基于知識(shí)行為的小米社區(qū)用戶畫像研究

李旭光，肖思琪，李珊珊，張 恒

（南開大學(xué)商學(xué)院信息資源管理系，天津 300071）

1 引言

隨著互聯(lián)網(wǎng)的迅速發(fā)展及移動(dòng)支付技術(shù)的快速普及，消費(fèi)者的行為數(shù)據(jù)可得性越來越高，數(shù)據(jù)結(jié)構(gòu)化程度越來越高，為數(shù)據(jù)挖掘和行為預(yù)測(cè)奠定了分析基石。為了解用戶的潛在需求和行為規(guī)律，用戶畫像應(yīng)運(yùn)而生。用戶畫像是一種具體描述用戶特征、屬性的方法，比如有些用戶看重產(chǎn)品質(zhì)量，而有些用戶更容易被產(chǎn)品外觀設(shè)計(jì)吸引；有些用戶認(rèn)為售后服務(wù)是必須考慮的因素，而有些用戶則認(rèn)為價(jià)格才是決定是否購(gòu)買的關(guān)鍵。用戶與用戶的不同可以達(dá)到千人千面的程度，但是這些用戶又可以細(xì)分為擁有相似行為習(xí)慣的用戶群體，群體內(nèi)部擁有相同特征，群體之間特征相異。用戶畫像使用范圍十分廣泛[1]，比如應(yīng)用最為頻繁的電商巨頭，淘寶、京東、拼多多等，都有根據(jù)用戶的購(gòu)買記錄、瀏覽記錄、點(diǎn)擊行為、停留時(shí)間等歷史數(shù)據(jù)推薦產(chǎn)品的模塊，比如淘寶“猜你喜歡”功能就是根據(jù)用戶畫像進(jìn)行的精準(zhǔn)推薦，大大提升了用戶的轉(zhuǎn)化率[2]。

用戶畫像核心價(jià)值在于幫助我們深入了解用戶，找出用戶的潛在需求，通過細(xì)分的用戶特征打造細(xì)分市場(chǎng)，細(xì)分營(yíng)銷方案[3]，如YAO 等[4]基于用戶畫像建立了個(gè)性化推薦系統(tǒng)，通過抓取豆瓣高質(zhì)量評(píng)論建立了用戶標(biāo)簽體系，實(shí)現(xiàn)了向用戶精準(zhǔn)推薦視頻的操作，提升了用戶體驗(yàn)。用戶畫像可以描述用戶特征并進(jìn)行用戶聚類[5]，不僅如此，用戶畫像在虛擬社區(qū)方面的應(yīng)用可以幫助我們了解用戶在購(gòu)買后遇到的故障，關(guān)注的問題，亟待解決的需求[6]等售后問題。

綜上所述，用戶畫像不僅可以在售前精準(zhǔn)定位用戶，挖掘用戶需求，還可以幫助我們構(gòu)建一個(gè)更有價(jià)值、高質(zhì)量、和諧的用戶社區(qū)，作為“第二售后”幫助用戶、留存用戶、轉(zhuǎn)化用戶[7]。

2 研究基礎(chǔ)

