賈薔

（首都圖書館，北京 100021）

近十年，我國圖書館事業(yè)處于快速發(fā)展中。在大規(guī)模興建各級圖書館的同時，圖書館也在認真思考未來發(fā)展的方向。圖書館承擔以滿足知識信息資源需求為基礎(chǔ)的信息服務(wù)，如何提供更為精準與定制化的服務(wù)，成為業(yè)界日益關(guān)注的焦點。

隨著大數(shù)據(jù)技術(shù)的應(yīng)用及用戶需求的多元化，圖書館服務(wù)逐漸向集中、開放的網(wǎng)絡(luò)平臺轉(zhuǎn)移，對用戶和資源數(shù)據(jù)的分析為關(guān)注重點，了解用戶需求，采用現(xiàn)代信息技術(shù)手段，拓展新型服務(wù)模式，從而滿足用戶精細、精準和個性化需求，有助于信息服務(wù)價值的體現(xiàn)。這就為大規(guī)模收集用戶數(shù)據(jù)、開展以用戶為中心的信息服務(wù)研究提供了可能。用戶畫像可以勾畫出用戶信息全貌，挖掘信息資源與用戶的內(nèi)在關(guān)系，完成發(fā)現(xiàn)與提煉，深入揭示潛在信息服務(wù)模式和規(guī)律，最終在海量數(shù)據(jù)中轉(zhuǎn)化為精準信息資源數(shù)據(jù)，以滿足用戶的個性化信息需求。

1 用戶畫像的概念

Cooper最早提出用戶畫像的概念，指出用戶畫像是真實用戶的虛擬代表，是建立在一系列真實數(shù)據(jù)上的目標用戶模型[1]。Travis[2]更進一步提出用戶畫像的7個條件，即基本性、移情性、真實性、獨特性、目標性、數(shù)量、應(yīng)用性。

用戶畫像是用戶基本屬性、生活習慣和消費行為等因素信息，通過信息識別，完成貼“標簽”的核心工作。標簽通常是精練的特征標識（如年齡、性別、興趣等），將所有標簽集合起來，可以勾勒出該用戶的“畫像”[3]。

用戶畫像最先應(yīng)用于電子商務(wù)和門戶平臺，如阿里巴巴、京東、百度等科技公司已在多年前就開始著手用戶畫像的建構(gòu)，基于已有信息數(shù)據(jù)，分析用戶關(guān)注點、興趣點，推測用戶潛在需求，從而制定精準、優(yōu)化的營銷策略，對推送個性化服務(wù)產(chǎn)生了積極作用，引領(lǐng)與帶動潛在消費、拓展用戶，亦收到很好的經(jīng)濟效益。

查詢cNKI可知，截至2018年12月，共檢索到相關(guān)論文205篇，學(xué)科分布集中在計算機、工商管理、商業(yè)經(jīng)濟等領(lǐng)域。圖書檔案情報學(xué)科共計43篇，其中2014年李業(yè)根[4]在《圖書館學(xué)刊》發(fā)表的《基于大數(shù)據(jù)的圖書館信息營銷策略》，標志著用戶畫像的到來?？v覽圖書檔案情報學(xué)科用戶畫像相關(guān)論文，發(fā)現(xiàn)研究多集中于資源推薦、知識發(fā)現(xiàn)和數(shù)據(jù)模型與算法等內(nèi)容，而用戶畫像在圖書館服務(wù)應(yīng)用中所能達到的深度與廣度尚在探討與摸索階段。

2 圖書館用戶畫像的構(gòu)建

在大數(shù)據(jù)全面推廣的社會背景下，圖書館所擁有的信息數(shù)據(jù)顯現(xiàn)出多維度、多層次交叉重疊的特性，其中個體信息數(shù)據(jù)和行為信息數(shù)據(jù)尤為重要。用戶畫像是基于圖書館用戶信息數(shù)據(jù)分析平臺，運用統(tǒng)計分析與數(shù)據(jù)算法等技術(shù)集群，完成各類異構(gòu)系統(tǒng)的數(shù)據(jù)挖掘技術(shù)。通過對信息數(shù)據(jù)的挖掘、分析及顯現(xiàn)，精準勾畫出用戶需求畫像，從而提供精準化、定制化的信息服務(wù)。

