基于購買行為的電子商務(wù)用戶畫像構(gòu)建研究

張莉（湖南信息學(xué)院）

■引言

據(jù)統(tǒng)計(jì)，2019年我國網(wǎng)絡(luò)購物用戶規(guī)模達(dá)6.39億，較2018年底增長2871萬，占網(wǎng)民整體的74.8%。隨著人們的物質(zhì)生活水平的提高，經(jīng)濟(jì)增長動(dòng)力逐步向消費(fèi)驅(qū)動(dòng)型的模式轉(zhuǎn)變,消費(fèi)者的行為模式、消費(fèi)內(nèi)容都發(fā)生了重大變化，在消費(fèi)過程中更加具有社交化、個(gè)性化和移動(dòng)化等特征。

如何更好地理解用戶需求，促進(jìn)用戶購買決策的形成，已成為企業(yè)迫切需要解決的問題。用戶畫像技術(shù)的本質(zhì)是在大數(shù)據(jù)環(huán)境下，企業(yè)可以深入了解用戶信息，全面準(zhǔn)確地描述用戶的維度和屬性，從而可以深入研究用戶的特征和行為，更準(zhǔn)確地把握用戶需求更好地為用戶服務(wù)。

用戶畫像，作為大數(shù)據(jù)的根基可以幫助電商企業(yè)在實(shí)施精準(zhǔn)營銷過程中“以顧客為中心、以服務(wù)為中心”，企業(yè)只有以顧客為中心，為顧客創(chuàng)造價(jià)值，并建立親密的客戶關(guān)系，才能生存和發(fā)展。

■消費(fèi)者細(xì)分

消費(fèi)者細(xì)分是美國學(xué)者溫德爾·史密斯在20世紀(jì)50年代提出的一種對(duì)客戶進(jìn)行分類的方法，其理論基礎(chǔ)主要基于客戶特征和客戶反映。通過消費(fèi)者細(xì)分，企業(yè)能更好的識(shí)別的不同的消費(fèi)者群體，采取差異化的營銷策略。由此發(fā)展起來的RFM模型被廣泛運(yùn)用在數(shù)據(jù)庫營銷中，該模型利用通用交易環(huán)節(jié)中最核心的三個(gè)維度-最近消費(fèi)(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)動(dòng)態(tài)顯示客戶檔案和客戶價(jià)值，并為個(gè)性化的溝通和營銷服務(wù)提供基礎(chǔ)，增加客戶交易數(shù)量，獲取三個(gè)指標(biāo)的數(shù)據(jù)后，需要計(jì)算每個(gè)指標(biāo)數(shù)據(jù)的均值，分別以（R）、（F）、（M）來表示，最后將每位的三個(gè)指標(biāo)與均值進(jìn)行比較，并通過改善三個(gè)指標(biāo)的狀態(tài)為營銷決策提供支持，RFM模型的8種客戶分類如表1所示。

表1 RFM模型的8種客戶分類

■“用戶畫像”與精準(zhǔn)營銷的關(guān)系

“用戶畫像”，即用戶信息標(biāo)簽化，最初是在電商領(lǐng)域得到應(yīng)用。通過大數(shù)據(jù)收集與分析用戶社會(huì)屬性、生活方式、興趣愛好、消費(fèi)行為等主要信息數(shù)據(jù)之后，抽象出一個(gè)用戶的信息全貌，可作為企業(yè)營銷的參考依據(jù)。構(gòu)建“用戶畫像”的焦點(diǎn)工作就是為用戶打“標(biāo)簽”，并勾勒出該用戶的立體“畫像”，其次根據(jù)“用戶畫像”數(shù)據(jù)庫識(shí)別高價(jià)值用戶、智能推薦、廣告投放、會(huì)員營銷服務(wù)、提升用戶滿意度等，再通過聚類分析，對(duì)聚類后的特定群體實(shí)行RFM分析，定位潛在用戶群進(jìn)行主動(dòng)營銷、產(chǎn)生實(shí)際購買行為；在實(shí)施精確的營銷策略之后或在實(shí)施過程中，企業(yè)還可以通過與消費(fèi)者的互動(dòng)交流，消費(fèi)者評(píng)估以及其他數(shù)據(jù)來檢查營銷效果，并將這些效果反饋給“用戶畫像”數(shù)據(jù)庫以改善營銷策略,如圖1所示。