在情報(bào)學(xué)領(lǐng)域，用戶畫像被廣泛應(yīng)用于了解科技管理部門的用戶情報(bào)需求，探究情報(bào)工作人員和科研工作人員的信息需求，此外，情報(bào)學(xué)領(lǐng)域中社交媒體用戶畫像的研究也是一個(gè)熱點(diǎn)方向。張海濤[8]從自然屬性、信息需求屬性、行為屬性角度，按照關(guān)注信息的不同，將用戶劃分為3 類群體，每類群體畫像都有10個(gè)以上屬性標(biāo)簽，詳細(xì)表現(xiàn)了不同群體用戶在信息需求方面的特征。張艷豐[9]在研究社交媒體用戶時(shí)應(yīng)用用戶畫像歸納了4 類社交媒體倦怠用戶的特征，闡釋了不同社交媒體用戶群體的不同特征。學(xué)者們?cè)谟脩舢嬒竦膽?yīng)用方面有較多共同之處，趙輝[10]應(yīng)用同樣的研究方法和研究過程刻畫了科技情報(bào)用戶畫像，并基于用戶畫像建立了標(biāo)簽關(guān)聯(lián)的推薦算法，幫助科技情報(bào)部門探測(cè)感知用戶需求。從目前情報(bào)學(xué)領(lǐng)域?qū)τ谟脩舢嬒竦膽?yīng)用來看，用戶畫像的研究遵循著一定范式，涉及文本聚類、分類、關(guān)鍵詞提取、特征提取等多個(gè)步驟，根據(jù)研究問題需要還可與其他研究方法結(jié)合共同探究某一領(lǐng)域。隨著人工智能技術(shù)的不斷進(jìn)步，用戶畫像的技術(shù)門檻也逐漸降低，研究人員應(yīng)用該方法也愈來愈便捷。

在查閱已有用戶畫像研究后，發(fā)現(xiàn)刻畫用戶畫像過程中有一個(gè)較為關(guān)鍵的步驟—用戶分類。用戶畫像與傳統(tǒng)用戶分類不同，首先，兩者在應(yīng)用目的上有所不同，用戶畫像的最終目的是挖掘用戶行為特征和潛在需求，作為調(diào)整業(yè)務(wù)、開發(fā)新產(chǎn)品的重要依據(jù)；用戶分類則是將用戶劃分到不同的群體中，集中對(duì)不同用戶群體實(shí)施不同服務(wù)策略。其次，從實(shí)施步驟上來看，用戶分類是將新用戶樣本劃分到已有分類群體，一般是按照某一標(biāo)準(zhǔn)的分類，是一個(gè)處理“增量”的過程；用戶畫像則是需要從海量用戶數(shù)據(jù)中對(duì)用戶聚類，根據(jù)聚類結(jié)果分類，是按照行為結(jié)果聚類并提取不同類別特征，詳細(xì)描述每類用戶群體標(biāo)簽和識(shí)別方式的過程。最后，從兩者關(guān)系上來看，用戶畫像與用戶分類部分過程交叉，用戶畫像過程中會(huì)有用戶聚類、分類過程，因此兩者并非毫不相關(guān)。

在對(duì)相關(guān)研究以及用戶畫像與用戶分類的異同綜述后，接下來探究小米社區(qū)用戶之間的交互活動(dòng)?；顒?dòng)理論可以幫助我們分析得更加清晰、全面，該理論融合了技術(shù)和情境，將人和虛擬情境緊密聯(lián)系在一起。目前最完善、應(yīng)用最多的是恩格斯托姆的活動(dòng)理論模型，該模型既強(qiáng)調(diào)主體、客體、中介，又重視規(guī)則、分工以及共同目標(biāo)即共同體的作用?；顒?dòng)理論最顯著的特征就是將人類“活動(dòng)”作為基本的分析單元，使得我們可以從主體、客體、共同體、工具、規(guī)則和勞動(dòng)分工6 個(gè)方面深刻理解影響人類活動(dòng)的內(nèi)外部環(huán)境因素及其相互關(guān)系[11]。將小米社區(qū)及用戶看成一個(gè)活動(dòng)的有機(jī)體，按照恩格斯托姆的活動(dòng)理論模型可建立小米社區(qū)的活動(dòng)模型（圖1）。

