基于用戶畫像技術(shù)的新能源汽車精準(zhǔn)營銷分析

摘"要：作為我國七大戰(zhàn)略性新興產(chǎn)業(yè)之一的新能源汽車，已成為經(jīng)濟(jì)高質(zhì)量發(fā)展的重要引擎，也是實(shí)現(xiàn)強(qiáng)國戰(zhàn)略的重要途徑。在車市營銷戰(zhàn)愈演愈烈的環(huán)境下，通過對(duì)新能源汽車用戶信息和畫像分析，找到精準(zhǔn)營銷路徑，對(duì)有效的導(dǎo)流、用戶觸達(dá)、促進(jìn)銷售、提升營銷效率具有重要意義。文章擬通過分析新能源汽車社群營銷發(fā)展現(xiàn)狀，構(gòu)建社群用戶畫像，建立資源聚合模型，精準(zhǔn)定位目標(biāo)客戶群體，識(shí)別不同消費(fèi)者的潛在特征及消費(fèi)需求，為其定制合理化精準(zhǔn)營銷策略，有效完成產(chǎn)品信息精準(zhǔn)推送，及時(shí)提供服務(wù)，從而提升用戶體驗(yàn)提供借鑒。

關(guān)鍵詞：新能源汽車；用戶畫像；精準(zhǔn)營銷

中圖分類號(hào)：F273.2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005-6432（2025）"08-0106-04

DOI：10.13939/j.cnki.zgsc.2025.08.027

習(xí)近平總書記指出：“發(fā)展新能源汽車是我國從汽車大國邁向汽車強(qiáng)國的必由之路”。"近十年來新能源汽車產(chǎn)業(yè)實(shí)現(xiàn)了飛躍式發(fā)展。與此同時(shí)，大數(shù)據(jù)、5G、移動(dòng)互聯(lián)技術(shù)的發(fā)展驅(qū)動(dòng)制造業(yè)發(fā)展進(jìn)入了數(shù)字經(jīng)濟(jì)時(shí)代，再次迎來了科技革命與消費(fèi)結(jié)構(gòu)升級(jí)，只有打破傳統(tǒng)思路才能實(shí)現(xiàn)品牌突破，形成具有強(qiáng)勢(shì)競爭力的用戶體驗(yàn)。汽車行業(yè)跨境融合成為商業(yè)模式重新改革后的一種新常態(tài)，通過互聯(lián)網(wǎng)企業(yè)與汽車企業(yè)強(qiáng)強(qiáng)聯(lián)合，以新的價(jià)值生態(tài)系統(tǒng)贏得新一輪汽車企業(yè)生態(tài)戰(zhàn)。通過互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)構(gòu)建新能源汽車企業(yè)用戶數(shù)據(jù)庫，分析消費(fèi)者需求及其關(guān)注熱點(diǎn)，對(duì)產(chǎn)品及其相關(guān)信息進(jìn)行精準(zhǔn)推送的同時(shí)提供精準(zhǔn)服務(wù)，提升用戶體驗(yàn)的同時(shí)提高滿意度。

1"國內(nèi)外發(fā)展?fàn)顩r及研究現(xiàn)狀

1.1"國內(nèi)研究現(xiàn)狀

用戶畫像作為表示用戶屬性、行為和偏好信息的工具，其目的是理解用戶并帶給其個(gè)性化的信息服務(wù)和體驗(yàn)，在廣泛應(yīng)用于互聯(lián)網(wǎng)服務(wù)企業(yè)的同時(shí)向各行各業(yè)進(jìn)行延伸與滲透。索曉陽，王偉基于新浪微博數(shù)據(jù)提出了一種基于社交網(wǎng)絡(luò)數(shù)據(jù)的用戶群體畫像方法，根據(jù)用戶社交信息提取多維度用戶特征，再利用"K"均值聚類算法（K-means"clustering"algorithm，K-means）進(jìn)行聚類生成用戶群體畫像[1]。姜興琪提出基于基礎(chǔ)畫像進(jìn)行相似人群畫像的挖掘，根據(jù)用戶共同閱讀的新聞內(nèi)容挖掘相似用戶，并利用權(quán)重映射的方式對(duì)用戶畫像權(quán)重進(jìn)行衰減[2]。孫吉祥以用戶個(gè)人信息和行為數(shù)據(jù)作為初始畫像，然后利用"Bert+BiLSTM+Attention"模型通過對(duì)用戶的評(píng)論信息挖掘其情感偏向，并利用艾賓浩斯記憶遺忘曲線模擬用戶興趣的遺忘規(guī)律進(jìn)行用權(quán)重衰減[3]。

