楊小琛 王鑌祺 傅 佳

1.湘潭大學公共管理學院； 2.湖南財政經濟學院厚生國際教育學院

動態(tài)用戶畫像作為個性化服務的設計工具，為短視頻平臺微知識服務的開展提供了思路?，F從多維度對短視頻平臺微知識學習者構建用戶動態(tài)畫像，并提出短視頻平臺基于動態(tài)用戶畫像的微知識服務模式，以期提高微知識服務的用戶滿意度。

中國互聯(lián)網絡信息中心發(fā)布的第50次《中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告》顯示，截至2022年6月，我國短視頻用戶規(guī)模達9.62億，較2021年12月增長2805萬，占網民整體的91.5%。短視頻和直播的形象表達和高效傳播，激發(fā)了越來越多的人在短視頻平臺“搞學習”的熱情?！?021抖音泛知識內容數據報告》顯示，過去一年抖音上的泛知識內容增長迅猛，播放量同比增長達74%，成為最受用戶歡迎的內容之一?？梢姡桃曨l平臺已經成為知識傳播的重要途徑。如何讓用戶在短視頻平臺上快速檢索、瀏覽到對其有價值的知識，如何為用戶提供個性化、多樣化的微知識服務，是微知識服務領域提高用戶滿意度的關鍵。本研究通過收集用戶的基本特征和行為特征等數據，構建動態(tài)用戶畫像，以便短視頻平臺更好地獲取用戶潛在需求，從而預見性地為用戶提供高質量的微知識服務。

相關背景知識介紹

動態(tài)用戶畫像

用戶畫像（Persona）實際上是一種標簽化用戶模型，是從用戶的社會屬性、生活習慣和消費行為等信息中抽象出來的。靜態(tài)用戶畫像數據主要是指人口統(tǒng)計學的有關數據，比如用戶的性別、年齡、學歷、職業(yè)、興趣愛好等，這些數據我們可以在用戶注冊的時候獲取。但這樣獲取的用戶畫像往往是不精準的和片面的?；谶@種不精準的用戶畫像的推薦算法會出現歧視的現象，比如某個用戶的人口學特征為女性，年齡在55—65歲之間，興趣是廚藝、收納等，那么可能會認定該用戶的畫像標簽為“退休女性”，對于這類標簽的用戶，平臺可能會把推薦內容限定在娛樂、旅游、攝影等領域，這其實就是一種偏見和隱性歧視。用戶注冊時的興趣勾選很多時候是不全面的或只能反映用戶當時的想法，基于這種不精準的用戶畫像的推薦很有可能會忽略用戶的高階內容需求。

所以本研究提出了短視頻平臺微知識推薦服務的動態(tài)用戶畫像構建，即從多維度對用戶構建精準畫像。動態(tài)用戶畫像的構建需要通過用戶表層特征的共性去尋求深層的差異性，也需要通過用戶表層的差異性去尋求深層的普遍性，甚至還需要一定的預見性，以及把基于情境的設計方法加入動態(tài)用戶畫像的構建中。

微知識服務

有研究認為微知識是互聯(lián)網上所有的數據元和信息元按照一定的規(guī)則和一定的形式關聯(lián)、組織起來而形成的具有一定意義的信息結構，可以簡單理解為碎片化、精練化的學習信息。相較于傳統(tǒng)的知識來說，微知識具有趣味性高、簡單易懂、方便學習等特點。短視頻是微知識的良好載體，短視頻平臺上用戶的需求層次不一，并且具有很大的不確定性?；谖⒅R碎片化的特征，用戶的學習也不具有系統(tǒng)性，所以用戶的需求可能較為零散。由于知識形式的變化，微知識服務應運而生，并不斷發(fā)展。微知識服務是信息服務機構在微信息環(huán)境中根據用戶在工作、學習和生活中的知識需求，有針對性地生產、組織知識，并將其提供給用戶，幫助用戶實現知識更新和解決實際問題。通過對用戶畫像的高效分析來了解用戶的真實需求，可以為個性化和專業(yè)化的微知識服務奠定基礎。

