用戶畫像技術在產品營銷中的應用

邵雨舟

摘要：隨著人工智能和大數據技術的不斷發展，對信息的獲取方式也在發生著變化，消費者希望用最少的時間成本獲取盡量多的商品信息。如何在產品的營銷過程中實現對目標用戶的精準定位，基于用戶畫像技術的推薦系統就是目前所采用的有效方法之一。本文對互聯網環境下在產品的推廣和營銷過程中如何利用用戶畫像技術，有針對性地選擇推薦系統算法進行了探討和研究。

關鍵詞：用戶畫像;推薦系統;算法

Abstract： With the continuous development of artificial intelligence and big data technology， the way of obtaining information is also changing. Consumers hope to obtain as much commodity information as possible with the least time cost. How to achieve accurate positioning of target users in the process of product marketing， the recommendation system based on user portrait technology is one of the effective methods currently used. This paper discusses and studies how to use user portrait technology to select recommendation system algorithm in the process of product promotion and marketing under the Internet environment.

Key words： user profile; recommendation system; algorithm

隨著計算機技術的不斷發展，人們對獲取數據的處理方式也在發生重大的變化，傳統的廣告和市場營銷方式已經不能滿足當今市場發展的需要，每個消費者的日常行為能夠直接或間接地反映了個人的消費習慣，商家希望從這些海量數據中提取有價值的數據，作為市場推廣的參考依據。大數據與人工智能技術的產生和發展為市場營銷的個性化和精細化操作提供了技術手段，利用互聯網搜集和獲取的海量數據，經過加工處理，形成有價值的標簽數據，通過行為建模，歸納出不同類別的消費群體，然后通過推薦系統的匹配，實現精準的產品推廣定位。

1 用戶畫像技術的作用

用戶畫像是建立在真實數據之上的目標用戶虛構的、具體的、集中的描述。它主要是利用存儲在服務器上的海量日志和數據庫里的大量數據進行分析和挖掘，通過收集與分析用戶的社會屬性、生活習慣、消費行為等數據，提煉出用戶的信息全貌，這些信息可以實現對用戶不同維度的特征進行標識，這就是用戶畫像的本質。

用戶畫像技術現在已經應用到很多行業和領域，通過用戶畫像可以了解用戶的生活習慣、挖掘和開發潛在的用戶、實現精準化的消費群體定位，在產品的廣告宣傳、資訊媒體的推廣等方面都取得了很好的應用效果。

1.1 用戶畫像的特點

1）用戶畫像是現實生活中用戶的信息特征描述。利用大數據技術對數據進行分析處理，歸納出能代表用戶不同維度的特征標識，這些特征標識能夠客觀地反映用戶的社會屬性和行為習慣;

2）用戶畫像結果可以代表具有共同特征的一類用戶。用戶畫像把用戶按照不同的需求、特征區分成若干個不同的群體，然后提煉的每個群體的特征。

3）用戶畫像通過目標用戶的輪廓刻畫，實現產品的準確定位。如果服務的目標用戶特征明顯，體現在產品上就是產品的定位專注、極致，能解決核心問題。用戶畫像又被稱為用戶信息標簽化，通過這些標簽提供給用戶需求的東西，真正做到了以用戶為中心。

1.2 用戶畫像技術在產品營銷中的應用

借助用戶畫像技術能夠了解不同類型用戶的產品愛好和行為習慣，幫助企業進行精準化營銷和個性化定位。借助于大數據技術，對搜集到的目標群體的個人基本屬性、購買能力、行為特征、心理特征、興趣愛好、社交網絡等數據進行分析，從而歸納出這些用戶的關注重點、社交關系以及消費習慣等。通過一些特定算法進行行為建模，形成特定用戶的用戶畫像，用戶畫像可以根據用戶行為數據的變化不斷進行調整和完善。

用戶在消費過程中的各個環節產生的數據都能被實時地捕獲到，這些海量數據使獲得的用戶畫像更加精準、實時，利用獲取的用戶信息標簽模型，可以指導業務場景和運營，調整營銷策略，使得產品服務的推廣更具有針對性，提高市場運營效率。

1）數據收集：收集用戶在與系統交互過程中產生的各種數據;

2）行為建模：利用搜集的用戶的基礎數據，通過技術手段進行行為建模。其中基于數理統計和基于規則定義的方法是基于已有數據的構建方法，其缺陷是無法處理數據缺失或不在規則范圍內的用戶。而后兩種方法是基于機器學習，它讓計算機像人一樣去學習處理問題，并給出分析的結論;

3）構建畫像：通過行為建模，可以輸出一系列的用戶標簽，標簽可以表示出這個用戶的特點，用戶畫像的信息維度可以根據不同行業和不同場景來構建。

2 推薦系統簡述

通過用戶畫像將用戶的特征進行標簽化，用戶畫像產生之后，就要利用這些標簽數據，進行有目標的產品推薦，因此就產生了推薦系統技術。

推薦系統是建立在大數據基礎上的一種智能化系統，它是根據用戶的信息需求、興趣等，將與之匹配的產品推薦給用戶，這是一種個性化信息推薦系統。

推薦系統本質上要解決用戶、物品和環境的匹配問題，幫助建立用戶和物品之間的連接。

2.1 推薦系統的作用

1）為用戶篩選出感興趣的商品和資訊，實現與用戶個性化愛好最大程度的匹配;

