劉蓓琳+張琪

內(nèi)容摘要：電子商務(wù)行業(yè)競爭日趨激烈，如何更好的為用戶提供個性化服務(wù)是企業(yè)面臨的難題。本文將用戶畫像技術(shù)應(yīng)用于電子商務(wù)用戶購買決策過程中，提升企業(yè)在需求獲取、個性化推薦、個性化服務(wù)、用戶滿意度管理和信用評價五個階段的服務(wù)水平，并從用戶畫像維度劃分、屬性確定以及屬性抽取方法三個方面對購買決策過程中的電子商務(wù)用戶畫像應(yīng)用進(jìn)行研究。

關(guān)鍵詞：用戶畫像 電子商務(wù)用戶 購買決策過程 大數(shù)據(jù)

概述

據(jù)統(tǒng)計，2016年上半年中國網(wǎng)購用戶規(guī)模達(dá)4.8億人，中產(chǎn)階級電子商務(wù)消費群體的崛起使得企業(yè)由以“產(chǎn)品”為中心向以“用戶”為中心轉(zhuǎn)換，如何更好的了解用戶需求，以推動用戶購買決策的形成成為企業(yè)急需解決的問題。用戶畫像技術(shù)本質(zhì)是指企業(yè)在大數(shù)據(jù)環(huán)境下，洞察用戶信息，全面準(zhǔn)確的刻畫用戶的維度與屬性，使企業(yè)能深入研究用戶特征與行為以更加精準(zhǔn)的掌握用戶需求，從而更好的服務(wù)于用戶。

電子商務(wù)用戶購買決策分析

電商用戶的購買決策過程仍遵循傳統(tǒng)消費者行為理論，即確認(rèn)需求、信息搜尋、評估選擇、購買決策和購后評價五個階段。在此基礎(chǔ)上引入管理學(xué)的全過程管理理念，電商用戶購買決策過程可分為“購前、購中、購后”三個環(huán)節(jié)，主要包括需求獲取、個性化推薦、個性化服務(wù)、用戶滿意度管理、信用評價五個階段，如圖1所示。在這三個環(huán)節(jié)五個階段中，用戶畫像技術(shù)都能幫助企業(yè)洞察用戶需求，以便企業(yè)為用戶提供更好的服務(wù)。

現(xiàn)有用戶畫像技術(shù)應(yīng)用研究

（一）需求獲取

洪婷婷（2015）通過構(gòu)建用戶畫像標(biāo)簽庫進(jìn)行人群分類以精準(zhǔn)獲取用戶需求。孫曄等（2016）利用用戶畫像技術(shù)精準(zhǔn)獲取用戶需求以推進(jìn)商業(yè)銀行的轉(zhuǎn)型和業(yè)務(wù)發(fā)展。馬安華（2013）通過構(gòu)建電信用戶畫像以獲得用戶需求，實現(xiàn)能自修正的精準(zhǔn)營銷系統(tǒng)。劉海（2016）基于4C理論構(gòu)建“用戶畫像”數(shù)據(jù)庫獲取消費者需求，以實現(xiàn)個性化的精準(zhǔn)營銷。

（二）個性化推薦

張小可等（2016）利用貝葉斯網(wǎng)絡(luò)構(gòu)建可擴(kuò)展的用戶畫像，以實現(xiàn)用戶興趣變化的動態(tài)推薦。劉鵬等（2016）通過劃分屬性、興趣維度構(gòu)建可擴(kuò)展的用戶畫像，以提高個性化推薦的精度。王智囊（2016）通過構(gòu)建醫(yī)學(xué)畫像庫，并依此實現(xiàn)醫(yī)學(xué)個性化推薦系統(tǒng)。徐凱（2016）提出基于用戶畫像技術(shù)的協(xié)同過濾算法，以提高個性化推薦的準(zhǔn)確度。

（三）個性化服務(wù)

侯金鳳等（2016）構(gòu)建用戶畫像模型旨在為用戶提供個性化服務(wù)。黃文彬等（2016）從移動用戶頻繁活動、規(guī)律行為以及移動速度三個維度構(gòu)建移動用戶畫像，為個性化服務(wù)提供更全面的數(shù)據(jù)支持。張恒等（2016）通過構(gòu)建車主用戶畫像旨在為用戶提供精準(zhǔn)的個性化服務(wù)。

（四）滿意度管理

李映坤等（2016）通過構(gòu)建用戶畫像以管理用戶滿意度，并定制相應(yīng)挽留策略。戴桓宇（2016）利用用戶投訴文本描繪用戶畫像，并依此進(jìn)行用戶滿意度管理。張麗娟等（2017）挖掘用戶潛在需求并構(gòu)建電信用戶畫像，以進(jìn)行用戶維系與滿意度的管理。

