基于大數(shù)據(jù)平臺的用戶畫像與用戶行為分析

謝康 吳記 肖靜華

中共十九大報告指出，創(chuàng)新是引領發(fā)展的第一動力，是建設現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐。同時指出，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合，在中高端消費、創(chuàng)新引領、綠色低碳、共享經(jīng)濟、現(xiàn)代供應鏈、人力資本服務等領域培育新增長點、形成新動能。當今，互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息技術與實體經(jīng)濟深度融合，構成中國實施創(chuàng)新驅動發(fā)展戰(zhàn)略的重要組成部分，是當前中國“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的主戰(zhàn)場。近年來，中國政府先后出臺中國制造2025、“互聯(lián)網(wǎng)+”行動計劃等多項促進新一代信息技術與實體經(jīng)濟深度融合形成創(chuàng)新驅動的政策措施，從而對中國企業(yè)創(chuàng)新模式的創(chuàng)新提出了新要求。在眾多的企業(yè)創(chuàng)新模式中，基于大數(shù)據(jù)平臺的企業(yè)與用戶互動創(chuàng)新逐漸成為企業(yè)產(chǎn)品創(chuàng)新的主流創(chuàng)新方向之一。

在互聯(lián)網(wǎng)非大數(shù)據(jù)環(huán)境下，企業(yè)產(chǎn)品創(chuàng)新主要通過與領先用戶交流合作、市場調研、問卷調查、街訪、數(shù)據(jù)庫數(shù)據(jù)采集等手段獲取用戶需求。其中，探討領先用戶特征，激勵領先用戶參與產(chǎn)品創(chuàng)新成為非大數(shù)據(jù)環(huán)境下企業(yè)與用戶互動創(chuàng)新的重要手段①，由此構建用戶需求分析模型來剖析需求點和變化方向。在互聯(lián)網(wǎng)大數(shù)據(jù)情境下，電商平臺、社交平臺形成的大數(shù)據(jù)為企業(yè)分析用戶需求提供了新資源，這種新資源改變了傳統(tǒng)用戶需求分析模式，形成了基于大數(shù)據(jù)平臺的用戶畫像和用戶行為分析。

基于大數(shù)據(jù)的用戶畫像與用戶行為分析，離不開對用戶知識抽取方法的探討和應用。目前，自然語言處理、語義web、機器學習、知識工程、知識發(fā)現(xiàn)、文本挖掘等方法，構成基于大數(shù)據(jù)平臺的用戶畫像與用戶行為分析的基本技術方法。本文不對上述方法做深入分析，而是對互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境對企業(yè)與用戶關系的影響、基于大數(shù)據(jù)平臺的用戶畫像分析和用戶行為分析進行具體探討，為構建大數(shù)據(jù)驅動的企業(yè)與用戶互動創(chuàng)新方法研究提供初步的理論基礎。

一、大數(shù)據(jù)對企業(yè)與用戶關系的影響

在互聯(lián)網(wǎng)環(huán)境下，用戶對企業(yè)管理的參與度不斷加深，社會媒體形成的大數(shù)據(jù)改變了以往的商業(yè)模式和運作模式②③，通過大數(shù)據(jù)了解和分析用戶需求變化，與用戶高頻互動成為開放式創(chuàng)新的主要方向之一。這種趨勢的增強源于互聯(lián)網(wǎng)、大數(shù)據(jù)極大改變了企業(yè)與用戶的關系。首先，互聯(lián)網(wǎng)環(huán)境為企業(yè)提供了將用戶更高效地納入創(chuàng)新過程的條件，企業(yè)通過建立開放式創(chuàng)新的模式為用戶創(chuàng)造價值；其次，互聯(lián)網(wǎng)大數(shù)據(jù)通過用戶廣泛的信息增權提高了用戶的議價能力，促使用戶對企業(yè)產(chǎn)品研發(fā)等形成重要影響；最后，互聯(lián)網(wǎng)不僅使用戶與企業(yè)實時互動成為可能，同時促進各類虛擬社群的興起，使企業(yè)與用戶的互動方式發(fā)生本質變化。