動態(tài)用戶畫像的構建

短視頻平臺微知識學習動態(tài)用戶畫像構建流程

短視頻平臺微知識學習用戶的動態(tài)用戶畫像構建由數據收集、數據處理、數據挖掘、數據融合、分析建模5個步驟組成（如圖1所示）。數據收集包括對用戶的基本數據、社交數據和行為數據的收集，這些數據一般可以從數據庫后臺直接獲取。數據處理需要對構建用戶畫像的不同載體和形態(tài)的相關數據進行整理、濾重、轉換，形成統(tǒng)一的規(guī)范化的有效數據。數據挖掘主要是對用戶基本數據進行特征分析和提取，建立社交關系圖譜，對行為數據進行內在關聯(lián)挖掘。數據融合是指通過對用戶當前學習情境和經過數據挖掘之后的數據關聯(lián)體進行融合，生成基于不同用戶和不同層次需求的數據鏈，方便從多重視角分析用戶的微知識需求。最后，對處理過的數據進行分析，生成用戶畫像模型，存入用戶畫像庫中。

圖1 短視頻平臺微知識學習動態(tài)用戶畫像構建流程（作者自繪）

短視頻平臺微知識學習動態(tài)用戶畫像維度刻畫

本研究從五個維度來構建動態(tài)用戶畫像，這五個維度分別是用戶基本信息維度、行為習慣信息維度、社交關系信息維度、用戶心理特征維度和情境特征信息維度。

1.用戶基本信息維度

用于構建動態(tài)用戶畫像的用戶基本信息應該包含與用戶相關的人口統(tǒng)計學信息。人口統(tǒng)計學特征主要指用戶的性別、年齡、學歷、專業(yè)、職業(yè)、是否結婚、是否生育以及用戶的興趣和關注的領域等個體靜態(tài)的特征信息。對于這類信息我們可以在用戶首次注冊時以問卷的形式獲得。

2.行為習慣信息維度

用戶的行為特征是構建動態(tài)用戶畫像的關鍵數據信息。不同習慣的學習者有不同的學習行為，學習行為不同的用戶對微知識內容的偏好也會存在差異。通過對用戶行為的分析可以了解用戶對內容的偏好，內容偏好信息包括顯式和隱式興趣，顯式興趣主要通過用戶注冊時的興趣勾選獲得，隱式興趣主要通過用戶的內容搜索、短視頻的完讀率、微知識內容的收藏或是對知識分享者的關注獲得。用戶的內容偏好還可以分為用戶近期的內容偏好和用戶持續(xù)的內容偏好。用戶的內容搜索，可以反映用戶近期的內容偏好；短視頻的完讀率可以用來確定用戶感興趣的微知識主題和領域；對短視頻的收藏以及對分享者的關注信息，可以進一步分析用戶持續(xù)的內容偏好。用戶的行為還包括社交互動，即用戶參與學習討論的互動行為，如將自己感興趣的微知識內容分享到個人空間或社交網站，與其他用戶進行評論交流等。另外，用戶的登錄時間、登錄次數、登錄時長等內容，在一定程度上也可以反映用戶的學習行為習慣。

3.社交關系信息維度

社交關系信息具體指用戶的所在地和社交環(huán)境，用戶在短視頻平臺學習的過程中所收藏的微知識內容，關注的微知識分享者以及用戶在短視頻平臺上參與交流、討論的有關信息。對這些信息進行分析，可以進一步挖掘用戶潛在的興趣和需求。社交關系靜態(tài)數據可以通過IP地址、通訊錄和第三方平臺獲得，比如微信、QQ。動態(tài)數據信息存儲在短視頻平臺的后臺數據庫中，可以從用戶日志和生成內容中獲取。

4.用戶心理特征維度

用戶的心理特征包括用戶的認知心理和價值心理。用戶的認知心理包括用戶的背景知識認知、信息需求認知和交互情境認知。用戶的價值心理則包括用戶的個人價值和社會價值。在前期的研究中發(fā)現，績效期望能正向顯著地影響用戶的學習意愿，用戶感知到學習有成效，知識有收獲，技能有提高，感知到他人對自己的關注和影響，這些心理特征都會影響用戶畫像的構建。

5.情境特征信息維度

不同情境下，用戶的需求和行為可能會發(fā)生變化，在動態(tài)用戶畫像構建的過程中加入情境信息是非常有必要的，比如對比用戶在悠閑的情境下和在緊張的情境下，在早上和晚上，與朋友在一起和與老師在一起，所學習的微知識內容肯定是不一樣的。