圖1 小米社區(qū)活動(dòng)圖Fig.1 Xiaomi community activity map

從上述模型可見，小米用戶是活動(dòng)的主體，作為活動(dòng)最重要的環(huán)節(jié)，與其他活動(dòng)角色互動(dòng)[12]?；顒?dòng)的客體是活動(dòng)主體所作用的事物，小米品牌就是活動(dòng)的客體是主體動(dòng)作的作用對(duì)象。小米社區(qū)的運(yùn)營(yíng)規(guī)則，比如主體可以單獨(dú)發(fā)帖也可以在帖子下評(píng)論，這就是活動(dòng)需要遵循的規(guī)則。小米社區(qū)作為用戶和品牌的中介，起到橋梁的作用，使得用戶的主體作用可以作用于客體[13]。勞動(dòng)分工是主體客體所承擔(dān)的角色職責(zé)，小米商家作為共同體，與主體一起作用于客體，對(duì)小米品牌施加影響。

3 研究過程

用戶畫像過程是一個(gè)復(fù)雜又龐大的工程，本文遵循刻畫用戶畫像的一般過程，包括以下4 個(gè)步驟。

（1）數(shù)據(jù)獲取與描述：首先通過第三方爬蟲軟件結(jié)合Python 語(yǔ)言獲取小米社區(qū)→小米圈子→小米手機(jī)論壇和小米游戲論壇自2020 年1 月1 日截止至2021年1 月8 日的帖子數(shù)據(jù)共30 425 條，其中每行包括用戶昵稱、頭像、帖子標(biāo)題、摘要、評(píng)論等信息，還包括每位用戶的具體評(píng)論內(nèi)容和評(píng)論日期。經(jīng)過整理發(fā)現(xiàn)127 條無效數(shù)據(jù)和重復(fù)數(shù)據(jù)并予以剔除，剩余數(shù)據(jù)30 298 條中最短為2 個(gè)漢字，最長(zhǎng)為572 個(gè)漢字；以每條帖子為單位，最多有39 條評(píng)論回復(fù)，最少為0 條。

（2）中文文本聚類：借鑒了NLP 比較流行的算法—基于TF-IDF 和TextRank 的中文文本K-means 聚類。首先使用jieba 分詞，發(fā)現(xiàn)存在大量無用詞和對(duì)句意貢獻(xiàn)率低的詞，使用停用詞表剔除此部分無效詞。規(guī)定聚類簇?cái)?shù)，一般NLP 過程取2～8 簇為宜，本文對(duì)文本的聚類簇的選擇采取多次聚類比較的方式，依次遍歷2～8 簇聚類結(jié)果，重復(fù)遍歷30 次直至收斂。使用輪廓系數(shù)對(duì)聚類結(jié)果進(jìn)行評(píng)估，輪廓系數(shù)公式為：

注：A 是簇內(nèi)樣本間距，用來衡量簇內(nèi)緊密程度，即相似程度；B 是簇間樣本間距，用來衡量不同簇之間的距離，即相異程度。

結(jié)果表明，聚類結(jié)果中取5 簇時(shí)輪廓系數(shù)S 最大，S=0.553，此時(shí)聚類效果最好（圖2）。

圖2 K-means 聚類結(jié)果Fig.2 K-means clustering results

（3）關(guān)鍵詞和標(biāo)簽提?。簩?duì)聚類結(jié)果的每一簇使用兩種關(guān)鍵詞提取方式TF-IDF 和TextRank，比較兩者提取結(jié)果綜合實(shí)現(xiàn)關(guān)鍵詞的提取，關(guān)鍵詞提取詳見表1（節(jié)選全部數(shù)據(jù)提取大的關(guān)鍵詞前20）。整理不同簇的關(guān)鍵詞（圖3），轉(zhuǎn)換成特征標(biāo)簽。

圖3 關(guān)鍵詞抽取結(jié)果Fig.3 Keyword extraction results

表1 關(guān)鍵詞及其權(quán)重Table1 Keywords and theeir weights

（4）用戶畫像構(gòu)建：使用聚類結(jié)果的特征標(biāo)簽，排除不同簇之間的共有標(biāo)簽，即排除簇之間的標(biāo)簽交集或類似的標(biāo)簽，留下每類用戶的獨(dú)特標(biāo)簽，分別構(gòu)建5 類用戶畫像，對(duì)用戶群特征進(jìn)行描述。