用戶畫像是在海量數(shù)據(jù)基礎(chǔ)上產(chǎn)生的，通過確認數(shù)據(jù)來源、用戶數(shù)據(jù)的分析與處理、用戶畫像數(shù)據(jù)標簽和用戶畫像模型構(gòu)建等過程，對個體用戶和用戶群準確地標簽化，從而細致描繪出用戶特征。

2.1 獲取異構(gòu)系統(tǒng)中用戶數(shù)據(jù)，建立關(guān)聯(lián)關(guān)系

作為構(gòu)建用戶畫像的基本要素，圖書館需要大量的可用于數(shù)據(jù)處理的基礎(chǔ)數(shù)據(jù)，這些基礎(chǔ)數(shù)據(jù)可以最大限度地顯現(xiàn)個體用戶信息、行為信息；基礎(chǔ)數(shù)據(jù)的全面獲取，可以提高用戶畫像的精準度。

用戶畫像數(shù)據(jù)被保存在不同的異構(gòu)系統(tǒng)中，數(shù)據(jù)之間沒有融合甚至沒有關(guān)聯(lián)，且數(shù)據(jù)獲取時需要從不同系統(tǒng)中逐項單獨獲取，整個獲取過程的進度與系統(tǒng)集群的規(guī)模有直接關(guān)系。獲取的數(shù)據(jù)來源可分為基本數(shù)據(jù)和變化數(shù)據(jù)?；緮?shù)據(jù)相對穩(wěn)定，主要由用戶自身數(shù)據(jù)組成，包括用戶基本信息，如性別、年齡、職業(yè)、聯(lián)系方式和地址等，其更新點大多是聯(lián)系方式和地址。

變化數(shù)據(jù)是相對復(fù)雜的用戶行為痕跡信息，行為日志數(shù)據(jù)、興趣數(shù)據(jù)、交互數(shù)據(jù)等都是變化數(shù)據(jù)，其來自用戶在文獻利用時產(chǎn)生的使用數(shù)據(jù)、獲取知識庫的交互數(shù)據(jù)、移動端的訪問數(shù)據(jù)，甚至用戶的登錄次數(shù)、登錄設(shè)備、頁面瀏覽時長、頁面點擊位置信息和頁面復(fù)制粘貼內(nèi)容等[5]，這些數(shù)據(jù)會隨著用戶環(huán)境、焦點興趣、社會趨勢等不斷變化。

基本數(shù)據(jù)與變化數(shù)據(jù)分別從各種異構(gòu)系統(tǒng)中采集出來，借助統(tǒng)一認證和用戶管理手段，識別與獲取用戶行為數(shù)據(jù)[6]，把握和跟蹤用戶需求變化[7]。當某位用戶的借還記錄與上網(wǎng)行為記錄完成同一比對認證后，其自身的基本數(shù)據(jù)和變化數(shù)據(jù)就構(gòu)成了個體畫像數(shù)據(jù)；當大量與該用戶相似的個體共性數(shù)據(jù)被識別，這位用戶所屬的群體數(shù)據(jù)即形成，無形中群體關(guān)聯(lián)關(guān)系得以建立。關(guān)聯(lián)關(guān)系具有動態(tài)屬性，個體變化數(shù)據(jù)的不斷改變，決定并影響了個體數(shù)據(jù)在群體數(shù)據(jù)歸屬的持續(xù)重組與更新，此時這位用戶所在的群體會發(fā)生改變。關(guān)聯(lián)關(guān)系的建立是提高信息服務(wù)有效性和專指性的必要條件，是用戶畫像模型構(gòu)建的基礎(chǔ)。

2.2 全面準確地獲取多類型用戶數(shù)據(jù)，整合得到有效數(shù)據(jù)

用戶數(shù)據(jù)具有采集來源廣、數(shù)量大的特點，并且由結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)組成，其中半結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)超過大數(shù)據(jù)總量的85%[8]。結(jié)構(gòu)化數(shù)據(jù)主要是個體數(shù)據(jù)、借閱數(shù)據(jù)和日志數(shù)據(jù)，雖然依自身結(jié)構(gòu)利用的需要存儲于不同的系統(tǒng)模塊中，但存儲要求基本統(tǒng)一，存儲位置相對固定，數(shù)據(jù)較為規(guī)范、差錯率可控。相對而言，這類數(shù)據(jù)容易獲取和分析。

