基于用戶畫像的需求推薦系統的研究

李朋博 孫黎博

摘 要：用戶畫像是代表目標客戶特征并將用戶需求與計劃定位聯系起來的橋梁。 用戶畫像是一個用戶標簽模型，通過整合用戶的社會特征，行為習慣，心理特征，消費者行為和其他數據來抽象。因此，用戶畫像是一個虛構的圖像，它不代表特定的真實世界用戶，而是收集一系列真實世界的數據以形成代表某些類型用戶共同特征的一些共同屬性。本文旨在將用戶畫像方法引入營銷領域，從而進一步提高營銷活動的準確性，實現精準營銷。

關鍵詞：用戶畫像;需求推薦;精準營銷

引言

近年來，隨著互聯網技術的飛速發展，用戶已經進入了“信息超載”時代，從以前的信息短缺時代（包括電子商務數據，社交網絡數據，短視頻數據）開始高速生產信息和數據。等等。各種數據充斥著用戶的視線，使用戶面對各種各樣的產品選擇時不知所措。另一方面，隨著經濟的快速發展，用戶的經濟水平和消費能力也得到了明顯提高，用戶越來越關注自己的實際需求和個性化需求。在這種情況下，尤其重要的是如何更好地利用數據的價值，為用戶實現精確的營銷，并推薦滿足用戶需求的產品，以進一步提高產品和服務的轉換率。因此，本研究建議使用大數據時代的產物用戶畫像方法，并將大數據技術集成到現有的營銷活動中，以進一步實現精準營銷并提高用戶滿意度和忠誠度。

1基于用戶畫像的需求推薦系統相關理論

1.1用戶畫像概念界定

用戶畫像（用戶個人資料）最初由Alan Cooper提出。它是基于一組實際數據的目標用戶模型。它以不同的維度顯示相同類型的用戶。信息的全貌。 用戶畫像的本質是標記用戶，即使用簡短的單詞描述用戶特征的某個方面，并且所有反映用戶偏好特征的標簽都組合在一起，以代表完整的用戶圖像和用戶特征的所有方面完全顯示。 用戶畫像分為多個字段，這意味著不可能在所有字段中使用統一的肖像。例如，支付寶中的用戶畫像和微信中的用戶畫像肯定是不同的。因此，當公司使用用戶畫像技術分析用戶時，他們需要收集某些字段。關聯字段中的用戶信息數據確定關聯字段的用戶畫像模型。只有這樣，分析結果才能更加精確。

應用用戶畫像技術是為了更好地了解用戶需求并提高用戶滿意度。隨著互聯網技術的發展，在大數據環境中，用戶畫像不僅可以充分了解用戶需求，而且可以預測用戶需求。與傳統的營銷活動相比，用戶畫像具有多維數據，細粒度數據，并在大數據環境中保持動態特性。這些特征使公司的營銷活動更加準確。此外，回歸分析，聚類分析，神經網絡和其他算法可用于預測和分析營銷結果，發現新的用戶需求和潛在的用戶市場，并更好地提高公司的ROI。

1.2大數據

大數據是指傳統軟件工具無法在特定時間范圍內收集，管理和處理的數據集合。這是一個龐大的高增長量，新的處理模型需要更大的決策，洞察力和發現以及流程優化功能。評價和多樣化的信息資源。麥肯錫全球研究所認為，大數據是指足以收集，存儲，管理和分析數據的數據集合。

