基于用戶畫像的農(nóng)產(chǎn)品電商精準(zhǔn)營(yíng)銷關(guān)鍵技術(shù)研究與應(yīng)用

傅麗君 潘旭偉

摘 要： 農(nóng)產(chǎn)品電商迅速發(fā)展進(jìn)一步激發(fā)了農(nóng)產(chǎn)品線上消費(fèi)的多樣化與個(gè)性化需求。然而，大數(shù)據(jù)時(shí)代背景下，傳統(tǒng)農(nóng)產(chǎn)品電商營(yíng)銷缺乏用戶數(shù)據(jù)挖掘與分析，對(duì)目標(biāo)用戶的定位不夠精準(zhǔn)。在對(duì)用戶畫像概念與應(yīng)用分析基礎(chǔ)上，對(duì)用戶畫像構(gòu)建的關(guān)鍵流程與技術(shù)進(jìn)行梳理與闡述，構(gòu)建農(nóng)產(chǎn)品用戶畫像精準(zhǔn)營(yíng)銷機(jī)制與邏輯框架，并利用某特色農(nóng)產(chǎn)品電商消費(fèi)數(shù)據(jù)進(jìn)行應(yīng)用實(shí)例論證與分析。該研究有效地完成了某電商平臺(tái)用戶數(shù)據(jù)采集、數(shù)據(jù)分析和用戶畫像構(gòu)建，實(shí)現(xiàn)針對(duì)農(nóng)產(chǎn)品的精準(zhǔn)營(yíng)銷、個(gè)性化推薦和消費(fèi)預(yù)測(cè)分析等，為農(nóng)產(chǎn)品電商行業(yè)發(fā)展提供建議。

關(guān)鍵詞：農(nóng)產(chǎn)品；精準(zhǔn)營(yíng)銷；用戶畫像；數(shù)據(jù)挖掘；電商

中圖分類號(hào)：S24 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1795（2024）01-0050-06

DOI：10.19998/j.cnki.2095-1795.2024.01.009

0 引言

隨著大數(shù)據(jù)技術(shù)的應(yīng)用與發(fā)展，采用數(shù)據(jù)深度挖掘進(jìn)行信息的精細(xì)化分析，并制定智慧決策逐漸成為國(guó)內(nèi)外研究人員的研究熱點(diǎn)。其中，用戶畫像技術(shù)由于具備精準(zhǔn)分析用戶特征、描繪用戶行為的特點(diǎn)，是目前國(guó)內(nèi)外數(shù)據(jù)分析較常使用的工具之一。目前，用戶畫像技術(shù)為不同方向的數(shù)據(jù)分析提供服務(wù)，如在市場(chǎng)推廣和市場(chǎng)營(yíng)銷過(guò)程中采用用戶畫像技術(shù)對(duì)銷售產(chǎn)品的潛在用戶進(jìn)行分析，繼而針對(duì)某些特定消費(fèi)群體進(jìn)行廣告投放，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷；在效果評(píng)價(jià)與效果評(píng)估中引入用戶畫像分析方法提升產(chǎn)品運(yùn)營(yíng)數(shù)據(jù)的精準(zhǔn)性，進(jìn)而提升服務(wù)質(zhì)量，達(dá)到快速精準(zhǔn)定位目標(biāo)消費(fèi)人群并為其提供高質(zhì)量服務(wù)的目的；在推薦系統(tǒng)中引入用戶分析方法構(gòu)建用戶行為標(biāo)簽作用于推薦系統(tǒng)以提高推薦的準(zhǔn)確性和多樣性。

2022 年2 月國(guó)務(wù)院印發(fā)的《“十四五”推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī)劃》中指出，加快數(shù)字鄉(xiāng)村建設(shè)要發(fā)展智慧農(nóng)業(yè)，建立和推廣應(yīng)用農(nóng)業(yè)農(nóng)村大數(shù)據(jù)體系，推動(dòng)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能及區(qū)塊鏈等新一代信息技術(shù)與農(nóng)業(yè)生產(chǎn)與經(jīng)營(yíng)深度融合。與普通商品相比，農(nóng)產(chǎn)品具有品種繁多、數(shù)量大、生產(chǎn)地域性與需求普遍性存在矛盾及營(yíng)銷渠道要求高等特征，因此使用現(xiàn)代信息技術(shù)和大數(shù)據(jù)技術(shù)幫助其進(jìn)行精準(zhǔn)營(yíng)銷顯得尤為重要。