■用戶畫像構(gòu)建研究

傳統(tǒng)的用戶畫像數(shù)據(jù)僅來自業(yè)務(wù)系統(tǒng)，事件系統(tǒng)，關(guān)系信息等。多種類型的信息丟失或不完整，很難形成準(zhǔn)確而全面的用戶畫像。利用大數(shù)據(jù)和AI（ArtificialIntelligence）人工智能技術(shù)，可以獲得更多的數(shù)據(jù)維度和更完整的信息，兩者的結(jié)合可以提供強(qiáng)大穩(wěn)定的數(shù)據(jù)計(jì)算能力，實(shí)時(shí)洞察消費(fèi)者行為，及時(shí)響應(yīng)讓數(shù)據(jù)分析隨時(shí)隨地可行，讓營銷行動(dòng)目標(biāo)更加明確、可追蹤、可衡量、可優(yōu)化。除了移動(dòng)互聯(lián)網(wǎng)，物聯(lián)網(wǎng)也在迅速發(fā)展，在這樣的背景下，可以從基本用戶信息，用戶產(chǎn)品信息，用戶社交信息，用戶事件信息等維度為用戶構(gòu)建360度用戶畫像。此外，用戶畫像和一系列衍生系統(tǒng)可以基于用戶信息推薦相輔相成，并根據(jù)用戶推薦內(nèi)容進(jìn)行反饋，進(jìn)一步完善和豐富用戶信息?？梢哉f，用戶畫像不僅是對(duì)用戶的潛在研究，而且是對(duì)用戶的持續(xù)研究，以及對(duì)用戶的實(shí)時(shí)研究。構(gòu)建出精準(zhǔn)的用戶畫像主要包括數(shù)據(jù)挖掘、標(biāo)簽體系構(gòu)建與畫像呈現(xiàn)三個(gè)部分。

（一）用戶數(shù)據(jù)挖掘

當(dāng)確立了用戶畫像的方向，即確定了需要的數(shù)據(jù)信息和力度，最關(guān)鍵的部分就是數(shù)據(jù)挖掘。數(shù)據(jù)挖掘需要通過屬性篩選、聚類算法、關(guān)聯(lián)分析、回歸算法等方法，去發(fā)現(xiàn)人群與人群、人群與商品、商品與商品、商品與品牌等之間的差異與聯(lián)系。如客戶消費(fèi)的詳細(xì)信息、客戶下單時(shí)間、客單價(jià)、商品信息、商品促銷信息等。通過客戶的消費(fèi)行為分析，以及用戶與企業(yè)交互過程產(chǎn)生的非消費(fèi)行為數(shù)據(jù)中可以了解到客戶的購買力、購買習(xí)慣、商品或服務(wù)的偏好，結(jié)合特定的數(shù)據(jù)挖掘模型，基于歷史消費(fèi)行為，還能夠預(yù)測(cè)未來消費(fèi)的可能性；非消費(fèi)行為數(shù)據(jù)則可以通過分類、加工和分析，形成客戶洞察，引導(dǎo)消費(fèi)轉(zhuǎn)化，或比較相同類別人群的消費(fèi)和非消費(fèi)特征，以形成新的洞察。