1.2"國外研究現(xiàn)狀

Wang、Liu、Jiang提出了一種通過結(jié)合強(qiáng)化學(xué)習(xí)和知識(shí)圖譜對(duì)增量式移動(dòng)用戶畫像進(jìn)行表示學(xué)習(xí)的方案，目標(biāo)是得到從混合用戶事件流中增量式學(xué)習(xí)動(dòng)態(tài)更新的用戶畫像向量[4]。Gu、Ding、Wang研究了層次用戶畫像建模問題（hierarchical"user"profiling，HUP），旨在從不同粒度實(shí)時(shí)表示用戶興趣偏好，首先利用金字塔型的循環(huán)神經(jīng)網(wǎng)絡(luò)從用戶的微觀行為中抽象出不同粒度的用戶興趣，其中微觀行為包括點(diǎn)擊物品的組件，例如圖片和評(píng)論等，以及使用搜索引擎或推薦導(dǎo)航瀏覽行為，且為了更好地模擬用戶的實(shí)時(shí)興趣，設(shè)計(jì)了基于行為的LSTM模型，將行為的元信息（如類型、停留時(shí)間和時(shí)間間隔信息等）集成到"HUP"中[5]。

通過文獻(xiàn)分析可以看出，用戶畫像在新能源汽車社群領(lǐng)域內(nèi)的研究主要集中在單獨(dú)構(gòu)建和使用用戶畫像，較少對(duì)用戶畫像和資源畫像深度融合進(jìn)行研究。鑒于此，文章提出構(gòu)建新能源汽車用戶畫像和資源畫像模型并進(jìn)行情境化融合，以期為當(dāng)前新能源汽車情境化推薦系統(tǒng)研究提供參考。

2"用戶畫像的研究概述

2.1"用戶畫像起源

最早提出用戶畫像（persona）"的學(xué)者是被命名為交互設(shè)計(jì)之父的阿蘭·庫珀，其認(rèn)為用戶畫像是真實(shí)反映用戶數(shù)據(jù)特征的虛擬代表，通過對(duì)用戶數(shù)據(jù)的挖掘，對(duì)用戶的目標(biāo)、行為和觀點(diǎn)進(jìn)行抽取，分析出用戶的典型特征，把用戶的靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)標(biāo)簽化，從而形成的一個(gè)目標(biāo)用戶的模型。該模型能夠反映用戶真實(shí)行為和偏好，精準(zhǔn)細(xì)分用戶群體并挖掘潛在群體。與此同時(shí)，隨著數(shù)據(jù)挖掘、云計(jì)算、人工智能等技術(shù)的發(fā)展，大數(shù)據(jù)環(huán)境下的各類資源呈現(xiàn)出動(dòng)態(tài)性、多樣化特征，面向用戶需求與服務(wù)需求的資源聚合方法與技術(shù)也不斷更新。

2.2"用戶畫像標(biāo)簽體系

用戶畫像通過對(duì)用戶社會(huì)屬性、消費(fèi)習(xí)慣、偏好行為等各維度數(shù)據(jù)進(jìn)行收集整理，進(jìn)而對(duì)用戶或者產(chǎn)品特征屬性進(jìn)行刻畫，并通過對(duì)其分析、統(tǒng)計(jì)、挖掘價(jià)值信息，從而提取用戶整體的典型信息全貌[6]。用戶屬性是刻畫用戶的基礎(chǔ)，常見用戶屬性指標(biāo)包括用戶的年齡、性別、注冊(cè)狀態(tài)、城市、歷史購買狀態(tài)、歷史購買金額等；用戶行為是用戶標(biāo)簽的另一重要維度，通過用戶行為可以挖掘其偏好和調(diào)整，常見用戶行為維度指標(biāo)包括用戶訂單相關(guān)行為、下單/訪問行為、用戶近30天行為類型指標(biāo)、用戶高頻活躍時(shí)間段、用戶購買品類、點(diǎn)擊偏好、營銷敏感度等相關(guān)行為；對(duì)于用戶消費(fèi)維度，可以從用戶瀏覽、加購、下單、收藏、搜索商品對(duì)應(yīng)的品類等入手。