目前，用戶畫像技術(shù)的應(yīng)用研究領(lǐng)域進(jìn)一步拓展到農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷方面，但是仍然存在應(yīng)用產(chǎn)品種類單一、精準(zhǔn)營(yíng)銷與個(gè)性化推薦算法不明確、營(yíng)銷結(jié)果缺乏科學(xué)評(píng)價(jià)機(jī)制等諸多問題。針對(duì)上述問題，本研究對(duì)用戶畫像構(gòu)建的關(guān)鍵流程進(jìn)行梳理，構(gòu)建農(nóng)產(chǎn)品用戶畫像，利用標(biāo)簽算法與聚類算法提出農(nóng)特產(chǎn)品精準(zhǔn)營(yíng)銷與個(gè)性化推薦算法，構(gòu)建農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷機(jī)制，利用電商技術(shù)與大數(shù)據(jù)手段為鄉(xiāng)村振興背景下的農(nóng)產(chǎn)品行業(yè)發(fā)展提供建議。

1 用戶畫像技術(shù)提出與應(yīng)用

1.1 用戶畫像技術(shù)提出

用戶畫像技術(shù)由交互設(shè)計(jì)之父埃蘭·庫(kù)伯（AlanCooper）在1999 年提出并運(yùn)用于軟件開發(fā)中，他對(duì)用戶畫像的定義是對(duì)真實(shí)存在用戶的虛擬表示，是建立在一系列屬性數(shù)據(jù)之上的目標(biāo)用戶模型。QUINTANA R M等[1] 在Alan Cooper 的用戶畫像定義基礎(chǔ)上進(jìn)行了補(bǔ)充，認(rèn)為用戶畫像是海量用戶信息構(gòu)成的一種形象集合，能代表群體用戶的需求偏好。隨著大數(shù)據(jù)技術(shù)深入發(fā)展，用戶畫像作為大數(shù)據(jù)時(shí)代對(duì)用戶信息進(jìn)行標(biāo)簽化的有力工具，又有了新的內(nèi)涵。李雅潔[2] 認(rèn)為，用戶畫像是大數(shù)據(jù)技術(shù)與用戶數(shù)據(jù)之間的橋梁，它將目標(biāo)用戶的特征屬性標(biāo)簽化，每個(gè)標(biāo)簽代表用戶的一種維度，用戶模型將由所有的標(biāo)簽共同描述。

用戶畫像技術(shù)是通過(guò)數(shù)據(jù)挖掘、數(shù)據(jù)分析等技術(shù)刻畫用戶的屬性與行為，利用標(biāo)簽構(gòu)建算法形成用戶標(biāo)簽數(shù)據(jù)，進(jìn)而概括用戶的各類需求與行為偏好，這一技術(shù)的提出與發(fā)展對(duì)國(guó)內(nèi)外各領(lǐng)域數(shù)據(jù)分析與數(shù)據(jù)應(yīng)用的提升都起到極大的推動(dòng)作用。目前，用戶畫像的應(yīng)用主要集中于市場(chǎng)精準(zhǔn)定位、產(chǎn)品精準(zhǔn)營(yíng)銷及個(gè)性化推薦等方面。

1.2 用戶畫像技術(shù)在農(nóng)業(yè)方面應(yīng)用研究

用戶畫像技術(shù)自提出以來(lái)，一直備受數(shù)字技術(shù)領(lǐng)域研究人員關(guān)注。目前，該技術(shù)被較廣泛應(yīng)用于電子商務(wù)產(chǎn)品推薦、圖書情報(bào)個(gè)性化推薦等服務(wù)領(lǐng)域。農(nóng)業(yè)領(lǐng)域的用戶畫像技術(shù)研究與應(yīng)用相對(duì)匱乏，目前主要的研究成果集中在農(nóng)業(yè)服務(wù)個(gè)性化推薦、農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷與農(nóng)業(yè)經(jīng)營(yíng)智慧決策等方面[3]。