半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)大多是行為數(shù)據(jù)，產(chǎn)生于不同的系統(tǒng)模塊中，如書目檢索系統(tǒng)中的檢索數(shù)據(jù)、電子閱覽管理系統(tǒng)的登錄數(shù)據(jù)、網(wǎng)頁界面的瀏覽數(shù)據(jù)、數(shù)據(jù)庫操作數(shù)據(jù)等。由于數(shù)據(jù)產(chǎn)生的形式不同，標準與規(guī)范各不相同，存儲方式與數(shù)據(jù)格式具有一定的獨享性，獲取與分析相對復(fù)雜。以整合系統(tǒng)、統(tǒng)一管理數(shù)據(jù)為基點，使采集各類數(shù)據(jù)、完成數(shù)據(jù)清洗操作更加便捷和可操作[9]。

對用戶數(shù)據(jù)進行整合、清洗、認證、管理，從而得到用戶畫像的有效數(shù)據(jù)。無用數(shù)據(jù)是與用戶數(shù)據(jù)無關(guān)的數(shù)據(jù)，包括干擾數(shù)據(jù)和噪聲數(shù)據(jù)，如登錄數(shù)據(jù)中的進程中斷產(chǎn)生的錯誤數(shù)據(jù)、讀者數(shù)據(jù)中修改前的個人口令數(shù)據(jù)、檢索數(shù)據(jù)中輸入的誤操作數(shù)據(jù)等。剔除這些數(shù)據(jù)需要運用數(shù)據(jù)挖掘技術(shù)手段，從而達到清洗的目的，有利于數(shù)據(jù)的精準和有效，對之后開展信息服務(wù)的準確性提供有效數(shù)據(jù)的保證。

2.3 通過個體標簽描述，建立用戶標簽體系

用戶畫像的核心就是完成用戶標簽描述，即給用戶打標簽。用戶畫像標簽體系的建立，以人為干預(yù)為前提，梳理與排除數(shù)據(jù)挖掘過程中產(chǎn)生的數(shù)據(jù)偏差，概括與制定精練的標簽特征標識。標簽通常是年齡、性別、興趣等，將所有標簽綜合后，可以勾畫出該用戶的“畫像”[3]。

用戶數(shù)據(jù)標簽化的目的，是將處于模糊狀態(tài)下的用戶個體形象化、生動化，并通過打標簽的方式，將其個體特征信息有效揭示。具體實施過程是采集獲取用戶數(shù)據(jù)，包括用戶基本信息、用戶行為信息、互動上傳操作信息等數(shù)據(jù)，提煉關(guān)鍵信息點，利用主題詞表或者其他可作為標簽詞表的參照詞表，基本形成與用戶畫像需求相匹配的標簽詞表。標簽詞表的維度不宜過粗或過細，過粗起不到區(qū)分的作用，過細不具有典型性和代表性，維度的粗細可在打標簽中不斷完善。

每個用戶的個體標簽的數(shù)量取決于用戶個體產(chǎn)生的行為和生成數(shù)據(jù)的多少。用戶標簽的可識別性為信息服務(wù)的定制化和專屬化提供依據(jù)。其中，對用戶基礎(chǔ)特征的描述數(shù)據(jù)包括性別、年齡、職業(yè)數(shù)據(jù)等；對用戶在各類系統(tǒng)的操作行為描述，用來反映用戶潛在特征的數(shù)據(jù)包括借閱、點擊登錄、網(wǎng)頁瀏覽、資源下載等行為數(shù)據(jù)。依據(jù)相鄰歸類、聚類算法，形成聚合后的上位類標簽[10]，利用現(xiàn)有的標簽詞表以簡單直觀地打標簽方式將用戶畫像的特征逐一顯現(xiàn)出來，當標簽描述與分析維度契合后，進而匯合成為標簽群和標簽集群，最終建立用戶畫像數(shù)據(jù)標簽體系，為信息服務(wù)的用戶畫像模型構(gòu)建提供指引和幫助。