（五）信用評價

林漢川（2016）采用隨機(jī)森林結(jié)合Logistic回歸的模型來構(gòu)建用戶畫像旨在精準(zhǔn)地評估用戶信用風(fēng)險。丁偉等（2016）利用通信運營數(shù)據(jù)構(gòu)建手機(jī)用戶畫像，并應(yīng)用于個人征信領(lǐng)域。孫曄等（2016）通過用戶畫像技術(shù)挖掘商業(yè)銀行征信數(shù)據(jù)，測評用戶信用等級控制風(fēng)險。

綜上所述，用戶畫像技術(shù)能夠應(yīng)用于電子商務(wù)用戶購買決策的全過程，以幫助企業(yè)更好的服務(wù)于用戶，提高企業(yè)競爭力。

電子商務(wù)用戶畫像構(gòu)建研究

目前電子商務(wù)行業(yè)中用戶畫像技術(shù)主要應(yīng)用于用戶畫像維度劃分、用戶畫像屬性確定以及用戶畫像屬性抽取三個方面的研究。

（一）用戶畫像維度劃分

構(gòu)建用戶畫像需要劃分用戶畫像維度，即從哪些關(guān)鍵角度對用戶進(jìn)行洞察與分析。通過對國內(nèi)20篇有代表性的文獻(xiàn)進(jìn)行疏理，將用戶畫像維度劃分方法做歸納總結(jié)（見表1）。

現(xiàn)有研究成果中用戶畫像維度的劃分不盡相同。本文對相似的用戶畫像維度進(jìn)行歸納，總結(jié)了19篇研究文獻(xiàn)中提及度較高前六個維度（見表2）。

（二）用戶畫像屬性確定

本文從基本屬性、興趣屬性、社交屬性、行為習(xí)慣、心理特征和用戶價值六個維度對現(xiàn)有研究文獻(xiàn)中的用戶畫像屬性確定方法進(jìn)行總結(jié)（見表3）。

（三）用戶畫像屬性抽取

目前，用戶畫像屬性抽取的數(shù)據(jù)挖掘方法主要包括聚類、關(guān)聯(lián)規(guī)則及機(jī)器學(xué)習(xí)等。

基于聚類的用戶畫像屬性抽取方法是一種無監(jiān)督模式識別并劃分用戶屬性的方法，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。

基于文本挖掘的用戶畫像屬性抽取方法是一種從大量文本中抽取潛在知識的方法，主要分析挖掘用戶相關(guān)的文本，從中抽取用戶興趣、購買習(xí)慣、上網(wǎng)行為等屬性。

基于關(guān)聯(lián)規(guī)則的用戶畫像屬性抽取方法是尋找同一個事件中出現(xiàn)不同項的相關(guān)性的方法，主要通過對用戶的屬性挖掘分析得到某種類別用戶的典型屬性及屬性的關(guān)聯(lián)情況以抽取用戶興趣、購買習(xí)慣以及上網(wǎng)行為。

基于機(jī)器學(xué)習(xí)的用戶畫像屬性抽取方法是一種通過數(shù)據(jù)、經(jīng)驗等模擬實現(xiàn)人類的學(xué)習(xí)行為以獲取新知識的方法，主要用于預(yù)測用戶興趣、行為等。

現(xiàn)有研究文獻(xiàn)中的用戶畫像屬性抽取方法總結(jié)如表4所示。

綜上所述，將用戶畫像技術(shù)應(yīng)用于電子商務(wù)用戶購買決策過程，能夠更好的洞察用戶在不同階段的需求。結(jié)合消費者購買決策過程與全過程管理理念，分為“購前、購中、購后”三個環(huán)節(jié)的電子商務(wù)用戶購買決策過程，主要包括需求獲取、個性化推薦、個性化服務(wù)、用戶滿意度管理、信用評價五個階段。通過文獻(xiàn)梳理，總結(jié)電子商務(wù)用戶購買決策過程中用戶畫像技術(shù)的應(yīng)用，從用戶畫像的維度劃分、屬性確定以及屬性抽取方法三個方面對基于購買決策過程的電子商務(wù)用戶畫像應(yīng)用進(jìn)行了研究。endprint

參考文獻(xiàn)：

1.莫岱青.《2016年（上）中國電子商務(wù)市場數(shù)據(jù)監(jiān)測報告》發(fā)布[J].計算機(jī)與網(wǎng)絡(luò)，2016（18）

2.劉業(yè)政.網(wǎng)絡(luò)消費者行為[M].科學(xué)出版社，2011

3.洪婷婷. 互聯(lián)網(wǎng)廣告人群標(biāo)簽庫的設(shè)計及投放規(guī)則挖掘[D].中國科學(xué)院大學(xué)，2015

