、閱讀特點、閱讀習慣、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，并根據用戶信息數據的變化情況及時調整閱讀推廣的內容和方法，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性，向著更加精細、更高質量的方向推進。同時，充分利用用戶畫像，在校園網、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，激發用戶的閱讀積極性，提升用戶對圖書館閱讀推廣服務的個性化體驗。

4.3 開展用戶信用管理

當前，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象。針對這些嚴重的用戶失信行為，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。用戶畫像技術為高校圖書館開展用戶信用管理提供了借鑒，圖書館應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過程中產生的信用風險。

高校圖書館可通過用戶畫像收集、分析用戶信用數據，配置信用資源，建立圖書館用戶信用管理系統，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險。對信用度高的用戶提供優惠待遇，比如增加借閱圖書的冊數、適當延長借閱時間，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的處罰措施，降低他們在圖書館獲取資源與服務的權限，讓用戶意識到其失信行為的嚴重性，從而更好地限制和約束個人行為，自覺遵守圖書館的相關規定。

4.4 協助制定科學合理的發展規劃

科學合理的發展規劃是高校圖書館可持續發展的保障，用戶畫像技術為高校圖書館的未來發展提供了新思路。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，并根據用戶的整體興趣和需求走向對圖書館的發展和建設進行科學規劃，為圖書館的文獻資源配置、空間布局、科學管理以及規章制度的制定等提供決策參考。比如，根據用戶使用圖書館的行為習慣，設計或調整圖書館的布局結構；針對用戶使用電子資源高于紙質資源的情況，適當調整資源配置。

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