互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境下，企業(yè)與用戶價值創(chuàng)造關系的改變主要體現(xiàn)在企業(yè)角色變化、用戶角色變化和價值創(chuàng)造方式變化三個方面，即企業(yè)成為為用戶解決問題的服務提供者，用戶成為與企業(yè)共創(chuàng)價值的價值合作者④，如部分憑借知識貢獻或特殊魅力發(fā)揮創(chuàng)新影響力的意見領袖或領先用戶，與企業(yè)共同研發(fā)創(chuàng)新。同時，互聯(lián)網(wǎng)環(huán)境下價值創(chuàng)造是互動形成的，價值由受益者決定。企業(yè)與用戶價值創(chuàng)造關系和方式的改變，促使傳統(tǒng)研發(fā)模式轉型為大數(shù)據(jù)驅動的企業(yè)與用戶互動創(chuàng)新模式。一方面，企業(yè)利用互聯(lián)網(wǎng)技術形成新的創(chuàng)新模式，如基于社交網(wǎng)絡的創(chuàng)新外包等，另一方面，企業(yè)利用互聯(lián)網(wǎng)大數(shù)據(jù)增強研發(fā)能力，如提高用戶參與頻率和參與質量、精準鎖定領先用戶等，形成與用戶互動創(chuàng)新的動態(tài)能力。

概括地說，互聯(lián)網(wǎng)大數(shù)據(jù)對企業(yè)與用戶關系的影響，體現(xiàn)在改變企業(yè)與用戶的連接和交互關系，使企業(yè)與用戶的價值交換結構和權重發(fā)生變革，宏觀上促進了信息化與工業(yè)化的深度融合⑤，微觀上將企業(yè)與用戶互動創(chuàng)新從非大數(shù)據(jù)驅動轉變?yōu)榇髷?shù)據(jù)驅動。在大數(shù)據(jù)驅動情境下，企業(yè)對用戶及行為特征的刻畫，主要依賴于基于大數(shù)據(jù)平臺的用戶畫像和用戶行為分析。

二、基于大數(shù)據(jù)平臺的用戶畫像分析

就廣義而言，用戶可以指購買消費品的消費者，也可以指購買工業(yè)品的供應鏈企業(yè)。本文討論的用戶聚焦于消費者。但是，與非大數(shù)據(jù)情境下的消費者用戶主要指購買或使用企業(yè)自身產(chǎn)品的用戶含義不同，大數(shù)據(jù)情境下的企業(yè)“用戶”具有全體特征，不僅包括企業(yè)自身的消費者，也包括購買或使用競爭產(chǎn)品的消費者，及市場上所有潛在消費者，甚至包括跨行業(yè)的所有潛在消費者。因此，基于大數(shù)據(jù)平臺的用戶概念，外延擴展到全體用戶。從價值共創(chuàng)視角來看，基于大數(shù)據(jù)平臺的用戶是由其價值提供和價值共創(chuàng)的結果來決定的，而不是由是否購買企業(yè)產(chǎn)品或是否參與企業(yè)某項活動來劃分的。

用戶畫像就是將用戶信息標簽化，通過收集和分析用戶的基本特征、社會屬性、生活習慣、消費習慣等數(shù)據(jù)，抽象出一個虛擬用戶的特征全貌，從而幫助企業(yè)全方位、多層次地了解用戶行為特征，把握用戶行為方向⑥。目前，建立用戶畫像成為大數(shù)據(jù)驅動的用戶行為分析的流行方式之一，通過對用戶標簽化，構建數(shù)據(jù)模型來探討“全樣本”用戶的行為特征，正成為互聯(lián)網(wǎng)環(huán)境下企業(yè)產(chǎn)品研發(fā)創(chuàng)新與營銷創(chuàng)新的趨勢。從技術管理角度來看，基于大數(shù)據(jù)平臺的用戶畫像構造分為三步，第一步是搭建用戶畫像技術架構，如數(shù)據(jù)整理、平臺和應用等；第二步是用戶畫像數(shù)據(jù)分類；第三步用戶畫像構建，包括精準識別用戶、動態(tài)跟蹤用戶行為軌跡、結合靜態(tài)數(shù)據(jù)評估用戶價值、確定用戶標簽與權重、不同群體優(yōu)先級排列等⑦。

