基于動態精準畫像的高校圖書館數字閱讀推廣服務模式研究*

彭 薇

（桂林電子科技大學信息科技學院圖書館，廣西 桂林541004）

動態精準畫像通過搜集用戶數據建立用戶模型的方式，設置符合用戶個性化特點的標簽，將具有相似特征或是近似行為習慣的用戶劃分為一類，構建多樣化的特征群體，通過對符合群體特征的用戶群實現分級管理探究用戶的需求變化，構建出符合用戶動態習慣數字閱讀推廣服務系統，為具有不同個性化需求的用戶提供數字閱讀推廣服務。精準動態畫像作為人工智能領域的一個重要分支，被廣泛應用在電子商務、社交通訊領域[1]。當代高校圖書館可以借鑒動態精準畫像具有的優勢功能，基于用戶的動態行為數據建構用戶的動態畫像，以提高數字化閱讀推廣服務的精準度。

1 動態精準畫像應用于高校圖書館數字閱讀推廣中的優勢

1.1 促進高校圖書館海量數據資源集成化應用

大數據時代高校圖書館的信息資源爆發式增長，大量有價值的數據資源蘊藏在海量數據資源中，高校圖書館作為重要的知識服務機構，進一步挖掘和有效利用這些高價值的數據資源就成為了一個亟待解決的問題。高校圖書館針對數字閱讀推廣服務過程中產生的海量數據資源開發利用，挖掘出知識資源中潛在的信息數據，能夠幫助圖書館提升數字閱讀推廣服務效能。目前，一些學者致力于新技術與算法工具解決高校圖書館數字閱讀推廣過程中海量數據資源處理問題，如可視化數據分析框架、數據關聯規則等[2]。但這些方法在高校圖書館海量數據資源分析過程中，僅能得到模糊、分散的用戶信息，難以針對用戶的行為特性構建出較為完善的用戶畫像。將精準動態畫像應用到用戶的數據分析與行為數據捕捉中，能針對用戶的動態數據有效搜集并精準分析用戶的動態行為數據，勾勒出用戶畫像的全貌，精準分析用戶的需求，全面提高數據的使用價值。

1.2 提高高校圖書館數字閱讀推廣服務的精準性

目前，國內很多高校圖書館并未完全將用戶動態精準畫像技術應用起來，國內一些圖書館聯盟、圖書館學會也并未大量普及與推廣用戶精準動態畫像技術。但武漢大學圖書館引入與應用用戶動態精準畫像技術，證明該技術在圖書館操作中是可行的[3]。高校圖書館應用用戶動態精準畫像技術的主要目的就是精準分析用戶的需求，提高數字閱讀推廣服務的精準性。圖書館對用戶畫像技術進行深入的研究，根據用戶的行為偏好構建個性化服務系統，并根據用戶的個性化需求為用戶提供個性化服務[4]。目前一些圖書館在數字閱讀推廣服務方面存在著信息系統推薦結果與用戶個性化需求不匹配的問題。為此，可以充分利用動態精準畫像技術幫助圖書館進行深度的數據挖掘，全面分析用戶的專業背景，并可以依托聚類算法和關聯規則，獲得與用戶需求相匹配的結果，進一步促進服務系統優化，根據用戶的個性化需求，為用戶提供滿意的個性化服務解決方案，提高數字閱讀推廣服務的精準性。

1.3 解決異構化數據統一處理的難題

與其他分析用戶專業背景及數據的技術相比，動態精準畫像技術已經具備了較為成熟的應用經驗，能為高校圖書館分析用戶需求、收集用戶數據過程中，提供豐富的建模方法和成熟的應用體系，高校圖書館可以利用自身數據資源優勢，積極引入動態精準畫像技術，對用戶的行為數據采集分析，形成完整的動態精準畫像。但是高校圖書館在用戶數據處理方面，面臨的一大難題就是如何針對海量的異構化數據統一處理與匯總，而構建用戶畫像需要海量數據資源的支持，這也就需要高校圖書館做好不同種類數據、不同類型數據的轉換工作。為了有效降低數據處理成本，圖書館可以與第三方外包公司合作引入專業的技術或軟件對數據有效處理，以保障用戶畫像可以有效構建出來[5]。

2 高校圖書館數字閱讀推廣過程中用戶畫像構建流程

高校圖書館用戶精準動態畫像的形成很大程度上源于大數據技術的支持，借助大數據分析用戶的信息全貌，準確定位用戶的需求。根據精準動態畫像的技術特點，高校圖書館在數字閱讀推廣過程構建用戶精準畫像可分為3個步驟，即面向用戶的數據采集、用戶模型構建與用戶畫像描述。如圖1所示。