4 情感分析過程及結(jié)果

本文借助Python 語(yǔ)言編寫程序，結(jié)合第三方軟件——后羿采集器，爬取了小米虛擬社區(qū)部分用戶的30 298 條信息，但是有兩方面問題需要注意：一方面，本文研究的不是用戶的基礎(chǔ)特征或基礎(chǔ)屬性，而是用戶的信息交流和知識(shí)分享方式，即知識(shí)行為；另一方面，由于小米社區(qū)的建站限制，無法獲取用戶的基礎(chǔ)信息，比如性別、年齡、地址、職業(yè)等，甚至無法從留言跳轉(zhuǎn)至用戶信息頁(yè)，也無法統(tǒng)計(jì)每位用戶的停留時(shí)間。因此，本文主要從用戶知識(shí)行為出發(fā)，從用戶的發(fā)帖內(nèi)容、留言及回復(fù)內(nèi)容對(duì)用戶標(biāo)簽體系進(jìn)行構(gòu)建。

圖4 是針對(duì)爬取的30 298 條用戶評(píng)論所做的詞云圖，可以看到出現(xiàn)頻率較高的有效詞有“小米”“米10”“版本”“手機(jī)”這些產(chǎn)品相關(guān)信息，經(jīng)過Jieba文本分詞、部分?jǐn)?shù)據(jù)人工打標(biāo)、剩余數(shù)據(jù)使用有監(jiān)督的文本分類，發(fā)現(xiàn)大約有3/5 的詞匯在描述問題和故障，說明小米社區(qū)作為產(chǎn)品的售后答疑區(qū)的功能行使的非常好，因?yàn)橹饕脑掝}與產(chǎn)品相關(guān)，圍繞產(chǎn)品展開。另外，通過文本情感分析發(fā)現(xiàn)，在30 298 條評(píng)論中有10 346 條負(fù)面評(píng)價(jià)，7 855 條正面評(píng)價(jià)，12 097 條中性評(píng)價(jià)。由于機(jī)器對(duì)情感打標(biāo)的準(zhǔn)確度不是很高，因此打標(biāo)為負(fù)面評(píng)價(jià)和正面評(píng)價(jià)的基本上都是正確的，但是中性評(píng)價(jià)中摻雜著機(jī)器難以識(shí)別的正面評(píng)價(jià)和負(fù)面評(píng)價(jià)，需要人工對(duì)這部分詞匯打標(biāo)。經(jīng)過手工標(biāo)注，12 097 條中性評(píng)價(jià)中有1 273 條正面評(píng)價(jià)，4 083 條負(fù)面評(píng)價(jià)，6 741 條中性。與上述機(jī)器分析結(jié)果匯總后，有9 128 條正面評(píng)價(jià)，14 429 條負(fù)面評(píng)價(jià)，以及6 741條中性評(píng)價(jià)。從評(píng)價(jià)情感分布上來看，負(fù)面評(píng)價(jià)最多，正面評(píng)價(jià)其次，中性評(píng)價(jià)最少（表2）。

圖4 詞云圖Fig.4 Cloud of words

表2 情感分析結(jié)果 單位：條Table 2 Results of emotion analysis

5 用戶畫像構(gòu)建

根據(jù)上述文本聚類結(jié)果及關(guān)鍵詞抽取結(jié)果，本文將用戶劃分為5 類用戶，并分別刻畫用戶畫像，從行為特征、需求標(biāo)簽、價(jià)值屬性、用戶場(chǎng)景、心理特征、流失風(fēng)險(xiǎn)6 個(gè)部分描述用戶群體。

5.1 故障反饋用戶

故障反饋用戶的概括特征為“吐槽”。因?yàn)樗麄兪呛袕?fù)合特征的一類用戶，發(fā)帖一方面是抱怨產(chǎn)品故障或使用不便之處，表達(dá)自己的憤怒情感，還有尋求網(wǎng)友幫助，尋找擁有同樣或類似經(jīng)歷的用戶抱團(tuán)取暖的行為取向。