綜合上述討論及我們對企業(yè)大數(shù)據(jù)用戶畫像構建的實地調研，可以認為，基于大數(shù)據(jù)的用戶畫像有兩個基本要點，一是通過將市場中的用戶特征按不同層面、不同維度賦予不同的標簽體系，再通過需求將不同標簽組合形成的情境化用戶特征，構成用戶畫像分析的基本邏輯。因此，基于大數(shù)據(jù)的用戶畫像分析，就是按用戶標簽化降維、按需求進行標簽重組、按特征篩選標簽、投放市場驗證、根據(jù)反饋大數(shù)據(jù)修正標簽，及迭代完善知識庫的步驟來完成的（參見圖1）；二是基于大數(shù)據(jù)的用戶畫像是一個用戶畫像集，從不同維度可以構建用戶基本屬性畫像、用戶行為特征畫像、用戶產(chǎn)品特征畫像、用戶互動特征畫像等，如從用戶對產(chǎn)品的系列偏好、功能偏好、外觀偏好、體驗偏好，及工藝偏好等維度構建用戶產(chǎn)品特征維度模型，形成對用戶產(chǎn)品特征畫像的刻畫。例如，Kim & Park（2017）結合文本挖掘和案例推理技術的算法，對蘋果App Store評論數(shù)據(jù)進行分析，實現(xiàn)產(chǎn)品創(chuàng)新機會和對標產(chǎn)品的識別功能。

由用戶畫像生成邏輯可以看出，基于大數(shù)據(jù)平臺的用戶畫像有三個主要特征：

一是用戶畫像是一個虛擬化的用戶全集的概念，是真實用戶某個層面、某個維度特征的數(shù)據(jù)化重組后的虛擬體現(xiàn)，因此，用戶畫像刻畫的用戶特征，不再是單個用戶的個體特征，也不是全體用戶的平均化特征，而且根據(jù)企業(yè)需求形成的特定用戶群體特征，我們稱為情境化用戶特征。因此，可以基于用戶畫像構建千人千面的用戶；

二是用戶畫像反映了情境化用戶的大概率行為，不代表情境化用戶的全局性必然行為?；诖髷?shù)據(jù)平臺的用戶畫像通過對用戶屬性或維度的標簽化和結構化，形成對用戶行為的分層分類分析，而不是用戶數(shù)量之間的統(tǒng)計分析，代表了情境化用戶的一種全局性大概率行為特征。誠然，通過對用戶畫像集的持續(xù)迭代，知識庫的持續(xù)迭代等工作，可以提高對情境化用戶行為概率的判斷水平。因此，可以基于用戶畫像進行用戶行為分析；

三是用戶畫像是一個具有向量特征的結構化和半結構化數(shù)據(jù)集，可以構建出反映某種興趣、情緒等心理特征的情境化用戶。借助深度學習等人工智能方法，能夠刻畫出具有智能特征的自我演化新用戶，即現(xiàn)階段真實市場中可能不存在的情境化用戶。企業(yè)對此類虛擬用戶特征的分析，可以從中尋找到創(chuàng)新產(chǎn)品市場培育的領先方向。因此，可以基于用戶畫像進行市場培育方向的先導分析。