圖1 用戶精準動態畫像的構建流程

2.1 面向用戶的數據采集

高校圖書館在數字閱讀推廣服務過程中需要借助傳感器、線上服務系統、社交媒體等工具，多渠道采集用戶數據。一些反映用戶行為偏好的信息數據，如年齡、姓名、教育背景、愛好，可以從線上服務系統獲取。在圖書館的閱讀管理系統中，可以搜集到用戶經常借閱的書目信息、書籍借閱次數與用戶對圖書館服務的反饋。從社交媒體中，可以搜集到用戶的住址、教育背景、社交賬號等信息。圖書館面向用戶的數據采集可以將用戶的基本信息劃分為靜態數據、動態數據兩大類，可以采用數據挖掘工具對搜集到的基礎數據統計分析[6]。對于用戶的基礎屬性劃分，可以從用戶的閱讀行為、書籍借閱次數等靜態數據著手，對于反映用戶行為的動態數據可以使用“網絡爬蟲”從用戶經常使用的操作界面爬取、識別、利用數據。

2.2 用戶模型構建

高校圖書館在獲取用戶大量的信息數據后，可通過數據挖掘、聚類分析、關聯等方法對用戶的數據篩選、清洗、處理，去除不能反映用戶行為偏好和動態行為特征的冗余數據，找到推進用戶模型構建的關鍵信息。高校圖書館在數字閱讀推廣服務開展之前可以面向用戶構建管理系統，借助用戶管理系統對用戶的數據整合，對不同類型的數據信息要分類處理，如用戶的閱讀行為數據、社會關系信息、教育程度信息等。在獲得用戶的動態數據后，需要按照大數據關聯規則，對反映用戶行為特征的抽象數據按照一定的規則進行分析，將其轉換為可視化的信息數據，能讓人們可理解，并找到不同類型數據之間的關系，建立反映用戶屬性的標簽系統，同時，還需要進一步挖掘反映用戶性格偏好的特征數據，便于后期對用戶身份識別。

2.3 用戶畫像描述

高校圖書館對用戶畫像描述，是以對用戶特征和行為偏好為標記進行的，需要建立標簽數據庫，將用戶的興趣、習慣、專業知識信息囊括進去。在實現過程中需要以可視化的方式將這些信息數據反映出來，并對具有相同標簽特征的用戶數據對比分析，對用戶實現全方位的判斷和評價，形成以用戶為中心的標簽系統。實現用戶數據可視化主要是將抽象數據以視覺可識別的方式呈現出來，發現用戶的個性化需求，將反映用戶特征的模糊畫像逐步填充成精準畫像，實現對用戶的精準識別。用戶在享受高校圖書館數字閱讀推廣服務中，具有個性化需求，用戶群可能具有群體需求，高校圖書館可以根據用戶或是用戶群的需求特點建立反映用戶個體或是群體的精準動態畫像。精準動態畫像需要反映用戶屬性，需從時間、空間、基礎數據、資源類型多個角度開展，要掌握不同用戶群的變化趨勢和行為特征，將這些用戶劃分為不同的類型，如內涵型、活躍型、創造型等，根據這些用戶群的具體需求有針對性地開展數字閱讀推廣服務，增強數字閱讀推廣與用戶之間的黏性。

3 基于動態精準畫像的高校圖書館數字閱讀推廣服務系統建構

高校圖書館數字閱讀推廣服務是在精準定位用戶個性化需求基礎上，從海量價值密度稀疏的數據資源中挖掘出有價值的數字資源，主動推送給用戶的過程。根據用戶的個性化需求和圖書館現有的數字服務系統，可設計出展現用戶全部需求特點和行為偏好的數字閱讀推廣服務系統，以精準定位用戶的個性化需求，向用戶精準推送數字資源（如圖2所示）。

圖2 基于精準動態畫像的高校圖書館數字閱讀推廣服務系統

3.1 用戶數據處理層

高校圖書館在數字閱讀推廣服務過程中的數據來源有多種途徑，而且這些信息數據不僅包括用戶的基礎信息數據，還包含著信息系統中的管理數據，如結構化、半結構化數據等，因此圖書館在面向提供數字閱讀推廣之前要以統一的智能終端對用戶數據搜集，可以通過讓用戶先下載APP實現對用戶數據的統一搜集。為了提升數字閱讀推廣服務的精準性，高校圖書館還可以借助動態數據采集技術，從用戶使用的社交媒體中搜集用戶的動態數據，也可以通過智能手機自帶的GPS軟件搜集用戶的實時位置數據，掌握用戶一天的行為軌跡，及時改善用戶的動態畫像。

3.2 大數據分析層

在完成用戶數據采集工作后就要對用戶數據進行分析，高校圖書館基于動態精準畫像可以對用戶數據統計、分析、歸類、過濾、清洗，并從用戶的行為偏好、閱讀興趣、生活習慣等角度，設置出表示用戶不同行為動態的標簽，便于后期基于用戶的數據構建用戶畫像。由于高校圖書館服務的是具有不同需求的用戶群體，需要將具有相似興趣及習慣的用戶聚集起來，組建出用戶興趣集合，挖掘這一類用戶的個性化需求，實現數字閱讀推廣服務的個性化推薦。當高校圖書館具有了足夠多的用戶數據后，便于借助大數據分析技術綜合分析用戶的行為關系網，挖掘出用戶數據的潛在含義，建立以用戶為中心的大數據分析模型，逐步健全用戶的動態畫像結構。