3"新能源汽車社群用戶畫像與資源畫像構(gòu)建

社群是指在某些邊界線、地區(qū)或領(lǐng)域內(nèi)發(fā)生作用的一切社會(huì)關(guān)系。汽車之家口碑是一個(gè)聚焦于欲購車用戶和已購車用戶，建立評(píng)價(jià)分享和溝通交流平臺(tái)，為用戶提供了解車主真實(shí)用車情況的渠道，幫助用戶省時(shí)省力了解感興趣的汽車。截至2016年年底，汽車之家口碑月度活躍用戶超過3500萬人，在用戶規(guī)模和流量方面處于行業(yè)領(lǐng)導(dǎo)者地位。截至目前，口碑已成為購車族真實(shí)生動(dòng)的購車參考、交流平臺(tái)，同時(shí)汽車廠商也能通過口碑，及時(shí)了解車主真實(shí)聲音并對(duì)產(chǎn)品進(jìn)行改良。因此，文章以汽車之家口碑中蔚來汽車為例，通過建立汽車之家口碑的用戶畫像和資源畫像的映射關(guān)系，試圖為精準(zhǔn)營銷提供依據(jù)。

3.1"蔚來汽車口碑用戶畫像

3.1.1"用戶畫像數(shù)據(jù)的獲取

以汽車之家口碑中蔚來汽車ES8為例，運(yùn)用八爪魚爬蟲軟件，對(duì)蔚來汽車ES8"2023年3月25日至2020年2月27日口碑進(jìn)行了爬取工作，爬取時(shí)間為2023年4月4日，通過對(duì)數(shù)據(jù)的篩選、清洗和加工，共爬出口碑?dāng)?shù)據(jù)1981條。將這些數(shù)據(jù)進(jìn)行歸類、匯總，對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，用戶數(shù)據(jù)主要包括購買型號(hào)、口碑ID、評(píng)價(jià)用戶、用戶頭像、發(fā)表時(shí)間、瀏覽數(shù)、評(píng)論數(shù)、支持?jǐn)?shù)、標(biāo)題、經(jīng)銷商、購買地點(diǎn)、購買價(jià)格、購買時(shí)間、百公里油耗、百公里電耗、行駛里程、綜合評(píng)分、空間評(píng)分、動(dòng)力評(píng)分、操控評(píng)分、油耗評(píng)分、舒適性評(píng)分、外觀評(píng)分、內(nèi)飾評(píng)分、性價(jià)比評(píng)分、購車目的、最滿意、最不滿意、空間、駕駛感受、外觀、內(nèi)飾、性價(jià)比等。

3.1.2"用戶畫像標(biāo)簽體系的建立

文章將用戶標(biāo)簽體系分為用戶屬性、用戶行為、用戶消費(fèi)三個(gè)方面。用戶屬性主要包括口碑ID、評(píng)價(jià)用戶、用戶頭像；用戶行為主要包括標(biāo)題、綜合評(píng)分、空間評(píng)分、動(dòng)力評(píng)分、操控評(píng)分、油耗評(píng)分、舒適性評(píng)分、外觀評(píng)分、內(nèi)飾評(píng)分、性價(jià)比評(píng)分、最滿意、最不滿意、空間、駕駛感受、外觀、內(nèi)飾、性價(jià)比等；用戶消費(fèi)主要包括購買型號(hào)、經(jīng)銷商、購買地點(diǎn)、購買價(jià)格、購買時(shí)間、百公里油耗、百公里電耗、行駛里程等，如圖1所示（見下頁）。

3.1.3"用戶畫像的構(gòu)建

易詞云作為詞云分析制作工具，支持詞云圖制作、分詞、詞頻統(tǒng)計(jì)、數(shù)據(jù)可視化等功能，為了使用戶標(biāo)簽體系更加直觀，文章根據(jù)易詞云3.0軟件進(jìn)行詞頻分析，用戶的標(biāo)簽主要以用戶消費(fèi)與用戶行為為研究主體，在可視化詞云中，用戶在標(biāo)簽體系中的作用和地位與字體大小成正比。文章以汽車之家蔚來ES8口碑用戶群體為例，由于評(píng)價(jià)內(nèi)容較多，為了更加直觀，詞頻分析時(shí)主要選取名詞與形容詞頻次在100以上的數(shù)據(jù)，剔除了副詞等及其他出現(xiàn)頻次較低的名詞和形容詞等，構(gòu)建的用戶畫像如圖2所示（見下頁）。