三、基于大數(shù)據(jù)平臺的用戶行為分析

在用戶畫像構建和分析基礎上，根據(jù)企業(yè)需求可以對基于大數(shù)據(jù)平臺的用戶行為進行分析。從技術角度看，基于大數(shù)據(jù)平臺的用戶行為，指通過頁面之間的路徑關系分析、頻道關聯(lián)分析、最終轉化率分析、熱點分析，及訪問興趣分析等途徑，識別用戶行為的群體特征，從中挖掘群體用戶在某個節(jié)點的異常行為，觸發(fā)產(chǎn)品研發(fā)或優(yōu)化需求（胡宇辰和郭宇，2013）。從管理角度看，基于大數(shù)據(jù)平臺的用戶行為，指基于大數(shù)據(jù)用戶畫像的行為特征，如參與動機、參與行為和參與結果等，或用戶交互特征、用戶產(chǎn)品使用率和使用時間等。在大數(shù)據(jù)用戶行為知識抽取中，用戶情感傾向性抽取對于用戶行為分析尤為關鍵。例如，Lin et al.（2017）收集eWOM評論數(shù)據(jù)并通過基于計算機的情感分析方法，對評論詞進行情感分類并跟蹤詞頻動態(tài)特性來挖掘顧客需求的演變⑧。

基于大數(shù)據(jù)平臺的用戶行為分析，首先需要構建用戶畫像模型。在用戶畫像模型基礎上，對用戶行為按不同層面、不同維度進行標簽刻畫，即用戶行為的標簽化降維；其次，根據(jù)企業(yè)需求，通過針對領先用戶的知識抽取方法識別出領先用戶，企業(yè)利用大數(shù)據(jù)對領先用戶進行精準識別，其后對產(chǎn)品研發(fā)類型與領先用戶類型進行高效匹配，再借助大數(shù)據(jù)對領先用戶的創(chuàng)新或創(chuàng)意進行知識產(chǎn)權或發(fā)明權征信查詢，明確創(chuàng)新產(chǎn)權。同時，企業(yè)通過針對普通用戶的知識抽取方法刻畫普通用戶，并不斷優(yōu)化制度設計激勵普通用戶持續(xù)形成大數(shù)據(jù)，以利于企業(yè)提取更全面的市場消費方向和潮流；再次，基于大數(shù)據(jù)平臺分別構建領先用戶行為模型和普通用戶行為模型，根據(jù)需求將用戶行為標簽重組，分別提煉出領先用戶和普通用戶的情境化行為特征，再分別在真實用戶群中進行精準驗證；最后，反饋市場驗證的結果，完善修改用戶行為標簽，將知識發(fā)現(xiàn)成果納入知識庫，形成更高精準度的知識抽取，企業(yè)的反饋修正標簽又會對真實市場中的用戶行為產(chǎn)生影響，促使其迭代形成新一輪的用戶大數(shù)據(jù)。圖2勾勒出上述基于大數(shù)據(jù)平臺用戶行為分析框架。

要實現(xiàn)上述對基于大數(shù)據(jù)平臺用戶行為的更精準分析，一方面需要借助用戶畫像數(shù)據(jù)建模、用戶行為特征分析算法、用戶細分方法、用戶行為分析分類模型、用戶興趣與情緒模型，及基于大數(shù)據(jù)的用戶價值評估模型等方法；另一方面，需要將傳統(tǒng)的消費者行為理論及方法在大數(shù)據(jù)情境下進行改造和拓展，將其與基于大數(shù)據(jù)的用戶行為分析方法相結合，引入相關的計量經(jīng)濟學方法進行數(shù)據(jù)處理和分析，構建面向企業(yè)需求的大數(shù)據(jù)用戶分析框架。