2）解決利用搜索引擎導致的信息過載和判斷的障礙問題，縮短用戶與標的物的距離;

3）為選擇目標不明確的用戶提供參考性的建議;

4）增加用戶滿意度，個性化的推薦結果可以提高用戶的興趣和可信度;

5）增加用戶忠誠度，用戶與應用的交互時間越久，用戶模型就變得越精確，產生的效果越好。

2.2 常用的推薦系統算法

推薦系統核心就是選擇不同的推薦算法，下面我們介紹幾種常用的推薦算法。

1）基于內容的推薦算法?；趦热莸耐扑]算法首先要提取用戶歷史交易記錄和用戶對產品評價信息，把獲取的用戶的興趣特征作為用戶的購買傾向;然后再對目標產品進行特征提取;最后通過對用戶偏好特征和目標產品特征的匹配程度進行比較，得到推薦結果。

基于內容的推薦算法一般只根據該用戶以往的行為來為用戶提供推薦，不牽扯到其他用戶的行為。如今日頭條的推薦有很大比例是基于內容的推薦算法，下面我們舉例說明。

如果用戶甲喜歡的抖音短視頻類型是美食類A和娛樂搞笑類D，用戶乙喜歡的短視頻是體育類B，用戶丙喜歡的短視頻是娛樂搞笑類D。我們最終要確定的問題是：是否給用戶甲推薦短視頻C ？

基于內容的做法：首先需要對短視頻進行特征建模;要分析短視頻C的特征和用戶甲所喜歡的A、D類短視頻的特征;得知C短視頻和用戶甲喜歡的短視頻A具有相同的特征，那么短視頻C大概率地可以推薦給用戶甲。

2）基于協同過濾的推薦。協同過濾推薦是在眾多的用戶中找到和你喜好比較相近的目標，主要是基于以下兩點：喜好相近的用戶可能會對同樣的標的物感興趣;用戶可能偏愛與自己購買的物品相類似的其他物品。

下面介紹2個常用的協同過濾算法。

（1）基于用戶的協同過濾算法?；驹硎?，當A用戶需要個性化推薦時，可以先找到和他有相似興趣的其他用戶，然后把那些用戶喜歡的而A用戶沒有接觸過的物品推薦給A。這種方法稱為基于用戶的協同過濾算法。適用于新聞或者用戶分類比較明確的場景。

這種算法不用考慮用戶、標的物的特征信息，它主要是依據用戶對某個標的物的偏愛，找出不同用戶之間偏愛的相似度，通過這種用戶之間偏愛相似度來進行個性化推薦，將偏愛相似的用戶群體所感興趣的其他物品，推薦給該用戶。

x因為這種算法的決策是依賴用戶和視頻之間的關系。我們不再需要知道ABCD短視頻的類型特征，所以我們不需要為標的物建模，我們通過甲用戶和丙用戶偏愛向量表示圖得知，他們的相似度比較高，那么我們可以把丙所喜歡的D短視頻推薦給用戶甲。

（2）基于物品的協同過濾算法。這是當今很多大型網站都在采用的推薦算法之一。算法的基本思路是利用用戶對物品的偏好找到相似的物品，然后根據用戶的歷史偏好，為他推薦相似的物品。

可以在離線狀態下，從用戶的歷史信息中先將物品的相似度矩陣計算好，這樣可以在線上實時快速地給出推薦結果。這種方法推薦的物品一般都和用戶喜歡的物品內容高度相似。

因為喜歡物品A的用戶同時也喜歡物品C。可以說物品A和物品C具有很大的相似度。

基于物品的協同過濾方法不用考慮用戶、物品的特征信息，它是根據用戶對物品的偏好信息（如評分等行為），通過矩陣計算獲取不同物品之間的相似度，這種方法是以物品為中心，將相似的物品劃歸于特定的一組類別，然后根據某個用戶的歷史興趣找出他感興趣的物品所屬的類別，最后將屬于該組類別所對應的物品推薦給該用戶。

3 結束語

基于用戶畫像的推薦系統技術，在電子商務領域和傳媒資訊領域都得到了廣泛的應用和深入的研究，并且逐步形成了一門獨立的學科。隨著研究和應用水平的不斷提高，用戶畫像技術將會給我們生活帶來更多的驚喜。

參考文獻：

[1] 張化南.基于用戶畫像分析電子商務網站應用研究[J].現代營銷（下旬刊），2020（7）：100-101.

[2] 張莉.基于“用戶畫像”的精準營銷策略研究[J].現代營銷（下旬刊），2020（3）：93-94.

【通聯編輯：唐一東】