2.4 利用大數(shù)據(jù)及其算法，搭建用戶畫像模型

圍繞用戶自身及日常行為來構(gòu)建用戶畫像模型，提供個性化服務(wù)，以用戶的需求、習慣和興趣喜好為精準推送點。

構(gòu)建用戶畫像模型過程中，可以利用文本挖掘與分析、過濾與推薦算法、自然語言處理、聚類算法、關(guān)聯(lián)規(guī)則等大數(shù)據(jù)技術(shù)，進行用戶數(shù)據(jù)建模，結(jié)合機器訓(xùn)練學(xué)習來完成數(shù)據(jù)模型的不斷修正與精準，隨著用戶變化數(shù)據(jù)的更新，模型也會同步更新和優(yōu)化，從而得到精準有效的數(shù)據(jù)模型，為后續(xù)數(shù)據(jù)處理提供保障。

用戶畫像模型的構(gòu)建可分為三層，即數(shù)據(jù)來源層、數(shù)據(jù)分析整合層及數(shù)據(jù)挖掘?qū)印?/p>

數(shù)據(jù)來源層是用戶畫像的原始基礎(chǔ)數(shù)據(jù)層，其數(shù)據(jù)形式由原始數(shù)據(jù)服務(wù)的系統(tǒng)功能決定，按照一定的順序排列并存儲在相應(yīng)的系統(tǒng)中。

數(shù)據(jù)分析整合層是實現(xiàn)跨系統(tǒng)數(shù)據(jù)獲取、整合的數(shù)據(jù)層，其通過數(shù)據(jù)清洗等技術(shù)手段對原始數(shù)據(jù)進行前期處理，運用專業(yè)技術(shù)進行數(shù)據(jù)分析，建立用戶畫像的有效數(shù)據(jù)集群；同時，數(shù)據(jù)分析整合層還要兼顧用戶變化數(shù)據(jù)的時時更新，以確保數(shù)據(jù)分析過程中產(chǎn)生的新數(shù)據(jù)或者更新數(shù)據(jù)，可以及時劃入數(shù)據(jù)分析范圍。

數(shù)據(jù)挖掘?qū)邮怯脩舢嬒駱?gòu)建過程中的關(guān)鍵層，它是在利用數(shù)據(jù)分析整合層的前期處理結(jié)果，結(jié)合用戶畫像標簽體系，完成對用戶的比對與識別，采用數(shù)據(jù)挖掘等技術(shù)對用戶進行聚類分析，建立數(shù)據(jù)模型，從而實現(xiàn)用戶畫像的直觀展現(xiàn)。數(shù)據(jù)挖掘?qū)有枰獜亩嘟嵌榷嗑S度組合進行數(shù)據(jù)挖掘，包括行為規(guī)律的挖掘、知識庫的挖掘、空間利用的挖掘、利用周期的挖掘和需求采集的挖掘等多種組合方式。

最后，通過用戶畫像的模型預(yù)測，可以對用戶未來行為進行預(yù)測判斷，使用戶特征得以具體化、形象化，從而完成精準推送服務(wù)，為用戶提供全方位、個性化的特定服務(wù)，增強與用戶的互動交流，最終提高信息資源的有效利用率。

3 用戶畫像在信息服務(wù)中的作用

用戶畫像已經(jīng)進入公眾生活的方方面面，包括電子商務(wù)、aPP、微信、微博等營銷手段和新媒體在內(nèi)的各個領(lǐng)域，對圖書館用戶畫像的構(gòu)建起到“試金石”的作用。用戶畫像的應(yīng)用將是圖書館精準服務(wù)的基本條件，甚至可以看作前提條件，為有效的信息服務(wù)提供價值幫助?；趫D書館對于知識用戶構(gòu)建的深入研究，使圖書館領(lǐng)域的用戶畫像應(yīng)用成為趨勢。