圖3給出了一種基于大數(shù)據(jù)的用戶行為建模框架。在此，用戶行為分析指借助數(shù)學方法、統(tǒng)計分析和計算機技術建立和應用數(shù)據(jù)模型，對企業(yè)與用戶之間的互動創(chuàng)新活動、關系及其影響的數(shù)量規(guī)律進行分析。首先，對結構化的企業(yè)各種業(yè)務數(shù)據(jù)和非結構化的用戶交流數(shù)據(jù)采用數(shù)據(jù)挖掘、文本挖掘和社會網(wǎng)絡分析等方法進行數(shù)據(jù)預處理；其次，鑒于采用的分析方法具有動態(tài)性、互為因果推斷和模型非線性特征，一方面，可采用潛變量曲線增長模型（LGM）、聯(lián)立方程組（SE）和動態(tài)廣義矩估計（GMM）等計量分析技術構建企業(yè)與用戶互動創(chuàng)新的分析模型，分析隨時間變化，不同用戶個體和群組在互動過程中的變化軌跡，量化企業(yè)與用戶之間交互影響的大小，另一方面，可采用馬爾可夫過程（MP）和蒙特卡洛模擬等仿真分析方法模擬企業(yè)與用戶互動創(chuàng)新的動態(tài)過程，對企業(yè)與用戶互動過程的發(fā)展進行預測分析。

這樣，通過將圖2的分析框架和圖3的分析模型結合起來，可以對基于大數(shù)據(jù)的用戶行為進行分析，或不斷完善圖3的分析模型，將其分別嵌入圖2中的領先用戶行為模型和普通用戶行為模型中，可以對領先用戶和普通用戶行為分析進行持續(xù)的精確化改進。

舉例來說，中國大陸某知名電商淘品牌企業(yè)擁有上百萬的活躍會員，企業(yè)希望通過基于大數(shù)據(jù)平臺的用戶行為分析來提高用戶購買價值、改善產(chǎn)品創(chuàng)新和設計、發(fā)掘潛在的新用戶。為此，該企業(yè)采集了在線品牌社區(qū)、官方新浪微博、微信公眾號、App應用等社交媒體平臺上企業(yè)與用戶非結構化的交互數(shù)據(jù)，并將這些數(shù)據(jù)與企業(yè)內(nèi)部的結構化的交易記錄等相關聯(lián)，形成用戶行為分析大數(shù)據(jù)。對于非結構化的交互數(shù)據(jù)，企業(yè)通過社會網(wǎng)絡分析形成用戶之間交互網(wǎng)絡屬性、用戶與產(chǎn)品交互網(wǎng)絡屬性等特征；同時，采用文本挖掘中的情感分析技術和主題模型分析用戶的情感偏好和話題偏好等特征。對于結構化的內(nèi)部數(shù)據(jù)，企業(yè)采用RFM模型、聚類分析等區(qū)分用戶購買價值特征、產(chǎn)品偏好特征等。此外，該企業(yè)還結合用戶人口統(tǒng)計特征采用深度學習、SVM算法等監(jiān)督學習算法來預測用戶的潛在價值和偏好，形成用戶的潛在特征?；谶@些分析，企業(yè)了解并形成了用戶基本行為特征集。企業(yè)在進行產(chǎn)品促銷和研發(fā)過程中，搜尋出產(chǎn)品促銷和研發(fā)匹配的用戶群體，通過該用戶群體關聯(lián)的活動軌跡和偏好屬性來更好地設計促銷和研發(fā)模式。進一步，在改進產(chǎn)品促銷策略和產(chǎn)品設計的過程中，該企業(yè)還采用雙重差分、生存分析等計量模型分析策略改進對用戶購買和流失行為的影響，從而驗證或完善企業(yè)的策略。通過上述方法，企業(yè)發(fā)現(xiàn)，基于大數(shù)據(jù)平臺的用戶行為分析能指導其更好地實施產(chǎn)品研發(fā)和營銷策略，帶來產(chǎn)品銷量和用戶價值的提升。