1.2.1 農(nóng)業(yè)服務(wù)個(gè)性化推薦

人工智能與大數(shù)據(jù)背景下，個(gè)性化推薦服務(wù)的應(yīng)用研究備受關(guān)注。用戶畫像的構(gòu)建是關(guān)注用戶需求與服務(wù)有效性的表現(xiàn)，在對(duì)用戶信息的數(shù)據(jù)分析基礎(chǔ)上，把用戶的屬性特征以視覺可視方式加以呈現(xiàn)，為個(gè)性化信息推薦服務(wù)提供了新方法[4]。在農(nóng)業(yè)領(lǐng)域，個(gè)性化農(nóng)業(yè)服務(wù)的應(yīng)用研究主要集中于農(nóng)業(yè)情報(bào)推薦、個(gè)性化信息檢索推薦等方面。石毅[5] 選擇農(nóng)業(yè)科技期刊推薦服務(wù)為研究主題，通過(guò)數(shù)據(jù)挖掘與智能推薦，設(shè)計(jì)農(nóng)業(yè)科技期刊用戶特性的畫像設(shè)計(jì)模型，在協(xié)同過(guò)濾機(jī)制作用下設(shè)計(jì)基于農(nóng)業(yè)科技期刊內(nèi)容的推薦算法，進(jìn)行實(shí)現(xiàn)個(gè)性化推薦服務(wù)。甄珠米等[6] 在Web 日志和協(xié)同過(guò)濾算法研究基礎(chǔ)上，優(yōu)化信息檢索推薦功能，設(shè)計(jì)開發(fā)一個(gè)基于Web 日志的水產(chǎn)養(yǎng)殖推薦系統(tǒng)，滿足不同系統(tǒng)用戶的特定信息檢索需求，包括針對(duì)養(yǎng)殖農(nóng)戶的水產(chǎn)品交易信息、養(yǎng)殖技術(shù)與政府優(yōu)惠政策的精確推薦及針對(duì)政府工作人員的農(nóng)戶物聯(lián)網(wǎng)數(shù)據(jù)等。

1.2.2 農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷

隨著農(nóng)產(chǎn)品電商的發(fā)展，研究人員嘗試將用戶畫像技術(shù)融入農(nóng)產(chǎn)品電商，實(shí)現(xiàn)農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷。企業(yè)在應(yīng)用研究基礎(chǔ)上使用用戶畫像技術(shù)，可以通過(guò)分析用戶數(shù)據(jù)得出支撐經(jīng)營(yíng)決策的數(shù)據(jù)與信息，具體包括用戶的消費(fèi)模式、產(chǎn)品偏好、日常瀏覽和興趣記錄等。企業(yè)在數(shù)據(jù)分析基礎(chǔ)上，針對(duì)產(chǎn)品用戶的不同需求提供產(chǎn)品精準(zhǔn)營(yíng)銷服務(wù)。李若楓[7] 設(shè)計(jì)開發(fā)了農(nóng)產(chǎn)品新零售平臺(tái)，并對(duì)用戶歷史訪問記錄進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，通過(guò)移動(dòng)畫像中 K-means 算法和ANN 分類算法抽取用戶不同權(quán)重的實(shí)時(shí)興趣標(biāo)簽，并利用CNN 算法對(duì)用戶標(biāo)簽分類預(yù)測(cè)，利用協(xié)同過(guò)濾算法計(jì)算同用戶畫像偏好農(nóng)產(chǎn)品，實(shí)現(xiàn)農(nóng)產(chǎn)品新零售的精準(zhǔn)營(yíng)銷。李尹舒[8]將用戶畫像技術(shù)運(yùn)用于吉林大米電商數(shù)據(jù)分析中，精準(zhǔn)定位吉林大米目標(biāo)消費(fèi)人群，并運(yùn)用4C 消費(fèi)者營(yíng)銷理論提出針對(duì)吉林大米的電商精準(zhǔn)營(yíng)銷策略與營(yíng)銷方案。