（1）行為特征。發(fā)帖率和互動(dòng)頻率最高；用戶群體最為龐大。故障反饋用戶的發(fā)帖以負(fù)面評(píng)價(jià)、負(fù)面詞匯、多使用感嘆號(hào)、連續(xù)問號(hào)和句號(hào)為標(biāo)志，常見關(guān)鍵詞“故障、打不開、解決、修復(fù)、Bug、版本、耗電、情況、充電、電池、顯示、只能、求助、有問題、閃退、斷流、異?！保蛔鳛楸磉_(dá)情緒的輔助，偶有用戶使用反諷語(yǔ)氣，較難識(shí)別。

（2）需求標(biāo)簽。故障盡快解決，希望能有切實(shí)可行的解決方案解決當(dāng)下問題。

（3）價(jià)值屬性。活躍度高；新老用戶都較多；忠誠(chéng)度一般。該類用戶是社區(qū)最應(yīng)該關(guān)注的一類，新用戶尚未建立忠誠(chéng)度，故障不迅速解決容易導(dǎo)致產(chǎn)品體驗(yàn)感差，用戶流失，口碑下降；老用戶故障不及時(shí)解決，容易導(dǎo)致失望情緒的產(chǎn)生，信任度下降。因此該類用戶需要建立及時(shí)響應(yīng)機(jī)制幫助其解決問題。

（4）用戶場(chǎng)景。使用過程中遇到產(chǎn)品Bug、系統(tǒng)故障嚴(yán)重影響用戶體驗(yàn)時(shí)，用戶一方面會(huì)到產(chǎn)品社區(qū)尋求幫助，嘗試自行解決，得不到解決或回應(yīng)時(shí)會(huì)聯(lián)系售后，因此應(yīng)盡可能在社區(qū)內(nèi)就使用戶的問題得到解決。

（5）心理特征。負(fù)面情緒明顯，十分急迫，期待問題能夠得到最快解決和回應(yīng)，對(duì)于反應(yīng)速度要求較高，希望官方回復(fù)及時(shí)，也希望能在社區(qū)尋求到有相似經(jīng)歷用戶的幫助。

（6）流失風(fēng)險(xiǎn)。流失風(fēng)險(xiǎn)高，用戶忠誠(chéng)度降低，亟需維護(hù)。

5.2 評(píng)論解答用戶

該類用戶主要指在評(píng)論區(qū)提供解答和幫助的用戶。

（1）行為特征。分享產(chǎn)品使用過程中的經(jīng)歷和經(jīng)驗(yàn)，常用關(guān)鍵詞“重啟、更新、內(nèi)測(cè)、設(shè)置、升級(jí)、系統(tǒng)、關(guān)機(jī)、一樣、情況、試試、正常、打開、關(guān)閉、售后”；為發(fā)帖用戶遇到的問題提供一些有意義的建議，他們可以理解上述故障反饋用戶的問題和感受，并主動(dòng)提供解決方案；是故障反饋用戶最愿意遇到的用戶；當(dāng)評(píng)論解答用戶也不確定自己的回答是否有效時(shí)，他們會(huì)在評(píng)論區(qū)與發(fā)帖的故障反饋用戶展開討論，共同商議有效的解決方法，他們較多使用動(dòng)詞“試試”以及語(yǔ)氣詞“吧”。

（2）需求標(biāo)簽。知識(shí)分享行為激勵(lì)。在評(píng)論解答用戶的分享過程中，他們得到的只有幫助他人而產(chǎn)生的愉悅情緒價(jià)值，社區(qū)并沒有給予他們?nèi)魏晤~外的獎(jiǎng)勵(lì)，無法刺激和加速知識(shí)的分享，這一點(diǎn)社區(qū)管理需要做出改變。