3.2"蔚來汽車資源畫像構(gòu)建

3.2.1"資源畫像數(shù)據(jù)的獲取與標(biāo)簽體系的建立

資源畫像數(shù)據(jù)獲取仍以汽車之家蔚來為例，運(yùn)用八爪魚爬蟲軟件，對(duì)蔚來汽車2020年5月7日至2023年3月18日資訊進(jìn)行了爬取工作，爬取時(shí)間為2023年4月4日，共爬出資訊數(shù)據(jù)293條。經(jīng)過進(jìn)一步歸類匯總，資訊數(shù)據(jù)主要包括標(biāo)題、正文、作者、發(fā)布時(shí)間、標(biāo)簽等，資源畫像的標(biāo)簽主要按照自然屬性、特征屬性、內(nèi)容屬性進(jìn)行構(gòu)建，資訊的自然屬性主要包括標(biāo)題、發(fā)布時(shí)間、作者；特征屬性主要包括資訊、新能源、行業(yè)、新聞、專業(yè)評(píng)測(cè)、二手車導(dǎo)購、對(duì)比測(cè)試、車型PK、原創(chuàng)試駕等。內(nèi)容屬性主要包括電動(dòng)車車聞、新車預(yù)告、后市場(chǎng)、電動(dòng)車試駕評(píng)測(cè)、企業(yè)動(dòng)向、電動(dòng)車導(dǎo)購、產(chǎn)銷數(shù)據(jù)、碰撞成績、企業(yè)動(dòng)向、零部件、帶你懂行業(yè)、安全技術(shù)、新產(chǎn)品計(jì)劃、單車性能測(cè)試、多車對(duì)比、揭秘新車技術(shù)、整車、銷量榜、行業(yè)視角，具體如表1所示。

3.2.2"資源畫像的構(gòu)建

文章運(yùn)用易詞云3.0版本的軟件，結(jié)合建立的資源畫像標(biāo)簽體系進(jìn)行構(gòu)建，剔除標(biāo)簽中的重復(fù)數(shù)值，將標(biāo)簽單詞數(shù)值設(shè)置為1，間隔設(shè)置為0，構(gòu)成的資源畫像如圖3所示。

3.3"用戶畫像與資源畫像之間的映射關(guān)系

大眾分類法是單詞“Folksonomy”的翻譯，該詞是"Thomas"Vande"Wal"在"2004"年提出的，在一些研究中也被翻譯為社會(huì)化標(biāo)注。大眾分類法是一種自下而上的資源組織方法，隨著用戶自由的選擇標(biāo)簽對(duì)網(wǎng)絡(luò)上的資源進(jìn)行標(biāo)注而產(chǎn)生[7]。大眾分類法中包括用戶、資源和標(biāo)簽三個(gè)要素。用戶是指大眾分類系統(tǒng)中資源的上傳者、使用者和標(biāo)注者。資源是指由用戶上傳的網(wǎng)頁、圖片、視頻等各種類型的信息，這些資源來源于用戶，并與其他人分享。標(biāo)簽是用戶在對(duì)各類資源進(jìn)行描述時(shí)所用的詞語或短語，是用戶對(duì)資源的理解的表現(xiàn)。文章通過運(yùn)用大眾分類法對(duì)用戶畫像和資源畫像建立標(biāo)簽集合，從而建立了兩者之間的映射關(guān)系，如圖4所示。

文章以汽車之家為例，將汽車之家口碑中蔚來汽車的用戶畫像與汽車之家蔚來汽車資源畫像屬性進(jìn)行分析，并建立標(biāo)簽?zāi)Ｐ?，?shí)現(xiàn)了一種復(fù)雜的文本數(shù)據(jù)處理和分析方法，旨在發(fā)現(xiàn)用戶畫像和資源畫像之間的聯(lián)系。首先，文本數(shù)據(jù)通過jieba.posseg.cut進(jìn)行分詞和詞性標(biāo)注，接著，定義了一個(gè)停用詞列表，用于去除那些常見但無關(guān)緊要的詞，以便更準(zhǔn)確地捕捉文本的關(guān)鍵信息，同時(shí)，文章還統(tǒng)計(jì)了特定詞性（名詞和形容詞）的詞頻，從而過濾出出現(xiàn)頻率較高的關(guān)鍵詞。隨后，文章利用TF-IDF（詞頻-逆文檔頻率）方法將文本數(shù)據(jù)轉(zhuǎn)換成數(shù)值型特征向量，這些特征向量化的文本數(shù)據(jù)通過余弦相似度進(jìn)行比較，基于這些計(jì)算，文章構(gòu)建了一個(gè)相似度矩陣，該矩陣存儲(chǔ)了用戶畫像和資源畫像標(biāo)簽之間的相似度。最后，文章通過選擇相似度最高的標(biāo)簽對(duì)來實(shí)現(xiàn)用戶畫像和資源畫像之間的映射。這一過程涉及一系列復(fù)雜的判斷，確保每個(gè)用戶畫像標(biāo)簽、資源畫像標(biāo)簽和第三方公共標(biāo)簽在映射中都是獨(dú)一無二的。這種方法有效地將不同類別的標(biāo)簽聯(lián)系起來，為用戶畫像和資源畫像之間的關(guān)系提供了一種新的視角，從而形成了具體的用戶畫像與資源畫像的映射模型，如表2所示。