目前，國內(nèi)的專業(yè)圖書館和高校圖書館已經(jīng)在深入研究與構(gòu)建用戶畫像，公共圖書館也開始了用戶畫像的構(gòu)建工作，特別是經(jīng)歷2017年第6次縣級以上公共圖書館評估定級工作后，服務(wù)數(shù)據(jù)的公眾顯現(xiàn)度被強行列入公共圖書館的服務(wù)范疇，但將大數(shù)據(jù)體系混同為大數(shù)據(jù)發(fā)布系統(tǒng)是知識體系中狹義且片面的認知錯誤。用戶畫像作為大數(shù)據(jù)體系的重要組成部分，將引領(lǐng)圖書館服務(wù)的創(chuàng)新與變革。

3.1 提升信息資源利用效果

深入研究用戶畫像，挖掘與獲取用戶的關(guān)注點、興趣點與潛在需求?；谟脩粜枨笤O(shè)計構(gòu)建系統(tǒng)，精準顯現(xiàn)用戶需求，通過對個體信息、行為痕跡及關(guān)注點的獲取，了解用戶的資源利用行為，精準推送用戶需求資源，收集用戶畫像對信息資源利用的效果，評估階段時間內(nèi)資源推送和信息服務(wù)精準率的實際利用效果，進而促進知識服務(wù)、智能服務(wù)[11]。

圖書館信息服務(wù)資源中，信息資源繁多各異，用戶選擇難度大、查全率和查準率不高，是用戶利用效果有限的主要障礙。用戶畫像的數(shù)據(jù)挖掘是完善個性化信息推送與檢索的重要手段，通過深度挖掘用戶的個體畫像信息與關(guān)聯(lián)信息，結(jié)合周期感知的變化與更新，利用數(shù)據(jù)關(guān)聯(lián)原則和聚類算法等方式，構(gòu)建特征用戶畫像群體，完成個體個性化信息推送，提升信息服務(wù)質(zhì)量與有效性，實現(xiàn)對用戶的精準服務(wù)。

用戶畫像使得用戶個體信息清晰化，其興趣與行為數(shù)據(jù)也趨于扁平化，信息資源的精準推送成功率不斷提高，信息資源的實際利用效果顯而易見。以用戶為主體的信息服務(wù)，與圖書館信息服務(wù)發(fā)展方向相吻合，通過對用戶畫像的不斷“繪制”與更新，建立個體用戶標簽庫和標簽庫集群，分析用戶個體與用戶群體的需求動向與趨勢，規(guī)劃圖書館的未來發(fā)展方向和建設(shè)思路，完善資源建設(shè)體系、調(diào)整空間布局和功能等，從而為科學(xué)決策提供依據(jù)與參考。

3.2 促進信息服務(wù)方式創(chuàng)新

現(xiàn)有的信息服務(wù)分為被動推送和主動推送，被動推送一般是根據(jù)用戶的文獻借閱與檢索記錄，提供主題詞相關(guān)性的信息資源推送，準確性有限、局限性大，還會由于關(guān)鍵信息不足導(dǎo)致信息服務(wù)推送的偏差。主動推送多是依據(jù)借閱記錄和預(yù)約記錄，結(jié)合主題關(guān)鍵詞提供的初級推送服務(wù)。

用戶畫像構(gòu)建完成后，用戶個體畫像已經(jīng)形成，用戶個體行為的預(yù)測會以用戶屬性數(shù)據(jù)與行為數(shù)據(jù)為依據(jù)，結(jié)合用戶自身的多種“變化”，得到用戶個體行為預(yù)測的結(jié)論。信息資源的服務(wù)依據(jù)預(yù)測結(jié)論，可達到用戶信息服務(wù)完全的定制化和個性化，提高信息服務(wù)的效能。

用戶通過標簽完成聚類與聯(lián)合，也通過標簽查找和確定用戶。當信息資源需要完成定向推送時，標簽作為決定性要素，從用戶群中精準選擇有效用戶。例如，攝影類資源的推送，可推送的用戶一般具有的標簽包括攝影攝像、戶外運動、旅行、發(fā)燒友等，由于標簽之間存在聯(lián)合關(guān)系，推送范圍可擴大至地理學(xué)、生物學(xué)、野外生存等標簽。較之大面積推送，有針對性的推送可以獲得更好的效果，也可以節(jié)省人財物力。同理，如果開展主題為戶外運動類的讀者活動時，通過標簽查找，可以精準定位到擁有運動達人、野外探險、旅行家、登山愛好者等標簽的用戶，結(jié)合相關(guān)宣傳完成主題類信息資源的梳理，將包含主題信息資源和本次活動內(nèi)容一并推送給這部分群體，活動的關(guān)注程度將達到最大化，亦完成了主題信息資源的推送服務(wù)。