短視頻平臺微知識學習用戶動態(tài)畫像標簽及數據來源表

短視頻平臺基于動態(tài)用戶畫像的微知識服務模式構建

短視頻平臺微知識服務的組成要素

微知識服務作為知識服務的延伸，服務的內涵并沒有改變。知識服務的組成要素主要包括服務者、用戶、服務內容、服務系統(tǒng)、服務策略五個部分。本研究認為基于短視頻平臺的微知識服務組成要素主要包括微知識服務主體，就是在整個微知識服務過程中，實施服務和管理的機構，也就是數字內容的服務商和各種短視頻平臺；微知識服務用戶，就是短視頻平臺上微知識服務的對象，基于服務對象構建的用戶畫像是微知識服務的重要依據；微知識服務內容，就是短視頻平臺上的各種微知識，微知識內容多種多樣，有語言學習類、技能學習類、生活健康類、科普類、職場提升類等，需要針對不同服務對象的需求提供精準的推薦；微知識服務的媒介，主要指用戶使用短視頻平臺的各種設備，如手機、電腦、平板電腦等；微知識服務策略，服務策略的好壞直接影響服務對象對微知識服務效果的滿意度。微知識服務的重點需要放在對用戶畫像的構建以及基于用戶畫像的個性化和多樣化服務上來。

短視頻平臺基于動態(tài)用戶畫像的微知識服務流程

如圖2所示，在對用戶的相關數據進行收集、處理、挖掘、融合后，生成精準的用戶畫像，存放在用戶畫像庫中，并不間斷地對用戶畫像進行更新反饋，短視頻平臺將用戶動態(tài)畫像與微知識庫進行交互，因為微知識內容上傳后都會打上相應的標簽，微知識服務主體根據用戶標簽以及相關性、環(huán)境、熱點、協(xié)同等模型，了解用戶的狀態(tài)變化，將用戶畫像標簽與微知識內容標簽進行匹配，了解用戶需求，同時還需要根據動態(tài)用戶畫像分析預測用戶的潛在需求和高階需求，再根據不同的智能推薦算法，精準地提供微知識服務。

圖2 短視頻平臺基于動態(tài)用戶畫像的微知識服務流程（作者自繪）

短視頻平臺的智能推薦算法基于冷啟動，主要通過基于個人信息的協(xié)同過濾算法以及基于用戶社交圖譜的精準推薦算法向用戶推薦內容。短視頻平臺的智能推薦算法基于閱讀過程，主要采用基于內容流量池的疊加推薦。該種算法以閱讀反饋為綜合權重進行評估，深入分析用戶畫像，通過更多的內容加權獲得更多推薦，當用戶反饋達到一定程度時進行疊加算法，加權后的內容會進入更大的流量池，再推薦給合適的目標人群。不論是基于個人信息的協(xié)同過濾算法，基于用戶社交圖譜的精準推薦算法還是基于內容流量池的疊加算法，用戶畫像都在其中起著重要的作用。在用戶使用短視頻平臺的不同階段，將這些算法結合起來使用可以避免使用單一算法帶來的局限性，能夠針對不同的場景定制不同的推薦內容，提高推薦的準確性。

終身學習已經成為人們的一種普遍需求，“短視頻+知識”這種模式正好為終身學習提供了便利。微知識以簡、短為主要特點，讓人們在快節(jié)奏的生活中只需要利用碎片化的時間就可以完成學習，滿足了用戶的精神需求。微知識的出現帶來了微知識服務的發(fā)展。相較于傳統(tǒng)的知識服務，基于動態(tài)用戶畫像的微知識服務更注重及時性和動態(tài)變化性。通過對用戶基本特征、行為習慣、社交關系、心理特征、情境特征5個維度數據的收集，可以構建精準的用戶畫像。本研究構建了短視頻平臺基于動態(tài)用戶畫像的微知識服務模式，但該模式還需在以后的研究中進一步優(yōu)化，比如在服務中完善對微知識內容的評估。短視頻平臺上對微知識內容的好壞評價一般是基于點贊、收藏、完播率這些顯性的數據，但事實上這些顯性數據并不能準確反映微知識內容的優(yōu)劣，一些傳播效果好但內容不良的微知識可能也會得到更多推薦，因此可以通過加入人工審核程序來彌補某些情況下算法的不足，同時還可以引入隱私保障機制，以減低用戶個人隱私泄露的風險。另外，在微知識服務過程中還可以采取一些策略來破除“信息繭房”，如增加一些用戶需求外的其他內容比例來開闊用戶視野，以期能為微知識學習者提供更加優(yōu)質和全面的服務。