通過文本分析和相似度計(jì)算，每個(gè)用戶畫像標(biāo)簽與資源畫像標(biāo)簽被成功地匹配到了一個(gè)相關(guān)的共同標(biāo)簽。這些匹配反映了用戶畫像（即用戶的關(guān)注點(diǎn)或評(píng)價(jià)標(biāo)準(zhǔn)）與資源畫像（即媒體內(nèi)容或行業(yè)焦點(diǎn)）之間的潛在聯(lián)系。

第一，用戶關(guān)注“性價(jià)比”時(shí)，可能會(huì)特別關(guān)注“專業(yè)評(píng)測(cè)”，尤其是那些詳細(xì)評(píng)述的“文章”。這表明，在評(píng)估性價(jià)比時(shí)，用戶傾向于參考專家的意見和深入的產(chǎn)品分析。

第二，用戶在考慮“服務(wù)”方面時(shí)，可能會(huì)查看與“服務(wù)”相關(guān)的“資訊”，并且關(guān)注與所選產(chǎn)品或服務(wù)“同類”的其他產(chǎn)品。這表明用戶在評(píng)估服務(wù)時(shí)喜歡進(jìn)行比較和對(duì)照。

第三，用戶在關(guān)心“價(jià)格”時(shí)，可能會(huì)對(duì)比不同的“車型pk”，關(guān)注在對(duì)比中提出的“問題”。這意味著價(jià)格敏感的用戶會(huì)通過比較不同車型來尋找性價(jià)比高的選擇。

第四，關(guān)注“售后”的用戶可能會(huì)對(duì)“行業(yè)”動(dòng)態(tài)保持關(guān)注，尤其是與“產(chǎn)品”相關(guān)的內(nèi)容。這表明用戶在考慮購買后的支持和服務(wù)時(shí)，會(huì)考慮行業(yè)趨勢(shì)和產(chǎn)品質(zhì)量。

第五，對(duì)“電池”感興趣的用戶可能會(huì)關(guān)注“新能源”領(lǐng)域，特別是相關(guān)的“技術(shù)”動(dòng)態(tài)。這說明在新能源車領(lǐng)域，電池性能和技術(shù)創(chuàng)新是用戶關(guān)注的重點(diǎn)。

第六，與“體驗(yàn)”相關(guān)的用戶可能會(huì)看重“原創(chuàng)試駕”的內(nèi)容，尤其是其他“用戶”的體驗(yàn)反饋。這意味著用戶在考慮產(chǎn)品時(shí)，不僅重視專家的意見，也看重普通用戶的實(shí)際體驗(yàn)。

4"結(jié)語

綜上所述，這些匹配揭示了用戶畫像與資源畫像之間的具體聯(lián)系。通過了解汽車用戶的關(guān)注點(diǎn)和他們獲取信息的方式，汽車企業(yè)和內(nèi)容創(chuàng)建者可以更有效地定位他們的目標(biāo)受眾，優(yōu)化產(chǎn)品和服務(wù)，以及創(chuàng)造更有吸引力的內(nèi)容，并同時(shí)進(jìn)行個(gè)性化推薦及相關(guān)性推薦，根據(jù)用戶消費(fèi)意向與自身信息推薦定制個(gè)性化信息，并可以結(jié)合行業(yè)熱點(diǎn)及未來發(fā)展，為每位用戶推薦相關(guān)信息與熱點(diǎn)事件。大數(shù)據(jù)在新能源汽車行業(yè)中的應(yīng)用可以使精準(zhǔn)化營銷收獲更好的效果，從而大大提升客戶轉(zhuǎn)化率與產(chǎn)品銷量。

參考文獻(xiàn)：

[1]索曉陽，王偉.基于社交網(wǎng)絡(luò)數(shù)據(jù)的用戶群體畫像構(gòu)建方法研究[J].網(wǎng)絡(luò)空間安全，2019，10（9）：55-61.