4.孫曄，楊照東，陳德華.大數(shù)據(jù)用戶畫像技術(shù)在商業(yè)銀行的應(yīng)用[J].數(shù)字通信世界，2016（9）

5.馬安華.基于用戶行為分析的精確營銷系統(tǒng)設(shè)計與實現(xiàn)[D].南京郵電大學(xué)，2013

6.劉海.大數(shù)據(jù)時代服裝精準(zhǔn)營銷下的服務(wù)策略研究[D].上海工程技術(shù)大學(xué)，2016

7.張小可，沈文明，杜翠鳳.貝葉斯網(wǎng)絡(luò)在用戶畫像構(gòu)建中的研究[J].移動通信，2016，40（22）

8.劉鵬.基于Spark的數(shù)據(jù)管理平臺的設(shè)計與實現(xiàn)[D].浙江大學(xué)，2016

9.王智囊.基于用戶畫像的醫(yī)療信息精準(zhǔn)推薦的研究[D].電子科技大學(xué)，2016

10.徐凱.基于主題抽取演化模型的實時新聞推薦系統(tǒng)[D].廣東工業(yè)大學(xué)，2016

11.侯金鳳.移動互聯(lián)網(wǎng)下手機(jī)用戶使用行為特征的研究[J].電腦知識與技術(shù)，2016，12（7）

12.黃文彬，徐山川，吳家輝.移動用戶畫像構(gòu)建研究[J].現(xiàn)代情報，2016，36（10）

13.張恒，張磊，程新洲.基于大數(shù)據(jù)的路橋汽車用戶線上2C運營方案研究[J].郵電設(shè)計技術(shù)，2016（8）

14.李映坤.大數(shù)據(jù)背景下用戶畫像的統(tǒng)計方法實踐研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2016

15.戴恒宇.基于數(shù)據(jù)挖掘技術(shù)的移動運營商用戶投訴數(shù)據(jù)研究[D].南京大學(xué)，2016

16.張麗娟.基于大數(shù)據(jù)分析的用戶畫像助力精準(zhǔn)營銷研究[J].電信技術(shù)， 2017，8（1）

17.林漢川，張萬軍，楊柳.基于大數(shù)據(jù)的個人信用風(fēng)險評估關(guān)鍵技術(shù)研究[J].管理現(xiàn)代化，2016，36（2）

18.丁偉，王題，劉新海.基于大數(shù)據(jù)技術(shù)的手機(jī)用戶畫像與征信研究[J].郵電設(shè)計技術(shù)，2016（3）

19.孫曄，楊照東，陳德華.大數(shù)據(jù)用戶畫像技術(shù)在商業(yè)銀行的應(yīng)用[J].數(shù)字通信世界，2016（9）

20.陳志明，胡震云.UGC網(wǎng)站用戶畫像研究[J].計算機(jī)系統(tǒng)應(yīng)用，2017，26（1）

21.王慶福.貝葉斯網(wǎng)絡(luò)在用戶興趣模型構(gòu)建中的研究[J].無線互聯(lián)科技，2016（12）

22.王智囊.基于用戶畫像的醫(yī)療信息精準(zhǔn)推薦的研究[D].電子科技大學(xué)，2016

23.黃文彬，吳家輝，徐山川.數(shù)據(jù)驅(qū)動的移動用戶行為研究框架與方法分析[J].情報科學(xué)，2016，34（7）

24.劉海，盧慧，阮金花.基于“用戶畫像”挖掘的精準(zhǔn)營銷細(xì)分模型研究[J].絲綢，2015，52（12）

25.王文璐.基于用戶大數(shù)據(jù)的海爾集團(tuán)線上精準(zhǔn)營銷研究[D].東北農(nóng)業(yè)大學(xué)，2015

26茅明睿，王良. 基于某電子商務(wù)公司用戶數(shù)據(jù)的市民畫像及應(yīng)用思考[C]// 中國科協(xié)年會. 2015

27.張哲.基于微博數(shù)據(jù)的用戶畫像系統(tǒng)的設(shè)計與實現(xiàn)[D].華中科技大學(xué)，2015

28.高玉龍.基于文本挖掘的用戶畫像研究[D].汕頭大學(xué)，2014

29.徐翔斌，王佳強(qiáng)，涂歡，穆明.基于改進(jìn)RFM模型的電子商務(wù)客戶細(xì)分[J].計算機(jī)應(yīng)用，2012（5）

30.侯金鳳.移動互聯(lián)網(wǎng)下手機(jī)用戶使用行為特征的研究[J].電腦知識與技術(shù)，2016，12（3）

31.李冰，王悅，劉永祥.大數(shù)據(jù)環(huán)境下基于K-means的用戶畫像與智能推薦的應(yīng)用[J].現(xiàn)代計算機(jī)（專業(yè)版），2016（24）

32.李宗麗，王計平.基于大數(shù)據(jù)的定制旅游網(wǎng)站創(chuàng)新設(shè)計研究[J].設(shè)計，2016（19）

33.王汝軍.基于大數(shù)據(jù)的移動互聯(lián)網(wǎng)行為分析[D].南京郵電大學(xué)，2015

34.戴恒宇.基于數(shù)據(jù)挖掘技術(shù)的移動運營商用戶投訴數(shù)據(jù)研究[D].南京大學(xué)，2016

35.張慷.手機(jī)用戶畫像在大數(shù)據(jù)平臺的實現(xiàn)方案[J].信息通信，2014（2）endprint