（3）價(jià)值屬性。活躍度較高；老用戶較多；忠誠(chéng)度高；最有價(jià)值。評(píng)論解答用戶的信息行為尤為值得研究，因?yàn)樗麄兛梢蕴峁┥鐓^(qū)及其他用戶最需要的信息，充當(dāng)售后的角色，他們擁有“第二客服”“線上客服”的特質(zhì)。研究他們的知識(shí)分享行為和知識(shí)創(chuàng)新行為非常有價(jià)值。

（4）用戶場(chǎng)景。當(dāng)其他用戶遇到故障發(fā)帖求助時(shí)，建議用戶會(huì)在評(píng)論區(qū)回應(yīng)，對(duì)故障用戶進(jìn)行指導(dǎo)，或者共同商討解決方案。

（5）心理特征。希望官方能認(rèn)可其對(duì)于社區(qū)其他用戶的幫助。擁有較強(qiáng)共情能力，在解答他人問題時(shí)也可以使他們獲得幫助他人而產(chǎn)生的愉悅情緒。

（6）流失風(fēng)險(xiǎn)。流失風(fēng)險(xiǎn)低，需要激勵(lì)其知識(shí)共享行為，一方面可以增加用戶黏性，另一方面幫助建設(shè)互動(dòng)性更強(qiáng)的社區(qū)。

5.3 社交用戶

社交用戶主要出現(xiàn)在游戲圈和某種興趣愛好圈，因?yàn)榕d趣和設(shè)備的雙重交叉，使這部分用戶之間產(chǎn)生一種更加親密的紐帶。

（1）行為特征?；靥屎突?dòng)頻率更高；熱衷于分享自己的生活以及使用產(chǎn)品的心得體會(huì)；90%以上的用戶會(huì)在發(fā)帖時(shí)配圖，整體氛圍輕松愉悅。

（2）需求標(biāo)簽。社交。社交用戶的需求分為兩類，一類是發(fā)布感想，分享生活，屬于輸出型社交用戶；一類是為了尋找有相同興趣愛好的朋友，屬于互動(dòng)型社交用戶。

（3）價(jià)值屬性?；钴S度高；老用戶多；忠誠(chéng)度高。但是，社交用戶的目的是社交，是豐富自身生活，并不是圍繞產(chǎn)品展開的，產(chǎn)品的社區(qū)只是提供一個(gè)交流平臺(tái)，因此這部分用戶對(duì)產(chǎn)品的知識(shí)建構(gòu)行為的幫助十分有限。

（4）用戶場(chǎng)景。使用小米產(chǎn)品過程中有較好體驗(yàn)，多分享小米設(shè)備的拍照功能；游戲時(shí)需要找“隊(duì)友”，相對(duì)于游戲上的陌生合作隊(duì)友，更加信賴同為小米用戶的“隊(duì)友”。

（5）心理特征。期待社交關(guān)系的產(chǎn)生。

（6）流失風(fēng)險(xiǎn)。流失風(fēng)險(xiǎn)低，單獨(dú)維護(hù)需求低，但需注意維持社區(qū)交友文明秩序，樹立良好品牌形象。

5.4 咨詢用戶

咨詢用戶是單純尋求信息、客觀詢問關(guān)于產(chǎn)品的使用方法的用戶，多為新用戶或使用產(chǎn)品頻率不高的用戶。

（1）行為特征。多咨詢新產(chǎn)品使用方法，出現(xiàn)頻率較高的關(guān)鍵詞為“拍照、開機(jī)、啟動(dòng)、解鎖、聲音、打開、怎么、在哪、解答、使用”，多詢問新機(jī)啟動(dòng)相關(guān)問題。