3.3 服務實現層

基于動態精準畫像的高校圖書館數字閱讀推廣服務本質上是在前期勾勒出用戶的精準動態畫像后，結合大數據技術對用戶的行為偏好和潛在需求精準分析，掌握用戶的個性化需求變化，通過精準定位用戶的個性化需求為用戶提供數字資源。高校圖書館的管理系統需要對數字資源組織、分類和篩選，通過精準定位用戶的需求偏好，借助線上服務系統、移動終端以個性化定制的方式為用戶推薦數字資源。由于用戶的需求處于動態變化中，高校圖書館需要時刻監測用戶個性化需求變化情況，根據用戶反饋的需求變化數據重新調整或是繪制用戶的畫像，對數字閱讀推廣服務系統進行必要的升級，可隨時解決用戶的個性化需求問題。

4 基于動態精準畫像的高校圖書館數字閱讀推廣服務模式

高校圖書館使用基于動態精準畫像的數字閱讀推廣服務系統，可隨時實現用戶個性化需求與數字資源之間的高效對接。為了進一步提升數字閱讀推廣服務的精準性，高校圖書館需要詳細劃分用戶群體的類型，針對用戶的個性化需求深度挖掘，提高自身的服務能力。

4.1 對核心用戶群的信息推送

高校圖書館使用動態精準畫像的一項重要基礎就是要精準定位核心用戶群，通過勾勒出核心用戶群的動態精準畫像，增強用戶與數字資源之間的黏性。高校圖書館通過搜集用戶的基本信息和動態數據，勾勒出反映用戶行為的精準動態畫像挖掘用戶的潛在需求，通過數字閱讀推廣服務系統將數字資源推廣出去，實現用戶個性化需求與數字資源之間的匹配。由于用戶在使用高校圖書館過程中很難留下全部“痕跡”，難以偵測出用戶的全部數據，這就需要從基礎信息角度出發積累用戶數據，當用戶數據積累達到一定規模后，就能更精準勾勒出用戶的畫像。通常情況下，高校圖書館可以設置協同過濾機制，主動預測用戶的需求變化情況，將主要用戶篩選出來，做好用戶的需求挖掘，主動向用戶推送高價值的數字資源。

4.2 面向群體用戶的精準數字閱讀推廣服務

目前，圖書館為提高自身數字閱讀推廣服務能力，會采用諸如線上講座、發放知識宣傳手冊、發放廣告訂單的方式進行知識服務，雖然這些閱讀推廣方式簡單易行，但是無法真實了解用戶的核心需求，無法保障宣傳效果。圖書館采用動態精準畫像技術后能針對用戶產生的海量數據深入挖掘與精準分析，在建立用戶行為模型后，匯聚具有相似特征的用戶群體，在精準挖掘用戶群需求后，構建與用戶個性化需求相匹配的數字閱讀推廣服務內容，這不僅能降低數字閱讀推廣服務成本，也可以使數字閱讀推廣服務更具針對性。如對于專業課題組提供的數字閱讀推廣服務，圖書館可以根據用戶畫像數據庫中的資源，根據不同用戶的專業背景、檢索方式、閱讀習慣，將目標用戶群分為多個小群體，根據他們的行為偏好分別為他們提供知識資源，以有效提升數字閱讀推廣服務效率與精準性。

4.3 面向群體用戶提供個性化數字閱讀推廣服務

很多用戶在使用圖書館過程中留下的行為數據并不完整，一些關鍵性行為數據的欠缺造成圖書館很難勾勒出用戶完整的畫像，這就需要根據系統構建用戶畫像的基本規則，將具有相似特征的用戶納入到相應的群體中，在對用戶需求精準評估后為這些群體用戶提供個性化數字閱讀推廣服務。圖書館首先可以通過采集用戶的靜態數據，采用聚類優化的方法劃分用戶群，針對用戶不同的行為特征設置不同的標簽，然后精準分析這些用戶群的興趣愛好，使用系統為他們提供個性化服務。例如，根據用戶畫像可以判定年齡20—35歲的男性群體，對企業、管理、商務這些內容更感興趣，為他們提供個性化數字閱讀推廣服務不是最終目的，圖書館最終目的是使個性化數字閱讀推廣服務內容更貼合用戶的實際需求，能與用戶之間形成有效的互動模式。這就需要圖書館能全面做好用戶的個性化數字閱讀推廣服務反饋工作，為用戶提供滿意的數字閱讀推廣服務內容，使數字閱讀推廣服務模式更具效能。

5 結語

伴隨科學技術的快速發展，大數據技術、云計算技術、人工智能技術在商業服務領域得到了廣泛應用，高校圖書館作為社會中重要的知識服務機構，需要引入大數據技術、人工智能技術搜集用戶信息，判斷用戶的個性化需求，從不同的維度勾勒用戶動態精準畫像，更好地分析用戶的需求，勾勒出反映用戶全部動態特征的精準畫像，實現精準化的數字閱讀推廣服務，使用戶的個性化需求與服務內容高度匹配，有效提升數字閱讀推廣服務的質量。