常見的用戶數(shù)據(jù)挖掘方法包括主題模型(LDA、基于LDA改進(jìn)的模型等)、分類算法、協(xié)同過濾法（CollaborativeFilteri ngrecommendation）、聚類算法(K一means、層次聚類等）、關(guān)聯(lián)規(guī)則法。其中，主題模型即文檔主題生成模型，是用來識(shí)別大規(guī)模文檔集或語料庫中潛藏的主題信息，從而將文本信息轉(zhuǎn)化成易于建模的數(shù)字信息；協(xié)同過濾法是目前信息過濾和信息系統(tǒng)中非常流行的技術(shù)，它不同于基于對(duì)內(nèi)容進(jìn)行直接分析以進(jìn)行推薦的傳統(tǒng)內(nèi)容過濾，協(xié)同過濾分析用戶興趣，并找到用戶組中指定用戶的相似性（興趣）用戶，將這些相似用戶的信息綜合起來，形成系統(tǒng)對(duì)該指定用戶對(duì)此信息的喜好程度。聚類分析是從目標(biāo)對(duì)象中提取關(guān)鍵因子，對(duì)相似因子組合進(jìn)行分類，主要用來對(duì)銷售數(shù)據(jù)分析，其目的是通過構(gòu)建分類模型，以此來確定顧客的興趣和消費(fèi)傾向，然后將數(shù)據(jù)分成給定的類別，從而推斷消費(fèi)者下一步的消費(fèi)行為;關(guān)聯(lián)規(guī)則主要是利用產(chǎn)品相似性進(jìn)行推薦營銷，追蹤每件物品的銷售數(shù)據(jù)，從而也可以獲取哪些物品通常被同時(shí)購買；通過數(shù)據(jù)挖掘，企業(yè)可以瞄準(zhǔn)目標(biāo)客戶，采用最新信息、推廣活動(dòng)或其他一些特殊的信息手段，減少廣告預(yù)算和增加收入。

（二）用戶標(biāo)簽體系構(gòu)建

“標(biāo)簽”是用戶畫像最核心的部分。當(dāng)獲得原始數(shù)據(jù)后，需要對(duì)原始數(shù)據(jù)進(jìn)行身份識(shí)別，去重、去無效、去異常等數(shù)據(jù)清洗工作，從中提取對(duì)業(yè)務(wù)有幫助的特征數(shù)據(jù)。再基于用戶分析模型對(duì)用戶數(shù)據(jù)進(jìn)行二次加工，從而獲取模型標(biāo)簽，目前以用戶狀態(tài)模型、用戶忠誠度模型、用戶價(jià)值（RFM）模型、用戶分群模型為主。其中，用戶狀態(tài)模型以顧客的消費(fèi)頻次作為主要判斷依據(jù)；用戶價(jià)值分析模型（Recency、Frequency、Monetary）量化用戶價(jià)值和創(chuàng)利能力，動(dòng)態(tài)顯示客戶檔案和客戶價(jià)值，并為個(gè)性化的溝通和營銷服務(wù)提供基礎(chǔ)；用戶分群分層模型則是完全基于企業(yè)業(yè)務(wù)場(chǎng)景做客群區(qū)分，以便于圈定目標(biāo)群組進(jìn)行精準(zhǔn)推送。

用戶標(biāo)簽體系構(gòu)建需要大量的大數(shù)據(jù)行為來綜合建模完成，不能通過客戶的某一次購買或者搜索關(guān)注行為來下決定，而是要將其應(yīng)用的頻次、占消費(fèi)比、占大部分人群比等綜合信息綜合構(gòu)建。也可以根據(jù)用戶的歷史購物信息，歷史評(píng)分信息等，使用關(guān)聯(lián)規(guī)則、聚類、協(xié)同過濾等算法構(gòu)建推薦系統(tǒng)，針對(duì)不同群體指定不同的營銷策略。

（三）用戶畫像呈現(xiàn)

用戶畫像呈現(xiàn)能直觀明了地體現(xiàn)用戶特征，幫助研究人員更好地理解和應(yīng)用用戶畫像。呈現(xiàn)用戶畫像主要依靠3個(gè)維度，即信息畫像、行為畫像、分群畫像。