（2）需求標(biāo)簽。需要詳細(xì)、耐心、易懂的使用指導(dǎo)。該類用戶可能在網(wǎng)上或產(chǎn)品說明書上獲取不到產(chǎn)品的具體使用方法，因此來社區(qū)尋求幫助。針對(duì)該類用戶的問題，企業(yè)應(yīng)當(dāng)思考是否需要將用戶類似的問題在說明書里加以解釋和說明，最好附上產(chǎn)品使用視頻或步驟圖片。

（3）價(jià)值屬性。活躍度較低；新用戶較多；忠誠(chéng)度低。

（4）用戶場(chǎng)景。當(dāng)其他用戶遇到故障發(fā)帖求助時(shí)，建議用戶會(huì)在評(píng)論區(qū)回應(yīng)，對(duì)故障用戶進(jìn)行指導(dǎo)，或者共同商討解決方案。

（5）心理特征。與故障反饋用戶的心理特征相似，都處于比較急迫、焦慮狀態(tài)，用戶體驗(yàn)感差，但是相較于故障反饋用戶，他們的情緒更為平和，從文本分析結(jié)果來看，多為中性評(píng)價(jià)，負(fù)面評(píng)價(jià)很少。

（6）流失風(fēng)險(xiǎn)。流失風(fēng)險(xiǎn)高，由于該類用戶一般為品牌新用戶或某一產(chǎn)品新用戶，體驗(yàn)感差容易導(dǎo)致顧客流失，口碑下降。

5.5 建議用戶

此類用戶傾向于根據(jù)自身使用需求和習(xí)慣提出建議，多為向品牌建議開發(fā)新功能。

（1）行為特征。他們使用比較多的關(guān)鍵詞有“可以”“希望”“沒有”“缺乏”“建議”，約有1/2 的用戶使用問句提出建議，比如“小米穿戴可以把跑步數(shù)據(jù)同步到支付寶嗎？”。

建議的表達(dá)方式多為中立的態(tài)度；直接在社區(qū)發(fā)帖，而不是評(píng)論；發(fā)帖后評(píng)論區(qū)很少有用戶評(píng)論；針對(duì)新機(jī)的建議較多。

（2）需求標(biāo)簽。系統(tǒng)優(yōu)化；功能優(yōu)化；個(gè)性化需求；開發(fā)新功能；解決Bug。建議用戶的需求可以劃分為兩類，一類是個(gè)性化需求，滿足的是用戶個(gè)人的使用習(xí)慣；另一類是普遍需求，或者說是通用需求。這部分建議人群的需求一般不太急迫，在處理的時(shí)間上相對(duì)寬松。如果多人提出了同一種個(gè)性化建議，企業(yè)就需要考慮這是否已成為用戶的普遍需求。

（3）價(jià)值屬性。活躍度不高；老用戶較多；忠誠(chéng)度高。

（4）用戶場(chǎng)景。某一功能不能滿足用戶需求，用戶在使用過程中發(fā)現(xiàn)，購(gòu)買前不知道該功能不夠完善；有些需求是使用一段時(shí)間后發(fā)現(xiàn)的，有些是用戶更換新設(shè)備后的適應(yīng)期提出的，是對(duì)比幾款產(chǎn)品之后的需求。

（5）心理特征。期待需求得到滿足，期待官方回應(yīng)。

（6）流失風(fēng)險(xiǎn)。流失風(fēng)險(xiǎn)低，但需求長(zhǎng)期得不到滿足和回應(yīng)易流失，需要社區(qū)維護(hù)。

6 結(jié)論與展望

通過對(duì)小米社區(qū)用戶畫像的構(gòu)建，以及用戶之間互動(dòng)模型的建立和分析，可以發(fā)現(xiàn)故障反饋用戶和評(píng)論解答用戶的知識(shí)分享過程和知識(shí)創(chuàng)新過程對(duì)于小米社區(qū)是至關(guān)重要的。作為以產(chǎn)品為導(dǎo)向，以售后為目的的小米社區(qū)應(yīng)當(dāng)根據(jù)用戶的特征、需求轉(zhuǎn)變自身定位，因此，本文提出以下建議。