1.2.3 農(nóng)業(yè)經(jīng)營(yíng)智慧決策

用戶畫像技術(shù)的發(fā)展與模型的完善為農(nóng)業(yè)經(jīng)營(yíng)活動(dòng)的數(shù)字化與智能化決策提供理論與技術(shù)支持。于晗笑[9] 利用用戶畫像技術(shù)進(jìn)行標(biāo)簽化計(jì)算， 并利用K-means 算法對(duì)糧食用戶群體與種類進(jìn)行劃分，最后用支持向量機(jī)實(shí)現(xiàn)機(jī)制提出糧食產(chǎn)后損失預(yù)測(cè)模型并進(jìn)行模型評(píng)價(jià)，準(zhǔn)確率達(dá)到92.6%，為相關(guān)行政管理部門制定決策提供了輔助支持。李望月等[10] 從鄉(xiāng)村發(fā)展現(xiàn)實(shí)基礎(chǔ)、鄉(xiāng)村發(fā)展現(xiàn)狀及鄉(xiāng)村發(fā)展行為模式3 個(gè)方面建立了基于大數(shù)據(jù)鄉(xiāng)村畫像的概念模型，探索了數(shù)據(jù)分析基礎(chǔ)上鄉(xiāng)村未來(lái)的研究方向，為鄉(xiāng)村振興布局提供創(chuàng)新型發(fā)展思路。

2 農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷邏輯實(shí)現(xiàn)體系與關(guān)鍵技術(shù)

為更好地解決農(nóng)產(chǎn)品消費(fèi)需求信息掌握不足、營(yíng)銷手段落后、生產(chǎn)端與銷售端信息不對(duì)稱及產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力薄弱等諸多問題，本研究引入用戶畫像技術(shù)與大數(shù)據(jù)分析工具幫助實(shí)現(xiàn)農(nóng)產(chǎn)品電商平臺(tái)的精準(zhǔn)營(yíng)銷推薦、消費(fèi)決策指引、平臺(tái)流量帶動(dòng)，進(jìn)而提升電商平臺(tái)用戶農(nóng)產(chǎn)品消費(fèi)體驗(yàn)，實(shí)現(xiàn)電商賦能、助力鄉(xiāng)村振興的愿景?；谟脩舢嬒窦夹g(shù)的農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷邏輯體系如圖1 所示[11]。

2.1 農(nóng)產(chǎn)品用戶數(shù)據(jù)采集與預(yù)處理機(jī)制

農(nóng)產(chǎn)品用戶數(shù)據(jù)采集主要基于電商平臺(tái)農(nóng)產(chǎn)品銷售的用戶數(shù)據(jù)，包括用戶屬性數(shù)據(jù)、瀏覽數(shù)據(jù)、購(gòu)買行為及評(píng)價(jià)信息等。數(shù)據(jù)導(dǎo)出之后形成的原始數(shù)據(jù)需要進(jìn)行數(shù)據(jù)預(yù)處理工作，主要包括對(duì)數(shù)據(jù)的清洗、異構(gòu)數(shù)據(jù)源的數(shù)據(jù)集成、數(shù)據(jù)規(guī)范處理和屬性規(guī)約等。數(shù)據(jù)預(yù)處理是保障數(shù)據(jù)質(zhì)量的基本環(huán)節(jié)，更是數(shù)據(jù)建模的需要。在數(shù)據(jù)預(yù)處理中，尤其要關(guān)注用戶評(píng)價(jià)信息的處理，該類信息以文本形式為主。文本預(yù)處理主要步驟包括去除無(wú)效評(píng)價(jià)，對(duì)有效評(píng)價(jià)進(jìn)行文本分段、分句、切詞和詞性標(biāo)注等。文本預(yù)處理的目的是過(guò)濾噪聲與干擾數(shù)據(jù)，提高數(shù)據(jù)檢測(cè)與分析的準(zhǔn)確性。

