基于大數據平臺的用戶畫像與用戶行為研究

丁勝利 王建永 陳哲瀚

在互聯網時代的背景下，大數據平臺成為企業分析用戶不同需求的一條重要途徑，基于大數據資源對用戶畫像和用戶行為進行的分析逐步完善，運用先進的計算系統對用戶畫像和用戶行為進行深入分析成為可能。本文從互聯網大數據平臺總體架構出發，深入分析大數據平臺用戶畫像與用戶行為，以基于大數據平臺的用戶負荷變尺度技術為主要內容，從四個方面具體進行探討，力爭為企業構建大數據平臺與用戶互動提供理論參考。

一、大數據平臺基本構架

大數據處理平臺具備存儲大量數據的能力，能夠更高效地進行分步處理，而且可以對數據進行一段時間的保存，大數據處理軟件運用相似的框架，具有很強的平臺特性，能夠大大提高經濟利益。除此之外，大數據處理軟件還是一個集可靠性、擴展性、高容錯性于一體的新型應用程序，尤其是其能夠支持多種編程語言的特性使它在各個領域得到廣泛應用。

二、大數據平臺企業與用戶的關系

（一）用戶畫像技術分析

用戶畫像就是將用戶信息系統進行整理并將其標簽化，利于企業全面地掌握用戶特征，通過對用戶的外貌特征、社會角色、生活習慣、人際關系等數據進行收集，虛擬定位用戶的全貌，從而初步了解用戶的行為方向。隨著大數據的廣泛發展，建立用戶畫像已經成為了用戶行為分析的發展趨勢之一，通過“標簽用戶”來模擬出全樣本用戶的各項特征，已經逐漸發展為企業產品研發銷售的一種方式。

從某種技術角度來看，基于大數據平臺的用戶畫像構造主要分為三步：第一步是搭建用戶畫像技術框架，分類整理數據，建立定向的架構系統平臺。用戶畫像是對真實用戶進行全面分析后，對其某個方面、某個層次的特征進行數據化，再對數據化的結果進行合理重組，最終得到虛擬人物形象。如此，用戶畫像所涉及的用戶特征，不再是企業用戶的全體平均化特征，也不是某個用戶的個性特征。根據企業逐漸形成的特定用戶畫像群體，又稱為情景化用戶特征，可以將其用于大量用戶畫像的構建和整理存檔。第二步是匹配用戶畫像特征數據。用戶畫像所反映的虛擬化用戶的大概率行為并不全然代表全局性用戶的必然行為。因此，基于大數據平臺的用戶畫像必須對用戶角色和屬性進行標簽化和系統化，結構上形成對用戶行為的分層分析和分類分析，通過分層分析和分類分析兩方面進行深度的研究，而不僅是單從用戶數量出發進行的簡單統計描述分析。基于大數據分析平臺的用戶畫像技術代表了虛擬化用戶的全面性大概率的行為特征。通過對用戶畫像圖集的持續更新，資料庫的持續迭代等系統升級的工作，可以大大提高虛擬化用戶行為的判別概率。這就啟示我們可以基于用戶畫像技術進行用戶行為分析。第三步是用戶畫像的構建，包括準確識別用戶、動態追蹤用戶行為軌跡、根據靜態數據評估給予用戶標簽等。用戶畫像是具有雙向特征的結構化數據集，可以虛擬地反映出相應用戶的興趣愛好、情緒變化等心理特征。盡管小營銷市場不存在的情境用戶，但依舊可以借助人工智能形象地刻畫出具有智能科技的自我演化型用戶。企業根據對情境用戶特征的深度剖析，可以從中找到創新路徑的先導方向，可以基于用戶畫像進行市場趨勢預估。企業要想基于互聯網大數據技術對用戶畫像進行分析要關注兩個方面：一是需要將營銷中的用戶信息按不同維度、不同層次賦予不同的管理標簽，再根據實際情況將不同標簽組合起來尋找符合此特征條件的用戶，然后構成用戶畫像分析。因此，大數據的用戶畫像分析，主要就是將用戶信息標簽化、按要求對標簽重組編排、根據特征篩選標簽、投放市場檢驗、最后接收大數據反饋來修正標簽、迭代完善資料庫。二是大數據的用戶畫像是一個用戶畫像集冊，從不同方面可以構建用戶外貌特征畫像、用戶產品特征畫像、用戶行為特征畫像、用戶互動特征畫像等。這就需要從用戶對產品的外觀偏好、功能偏好、系列偏好、體驗偏好及技法偏好等角度來構建用戶產品特征維度體系，從而構建用戶產品特征畫像的框架，著重實現產品創新營銷，提高對標產品的識別能力。