大數據技術系統龐大而復雜。其中，數據分析技術可以幫助我們查明用戶的興趣和偏好，以實現精確的營銷。

1.3精準營銷

菲利普·科特勒（Philip Kotler）指出，精準營銷是一種營銷傳播過程，通過制定營銷計劃可以產生高投資回報。杰夫·薩賓（Jeff Sabine）的答案是：在正確的時間通過適當的渠道將信息發送給目標客戶，以實現營銷目標。準確性意味著精確，精確和可測量。精準營銷具有五個特征：第一，精準的受眾。只有找到實際具有相應產品要求的用戶組并進行營銷活動，才能提高轉換率。第二是正確的市場定位。 正確的營銷目標是通過定量和準確的市場定位技術來克服傳統營銷定位的質量限制。使用用戶畫像模型來了解產品目標用戶的特定特征，包括興趣偏好和其他可以針對廣告的信息。第三是正確的溝通。 準確的營銷體系方法可確保公司與客戶之間的密切對話與溝通，不斷滿足客戶的個性化需求，建立穩定而忠誠的客戶群，實現客戶鏈反應的附加值，并確保公司的長期發展能夠可以實現穩定和快速發展，以確保快速發展。第四是精確的成本計算。傳統的營銷方式只是盲目地投資于人，希望通過交易成本來獲得產品的知名度。精準營銷可以將成本投資于目標受眾，以降低成本并增加銷售額。第五是準確把握用戶需求。隨著人們生活水平的提高，用戶越來越關注他們的個人需求。有不同類型的需求，需求經常變化。精準營銷可以通過技術手段充分把握用戶特征，理解用戶需求，從而達到更高的用戶滿意度。

2.營銷策略系統設計

2.1數據獲取

使用多級屬性標簽，通過數據提取和抽象用戶信息制作用戶的肖像畫。要創建用戶檔案模型，需要大量的數據，如人口統計數據、用戶行為、用戶喜好數據等。肖像畫越多，肖像畫越完整，人物表現越全面。這張肖像可以幫助商人更好地理解用戶的需求，正確捕捉用戶喜好的特征。現有的數據類型不僅有結構數據，還有大量的半結構數據和非結構數據。例如，瀏覽數據或單擊數據。數據的顯示、查找和其他動態數據中沒有明確的屬性。必須通過數據解析和數據挖掘技術從用戶日志系統和應用背景中提取。隨著互聯網的發展，龐大的數據充斥著人們的世界。為了正確提取不同數據模型的種類價值，企業必須整理收集的數據并利用計算機技術。將所有類型的數據處理為用戶概要建模所需的數據集。有目標地推進營銷活動。是的，對應的產品推薦的大數據環境主要分為靜態數據和動態數據。統計數據主要與人口統計學的數據有關。有性別、職業、年齡、場所等數據。這些數據可以通過用戶注冊信息來收集。動態數據是指用戶持續變化的動作數據。

2.2用戶行為數據

用戶行為數據（即動態用戶數據）是構建用戶畫像的主要基礎。用戶行為數據基于配對。網站正確的標簽系統可以在公司面前顯示用戶的特點，為企業的決定提供參考。用戶配置文件的數據標簽是高度復雜的特征識別，通過分析性別、年齡、地區、用戶習慣、用戶偏好等用戶信息來識別。最后，可以匯總所有標簽。使用意義特征記述用戶的肖像。理解英語援助各標簽的重要性，慎重評價用戶的喜好，實現精確的市場營銷。

2.3用戶畫像模型構建

捕獲用戶行為標簽后，可以對用戶肖像進行建模。用戶的設計變成“可視化”。這個用戶配置文件的設計大致可以分為三個級別。用戶數據收集層、用戶數據處理層、用戶數據分析和標簽層用戶數據獲取層主要用于記錄。負責靜態和動態數據，用戶數據處理層對收集的數據進行清洗、濾波、復制，并將其發送到數據分析和標簽層。用戶數據分析和標記層使用數據挖掘技術分析處理后的數據，然后標記數據。用戶概要模型需要動態屬性，隨著用戶隨時生成新的數據。只有這樣，才能及時發現用戶喜好的變化，調整公司的營銷戰略，提高用戶滿意度和忠誠度。如表1所示，用戶A和C是相似的用戶。用戶C喜歡產品1/2/3，因此向用戶A建議產品3。