4 推進圖書館用戶畫像應(yīng)用的思考

國內(nèi)用戶畫像的研究與應(yīng)用正在悄然興起。借鑒用戶畫像在電子商務(wù)和門戶平臺成功的應(yīng)用經(jīng)驗，結(jié)合圖書館用戶畫像的研究現(xiàn)狀，提出以下思考。

4.1 做好用戶數(shù)據(jù)的隱私保護工作

用戶畫像的研究與應(yīng)用正在興起，特別是在大數(shù)據(jù)時代，雖然社會背景與技術(shù)手段等為用戶畫像原始數(shù)據(jù)的獲取提供了基礎(chǔ)，但尚未進入成熟階段，用戶個體信息的隱私憂慮尤為突出。用戶畫像數(shù)據(jù)中，涵蓋有用戶大量的私人數(shù)據(jù)，個性化推送服務(wù)越精準，則表示其個體數(shù)據(jù)越全面、數(shù)據(jù)類型越豐富，這對隱私安全帶來挑戰(zhàn)。Henczel[12]提出可以從只收集必要信息、盡量利用現(xiàn)有信息和確保受訪用戶充分了解收集信息的原因和用途的3個方面，來解決涉及用戶隱私的問題。

圖書館應(yīng)建立健全信息安全和隱私保護規(guī)范，作為安全管理機制的組成部分；加大相應(yīng)的防火墻模塊功能建設(shè)，從技術(shù)手段力求杜絕信息威脅；提高技術(shù)人員的業(yè)務(wù)素質(zhì)與防隱私泄露意識，在數(shù)據(jù)調(diào)取與使用上實行分級管理，嚴格操作流程和手續(xù)，確保用戶信息安全。

4.2 更新優(yōu)化用戶標簽庫以提升用戶體驗

將用戶信息運用立體化交叉分析的描述方法逐項打標簽，一個標簽代表一個維度。以標簽和標簽群的描述為基礎(chǔ)，針對個體用戶的標簽各異且側(cè)重不同，用戶標簽庫需對集中特征與重要屬性的標簽予以加權(quán)操作和更新加權(quán)，不斷優(yōu)化標簽結(jié)構(gòu)。一方面，用戶畫像處于動態(tài)變化中，其個體標簽作為動態(tài)變量產(chǎn)生新生標簽，為保證精準推送信息資源，就必須完成動態(tài)標簽的實時更新，將動態(tài)變化同步至動態(tài)標簽庫；另一方面，減少冗余標簽可以幫助建立用戶畫像與用戶數(shù)據(jù)的映射關(guān)系，篩選有效信息。改進用戶畫像的標簽庫是提高用戶畫像準確度的有效方式。

基于個體動態(tài)標簽的更新，發(fā)現(xiàn)與關(guān)注個體用戶的動態(tài)變化，及時掌握由于個體動態(tài)變化引發(fā)的群體動態(tài)變化，關(guān)注用戶群體的特征，及時了解和預(yù)測個體用戶及用戶群的需求，可以提高信息資源的利用率，完成信息資源精準推送，提升用戶體驗。

5 結(jié)語

大數(shù)據(jù)時代下，用戶畫像不斷應(yīng)用于各領(lǐng)域各行業(yè)，但其側(cè)重點和用途不同。同樣，當用戶畫像被大眾普遍接受時，圖書館也在積極探索用戶畫像的應(yīng)用潛能，特別是在圖書館信息服務(wù)要求日益精準化、個性化的當下，用戶畫像的發(fā)展前景已經(jīng)被業(yè)界廣泛認同。圖書館還需進一步研究如何有效利用大數(shù)據(jù)分析手段，充分運用數(shù)據(jù)挖掘技術(shù)和分析處理方法，精準分析和預(yù)測用戶行為趨勢，從而完成知識數(shù)據(jù)轉(zhuǎn)化為有效信息，為信息資源精準推送提供支撐。