（二）用戶行為技術分析

基于用戶畫像系統的分析，根據企業營銷需求可以進一步拓展大數據平臺的用戶行為分析。從技術角度看，基于大數據平臺的用戶行為分析與用戶畫像分析密不可分。首先，需要構建或調取用戶畫像特征模型，在此基礎上，對用戶行為按不同方面、不同層次進行虛擬刻畫，進一步對用戶行為標簽化。其次，根據企業競爭所需，通過對領先企業用戶的資料進行適當抽取，識別出領先用戶的不同之處，通過互聯網大數據進行整理，進一步對領先用戶進行精確識別定位，然后將產品研發方向與領先用戶類型進行高效匹配與靠攏，再利用大數據查詢用戶的創意，與此同時必須要明確創新權。同時，企業可以通過分層次抽取方式，針對普通用戶和領先用戶的知識抽取方式分別刻畫兩者的不同形象，并進一步提出優化策略，企業應該制定激勵制度，鼓勵普通用戶持續形成大數據行為，以便于企業獲取更全面的市場消費行為和市場潮流。再次，基于大數據平臺對用戶等級的分類可分別得出普通用戶行為模型和領先用戶行為模型，應該根據企業管理需求將用戶行為標簽適當進行重新組合，分別整理出普通用戶與領先用戶的虛擬行為特征，繼而將兩個不同的特征進行定位與驗證；最后，根據市場驗證的反饋結果，不斷對兩類用戶行為的標簽進行修改和完善，將最終整理所得成果，將成果納入資料庫，形成更加精確的資料抽取，用戶的二次修正標簽會在某些方面對市場中用戶的行為產生影響，同時也有利于下一輪的用戶行為大數據進行更新。

以某電視臺十一月用戶數據為例，從時間緯度和內容緯度進行分析。

時間緯度：以用戶的在線時長為研究對象，通過預處理，將在線時長用具體的時間段表示，如：工作日白天，工作日晚上，周末白天，周末晚上四個時間，探究用戶在線時長的分布特征。并精準定位用戶需求，如：對于工作日在線時間較短，但周末在線時長較長的用戶群體推測為是上班族或者學生；對于全天在線的用戶群體推測為退休在家的老年人。

內容緯度：以用戶所播放的節目類型為研究主體，將其分為：以電影、綜藝、電視劇為主的娛樂型用戶；以新聞、資訊為主的知識型用戶；以健康、美食為主的生活型用戶；以電競、健身為主的休閑型用戶。

工作日時間段對知識型節目的點播率較高，周末則娛樂型和休閑型節目點播率較高，工作日和周末對生活型節目點播率更高。因此，可以總結出電視臺工作日和周末播放的節目的實踐指導經驗，從而可以靈活調整節目播出時間段。

三、結語

通過以大數據為基礎的用戶畫像分析和用戶行為分析，可以精準地反映企業用戶群體的個體性偏好和共同特性。同時利用互聯網大數據平臺可以提供良好、可靠的技術支撐，不僅可以大大提高處理大量數據的效率，而且還可以提供高效分析分類功能。本文針對大數據用戶畫像與用戶行為提出的一些針對性建議，能夠實現產品營銷的精準投放，為用戶提供更加智能的幫助。

作者單位：南方電網數字企業科技（廣東）有限公司