四、深度融合趨勢下的大數(shù)據(jù)用戶分析

移動互聯(lián)網(wǎng)、云計算成為推動電商平臺和社交平臺大數(shù)據(jù)生成的重要推手，正在迅速崛起的工業(yè)互聯(lián)網(wǎng)、人工智能將成為企業(yè)和社會各平臺大數(shù)據(jù)生成的又一重要力量。在互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息技術與實體經(jīng)濟深度融合趨勢下，企業(yè)創(chuàng)新更加強調對用戶需求的精準把握和預測，產(chǎn)品研發(fā)創(chuàng)新和營銷創(chuàng)新更加依賴基于大數(shù)據(jù)平臺形成的用戶分析結果。因此，做好基于大數(shù)據(jù)平臺的用戶需求分析，不僅可以對產(chǎn)品創(chuàng)新模式、企業(yè)營銷模式變革進行持續(xù)迭代改進，而且可以有效推動企業(yè)互聯(lián)網(wǎng)轉型的管理創(chuàng)新⑨。

深度融合趨勢下的大數(shù)據(jù)用戶分析有兩個重要抓手，一是需要對大數(shù)據(jù)用戶畫像特征進行準確把握，二是需要對大數(shù)據(jù)用戶創(chuàng)新知識抽取方法進行綜合應用。目前，如何解決好面向中文自然語言的自動知識抽取方法，構建大數(shù)據(jù)用戶分析的知識圖譜，成為基于大數(shù)據(jù)平臺用戶分析與知識抽取方法需重點探討的方向之一，如構建針對產(chǎn)品研發(fā)創(chuàng)新和營銷創(chuàng)新的知識庫或語料庫，為企業(yè)開放式創(chuàng)新行為提供準確的詞匯解釋，成為構建大數(shù)據(jù)用戶創(chuàng)新知識抽取方法的關鍵環(huán)節(jié)?？傊?，盡管基于大數(shù)據(jù)平臺的用戶畫像和用戶行為分析還存在諸多挑戰(zhàn)，但深度融合趨勢下的大數(shù)據(jù)用戶分析，將成為企業(yè)乃至社會各行業(yè)決策管理的重要基礎，成為大數(shù)據(jù)驅動創(chuàng)新時代“以用戶為導向”的新型模式，這是全球大數(shù)據(jù)經(jīng)濟和管理發(fā)展的潮流和方向。

① Von Hippel E and Katz R. Shifting Innovation to Users via Toolkits. Management Science， 2002， 48（7）： 821-833.

② 馮芷艷，郭迅華，曾大軍，陳煜波，陳國青《大數(shù)據(jù)背景下商務管理研究若干前沿課題》《管理科學學報》2013年第1期。

③ 徐宗本，馮芷艷，郭迅華，曾大軍，陳國青《大數(shù)據(jù)驅動的管理與決策前沿課題》《管理世界》2014年第11期。

④ Vargo S.L. and Lusch R.F.， Service-dominant Logic： Continuing the Evolution. Journal of the Academy of Marketing Science， 2008， 36（1）： 1-10.

⑤ 謝康，肖靜華，周先波，烏家培《中國工業(yè)化與信息化融合質量：理論與實證》《經(jīng)濟研究》2012年第1期

⑥ 亓叢，吳俊《用戶畫像概念溯源與應用場景研究》《重慶交通大學學報（社科版）》2017年第5期。

⑦ 席巖，張乃光，王磊，張智軍，劉海濤《基于大數(shù)據(jù)的用戶畫像方法研究綜述》《廣播電視信息》2017年第10期。

⑧ Lin C， Liaw S， Chen C， Pai M， Chen Y. A Computer-based Approach for Analyzing Consumer Demands in Electronic Word-of-mouth. Electronic Markets， 2017， 27（3）： 225-242.

⑨ 吳瑤，肖靜華，謝康，廖雪華《從價值提供到價值共創(chuàng)的營銷轉型——企業(yè)與消費者協(xié)同演化視角的雙案例研究》《管理世界》2017年第4期。

基金項目：國家自然科學基金項目“虛擬品牌社區(qū)消費者參與影響及其購買和口碑行為的動態(tài)機制研究”（71601190）、國家自然科學基金項目“互聯(lián)網(wǎng)環(huán)境下企業(yè)與消費者協(xié)同演化動態(tài)能力的構建、演進及影響研究”（71771223）階段性成果。