確定目標受眾是營銷實踐中的一項主要任務。創建“用戶配置文件”時，挖掘和分析數據會引入更多干擾。

3.基于用戶畫像的精準營銷策略

3.1用戶畫像的構建

3.1.1用戶畫像數據采集與處理

建立用戶畫像模型需要大量數據，涵蓋用戶的各個方面，人口統計數據，有關用戶行為的數據，有關用戶偏好的數據等。數據越多，肖像越完整，人物特征也就越大。這樣的肖像可以幫助公司更好地了解用戶需求并查明用戶偏好，以便在進行營銷活動時可以有針對性地使用它們。產品推薦。

在大數據環境中，用戶畫像數據主要分為兩類：靜態數據和動態數據。靜態數據主要是指可以通過用戶的注冊信息收集的人口統計數據，例如性別，職業，年齡，位置以及其他數據。動態數據是指一些不斷變化的用戶行為數據，例如：瀏覽數據和單擊數據，查看數據，搜索數據等。動態數據沒有明確的特征，必須使用數據分析和數據挖掘技術從用戶日志系統，應用后端等中提取動態數據。使用用戶畫像模型來了解產品目標用戶的特定特征，包括興趣偏好和其他可以針對廣告的信息。

隨著互聯網的發展，海量數據正在淹沒人類世界。現有的數據類型不僅是結構化數據，而且是大量的半結構化和非結構化數據。用戶畫像模型的構建需要不同類型的數據。為了準確地提取各種類型的數據的價值，公司需要清理收集的數據，然后使用計算機技術將各種數據處理為用戶畫像建模所需的數據集。

3.1.2用戶信息標簽化

通常，用戶畫像用于標識用戶。因此，標記用戶信息是創建用戶畫像的核心工作。精確的識別系統可以在公司前面顯示用戶屬性，并為公司決策提供其他參考。用戶畫像數據標簽是從分析用戶信息（例如性別，年齡，地區，用戶習慣，用戶喜好等）而衍生的復雜功能標識符。最后，將所有標簽合并以勾勒出用戶的肖像。標簽具有語義功能，使公司能夠理解每個標簽的含義，準確評估用戶的偏好并實現精確的營銷。如圖2所示用戶畫像標簽建模圖

3.1.3建立用戶畫像模型

用戶畫像建模是在標記了收集和處理的用戶信息和數據之后對用戶的“可視化”構造。用戶畫像結構可以大致分為三個層次：用戶數據獲取層，用戶數據處理層，用戶數據分析和標記層。

例如，對于L公司的產品推薦，選擇協同過濾推薦算法更為合適。結合用戶行為，可以有效解決冷啟動問題（冷啟動，如果產品從未被關注或瀏覽過，則不會被推薦），從而使推薦信息更加準確。

一般來說，用戶A和用戶B有共同的偏好。假設用戶A為U（I=1，2，…，n），產品B為M（J=1，2，…，m），u在M上的得分為r，系統將收集用戶和產品的歷史信息，計算用戶u與其他用戶Sim（u，n）之間的相似度，并根據得分找到與目標用戶u相似度高的用戶N（u）。從所有NNn（u）中，選擇用戶喜歡的目標和目標。我們鼓勵將用戶定位為從未見過的產品。

基于協作用戶篩選，請使用以下公式來計算產品的用戶設置。

其中，Puj顯示用戶u喜歡產品j的程度，根據用戶推薦的得分最高的產品。

3.2把握用戶心理，精準推送營銷信息

傳統公司的營銷活動主要是離線大型廣告，例如廣告牌。現在，公司已使用用戶畫像模型來了解產品目標用戶的特定特征，包括興趣偏好和其他可以針對廣告的信息。例如，GoogleAdWords使用用戶畫像模型檢查公司目標用戶的年齡范圍，地理位置，收入范圍等，以進行廣告展示，這不僅可以準確地到達公司目標用戶，還可以大大降低廣告費用。如果每個公司都基于用戶畫像模型進行準確的廣告投放，則將大大減少用戶的信息負擔。關于接收到的廣告，用戶不會視而不見并且以循環方式做廣告，既減小用戶收到不符合自身需求的“垃圾信息”的可能性，提高用戶滿意度，又降低了企業的營銷成本。