（1）依據(jù)用戶畫像標(biāo)簽建立分享獎(jiǎng)勵(lì)機(jī)制，使社區(qū)用戶保持知識(shí)分享活躍狀態(tài)?，F(xiàn)有的小米社區(qū)機(jī)制沒有對(duì)分享知識(shí)、提供建議的用戶進(jìn)行獎(jiǎng)勵(lì)，部分用戶會(huì)因?yàn)榉窒韺?duì)自己沒有實(shí)質(zhì)性的收益而不分享或減少分享，不利于社區(qū)內(nèi)部知識(shí)流動(dòng)。因此社區(qū)應(yīng)建立完善的獎(jiǎng)勵(lì)機(jī)制，努力調(diào)動(dòng)用戶積極性，促進(jìn)社區(qū)內(nèi)部知識(shí)共享，實(shí)現(xiàn)社區(qū)內(nèi)部知識(shí)的高速增長(zhǎng)。

（2）建立有用知識(shí)認(rèn)證體系，從知識(shí)獲取角度為用戶節(jié)省時(shí)間。將用戶間分享的有用的知識(shí)，或者用戶創(chuàng)造出來的解決方案，認(rèn)證為有用建議，在其他用戶搜索時(shí)優(yōu)先顯示，加快用戶有針對(duì)性的篩選過程。此外，考慮到工作人員工作量的原因，可以運(yùn)用大數(shù)據(jù)設(shè)置自動(dòng)分類標(biāo)簽，對(duì)社區(qū)新創(chuàng)知識(shí)自動(dòng)分類管理，也可加快社區(qū)知識(shí)流動(dòng)進(jìn)程。

（3）建立及時(shí)、有效的反饋機(jī)制，鼓勵(lì)用戶知識(shí)貢獻(xiàn)行為。將建議用戶的建議科學(xué)評(píng)估后給予回應(yīng)。企業(yè)的反饋一方面要考慮及時(shí)性問題，另一方面要采取合適的反饋方式。除了社區(qū)官方在線反饋，也可以同時(shí)采取其他反饋方式。當(dāng)用戶格外關(guān)注某個(gè)問題時(shí)，可以采用更為迅速、便捷的方式響應(yīng)，對(duì)提高社區(qū)服務(wù)質(zhì)量，鼓勵(lì)用戶知識(shí)貢獻(xiàn)起到較好的促進(jìn)作用。

（4）建立基于用戶畫像的情感評(píng)價(jià)體系，在激勵(lì)知識(shí)行為的同時(shí)兼顧人文關(guān)懷。社區(qū)應(yīng)重視用戶評(píng)價(jià)，開發(fā)可以自動(dòng)識(shí)別評(píng)價(jià)中用戶感情傾向的分析工具，對(duì)那些負(fù)面情感強(qiáng)烈的用戶及時(shí)安撫，主動(dòng)提供幫助；對(duì)那些正面情感強(qiáng)烈的用戶給予感謝和肯定，凸顯社區(qū)對(duì)用戶評(píng)價(jià)的重視。知識(shí)行為促進(jìn)和情感維護(hù)雙管齊下，才能充分發(fā)揮品牌線上社區(qū)的強(qiáng)大功能。

本文對(duì)小米社區(qū)的5 類用戶進(jìn)行了特征提取和打標(biāo)，為用戶體系建立了用戶畫像分類，為用戶虛擬社區(qū)提出了一些切實(shí)可行的建議。但是本文的研究也存在一定的局限性，在構(gòu)建用戶畫像時(shí)只截取了用戶部分評(píng)論信息，且用戶基礎(chǔ)屬性信息并未涉及。在接下來的研究中，將以用戶基礎(chǔ)屬性為維度，比如用戶年齡段，職業(yè)類別，收入范圍，分析用戶的標(biāo)簽與用戶行為之間的關(guān)系。