信息畫像屬于靜態(tài)數(shù)據(jù)，包括地域、性別，收入，婚否、家庭、職業(yè)、收入、資產(chǎn)、消費(fèi)水平等；行為畫像屬于動(dòng)態(tài)數(shù)據(jù)，包括用戶的瀏覽習(xí)慣、訪問時(shí)長、使用頻次、消費(fèi)記錄、喜歡偏好、行為軌跡等；分群畫像則根據(jù)產(chǎn)品業(yè)務(wù)的需求，將具有共同業(yè)務(wù)特性的用戶貼上標(biāo)簽，聚合標(biāo)簽劃分群體畫像。用戶畫像呈現(xiàn)方式多種多樣，最常見的有標(biāo)簽云、人物圖像+用戶標(biāo)簽、統(tǒng)計(jì)圖等，如圖2所示。

■基于購買行為的電子商務(wù)用戶畫像構(gòu)建方法

構(gòu)建用戶畫像的流程包括數(shù)據(jù)源端數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、行為建模，其構(gòu)建方法與結(jié)果輸出形式多種多樣，本文基于消費(fèi)者細(xì)分方法中主要因素的歸類提煉，提出電子商務(wù)用戶畫像構(gòu)建方法。

（一）基于RFM模型對(duì)用戶數(shù)據(jù)進(jìn)行分類

RFM模型是根據(jù)客戶訂單活躍程度和交易金額的貢獻(xiàn)，進(jìn)行客戶分群和價(jià)值細(xì)分的一種方法。建好RFM的數(shù)據(jù)模型之后，通過對(duì)RFM這三組數(shù)值的平均值或者中位數(shù)和每個(gè)用戶進(jìn)行比較，以建立起一個(gè)數(shù)據(jù)立方，進(jìn)行群體劃分。RFM模型得分會(huì)隨著時(shí)間節(jié)點(diǎn)的推移得到不同的數(shù)據(jù)。

（二）KMeans聚類

運(yùn)用KMeans聚類和可視化方法根據(jù)RFM模型對(duì)用戶進(jìn)行分群，KMeans聚類是一種非監(jiān)督式機(jī)器學(xué)習(xí)方法，根據(jù)電子商務(wù)用戶的特征相似程度將同類用戶聚合，抽取能夠刻畫各聚類的屬性值。KMeans聚類需要指定聚類數(shù)k，隨機(jī)選擇k個(gè)點(diǎn)作為聚類中心，每個(gè)樣本找到距離自己最近的中心點(diǎn)，形成第一次聚類簇，這樣每個(gè)聚類簇根據(jù)計(jì)算各維度的均值，又可以得到k個(gè)質(zhì)心，每個(gè)樣本再次去找距離自己最近的質(zhì)心，形成第二次聚類簇，以此循環(huán)不斷的計(jì)算中心并重新分組，直到結(jié)果收斂，即數(shù)據(jù)不再改變分組為止，最終達(dá)到接近穩(wěn)定的聚類狀態(tài)，最后根據(jù)分類的結(jié)果來對(duì)不同的用戶進(jìn)行用戶研究，形成用戶畫像。

■總結(jié)

充分利用“用戶畫像”大數(shù)據(jù)，實(shí)現(xiàn)目標(biāo)客戶精準(zhǔn)挖掘，提升營銷精準(zhǔn)性，電商企業(yè)可以通過以下五個(gè)方面來建立：構(gòu)建消費(fèi)者信息數(shù)據(jù)庫、精準(zhǔn)的市場(chǎng)定位、“一對(duì)一”溝通服務(wù)、完善精準(zhǔn)營銷組織機(jī)構(gòu)、提供個(gè)性化的產(chǎn)品。通過對(duì)電商用戶畫像數(shù)據(jù)庫的精準(zhǔn)衡量和分析為基礎(chǔ)，以消費(fèi)者數(shù)據(jù)為核心，并建立精準(zhǔn)營銷模型，基于RFM模型對(duì)用戶數(shù)據(jù)進(jìn)行分類進(jìn)行客戶優(yōu)選，并通過市場(chǎng)測(cè)試驗(yàn)證來區(qū)分所做定位是否準(zhǔn)確有效。并通過這些大數(shù)據(jù)，了解目標(biāo)客戶個(gè)人的性別、喜好、消費(fèi)層次、文化品位等，采用他們所能夠接受的營銷方式，制定精準(zhǔn)定制化的營銷方案。