3.3對接用戶需求，精準塑造品牌定位

在當前的市場環境中，不僅有大量的產品，而且有越來越多的同類產品。在激烈的市場競爭中，公司要想立足就必須具有核心競爭力。優質的服務和用戶需要或感興趣的產品的即時推薦是公司的競爭力。用戶畫像模型可幫助公司提出準確的產品建議。在現有推薦算法中，最常見的是用于協同過濾的推薦算法。其基本思想是利用用戶相似度來找到最接近的鄰居，然后根據預測值向用戶推薦產品。但是，協同過濾算法會忽略用戶自己的功能偏好。因此，基于用戶畫像模型的推薦具有較高的準確性，使得推薦結果可以更好地滿足用戶的需求和偏好，提高用戶滿意度。

4.總結

本文主要介紹用戶畫像及其設計邏輯，幫助開發潛在用戶。畢竟，技術只是公司做出基于用戶的營銷決策的最終工具。使用用戶畫像模型來了解產品目標用戶的特定特征，包括興趣偏好和其他可以針對廣告的信息。面對很多產品的種類，用戶正面臨著損失。為了更好地服務用戶，他們將在激烈的市場競爭中更具競爭力。一個大數據時代的技術工具，幫助用戶肖像公司正確評價用戶的興趣和喜好。事實上他們已經證明了。在商業營銷活動中使用用戶肖像是正確的選擇。是的，但是用戶概要建模過程要求公司收集、分析、挖掘用戶信息，有用戶數據泄露的風險。為了保護自己的信息安全，很多用戶不想公開和發表自己真實的信息，企業無法正確評價用戶的需求，凸顯了用戶特征分析方法的實際重要性。怎么樣保護用戶的隱私。如何在用戶和企業之間建立信賴是研究的方向。

參考文獻：

[1]雷汝霞.中端酒店的用戶畫像研究——以希岸？清雅酒店在攜程網上的在線評論為例[J].現代商業，2020（26）：3-6.

[2]何春愛.基于大數據的精準營銷模式分析——以汽車營銷為例[J].財富生活，2020（18）：195-196.

[3]吳然.大數據時代下的客戶關系管理應用[J].數字通信世界，2020（09）：201-202.

[4]汪倩，徐勇，張心蕊，李曉宇.用戶畫像研究進展綜述[J].現代計算機，2020（24）：60-63.

[5]潘文宇，邢青.基于“用戶畫像”的視頻精準推薦系統研究[J].科技風，2020（22）：169+176.

[6]王薇.大數據背景下P2P網貸平臺精準營銷策略研究[J].電子商務，2020（07）：62-63.

[7]門洪亮，李舒.基于用戶畫像的信用卡精準營銷研究[J].江蘇商論，2020（06）：13-16.

[8]唐慧祥，常嘯，宋來敏.基于數據挖掘的淘寶精準營銷策略研究[J].哈爾濱師范大學自然科學學報，2020，36（03）：19-24.

[9]陳敏.大數據背景下小微電商S公司精準營銷策略研究[D].云南師范大學，2020.

[10]徐強.基于大數據的工商銀行上饒分行零售業務精準營銷方案研究[D].江西財經大學，2020.

[11]南寧豫.基于用戶畫像的J圖書出版公司精準營銷研究[D].江西財經大學，2020.

[12]王艨.大數據背景下的奧龍世博公司精準營銷研究[D].云南財經大學，2020.

[13]段碩.大數據時代網絡視頻廣告精準營銷研究[D].山東師范大學，2020.

（洛陽師范學院 河南? 洛陽? 471934）