2.2 農(nóng)產(chǎn)品用戶畫像構(gòu)建機(jī)制

將預(yù)處理完成的有效數(shù)據(jù)分為基礎(chǔ)信息與行為信息兩大類，針對(duì)兩大類別信息建立用戶標(biāo)簽體系，并通過(guò)用戶標(biāo)簽進(jìn)行用戶畫像刻畫，進(jìn)而為農(nóng)產(chǎn)品用戶提供精準(zhǔn)營(yíng)銷的服務(wù)。本研究構(gòu)建的農(nóng)產(chǎn)品用戶畫像標(biāo)簽分為屬性標(biāo)簽、行為標(biāo)簽和偏好標(biāo)簽3 部分。屬性標(biāo)簽包括用戶性別、年齡段、收入水平、消費(fèi)水平、購(gòu)買需求、教育程度和所處地域等，由用戶基礎(chǔ)信息提取、分析形成。行為標(biāo)簽包括社交類型、購(gòu)買類型、促銷靈敏度和評(píng)價(jià)關(guān)注等，通過(guò)機(jī)器學(xué)習(xí)算法（分類、聚類、回歸等）建立數(shù)學(xué)模型分析形成。偏好標(biāo)簽由SPSS 軟件對(duì)屬性數(shù)據(jù)與行為數(shù)據(jù)進(jìn)行頻率統(tǒng)計(jì)形成，是針對(duì)用戶在產(chǎn)品選擇上興趣與關(guān)注程度的統(tǒng)計(jì)與反饋。

2.3 精準(zhǔn)營(yíng)銷機(jī)制構(gòu)建與應(yīng)用

農(nóng)產(chǎn)品用戶畫像構(gòu)建的最終目的是更好地進(jìn)行農(nóng)產(chǎn)品營(yíng)銷，幫助農(nóng)戶與企業(yè)解決產(chǎn)銷信息不對(duì)稱帶來(lái)的諸多問題，提高農(nóng)產(chǎn)品市場(chǎng)營(yíng)銷的針對(duì)性與精準(zhǔn)性，進(jìn)而實(shí)現(xiàn)電商賦能、助力鄉(xiāng)村振興的目標(biāo)。本研究構(gòu)建的基于用戶畫像的農(nóng)產(chǎn)品營(yíng)銷機(jī)制包括農(nóng)產(chǎn)品精準(zhǔn)推薦、個(gè)性化促銷方案制定和消費(fèi)趨勢(shì)預(yù)測(cè)。

2.4 農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷關(guān)鍵技術(shù)分析

采用數(shù)據(jù)?標(biāo)簽映射法構(gòu)建農(nóng)產(chǎn)品用戶畫像，這是一種典型的數(shù)據(jù)驅(qū)動(dòng)用戶畫像方法，通過(guò)對(duì)采集到的用戶全量數(shù)據(jù)進(jìn)行數(shù)據(jù)的預(yù)處理，再利用機(jī)器學(xué)習(xí)算法K-means 算法建立數(shù)學(xué)模型，將建模分析的結(jié)果轉(zhuǎn)化為用戶標(biāo)簽，進(jìn)而形成用戶畫像。數(shù)據(jù)?標(biāo)簽映射法的優(yōu)勢(shì)在于利用大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)對(duì)海量的用戶真實(shí)數(shù)據(jù)進(jìn)行建模定量分析，過(guò)程更加智能和高效，結(jié)果更加可信和具有說(shuō)服力。其中，在用戶?標(biāo)簽映射環(huán)節(jié)的用戶標(biāo)簽信息提取與構(gòu)建方法如下。

（1）原始數(shù)據(jù)層。主要是用mysql 數(shù)據(jù)庫(kù)對(duì)電商平臺(tái)抓取到的農(nóng)產(chǎn)品用戶畫像數(shù)據(jù)進(jìn)行存儲(chǔ)，以及對(duì)原始數(shù)據(jù)的預(yù)處理，包括對(duì)數(shù)據(jù)的去重、刪除、清洗、集成和變換等。

（2）事實(shí)標(biāo)簽層。對(duì)預(yù)處理后的用戶數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，通過(guò)各種統(tǒng)計(jì)策略形成用戶標(biāo)簽，經(jīng)過(guò)直接抽取得到和統(tǒng)計(jì)分析得到的標(biāo)簽都是農(nóng)產(chǎn)品消費(fèi)者的事實(shí)標(biāo)簽。

（3）模型標(biāo)簽層。利用自動(dòng)分類、K-means 算法等機(jī)器學(xué)習(xí)算法對(duì)己有的用戶數(shù)據(jù)進(jìn)行建模分析，通過(guò)挖掘農(nóng)產(chǎn)品消費(fèi)者的深層個(gè)性或群體性特征，進(jìn)行農(nóng)產(chǎn)品消費(fèi)者的價(jià)值分類等工作。

（4）預(yù)測(cè)標(biāo)簽層。采用預(yù)測(cè)算法和協(xié)同過(guò)濾、關(guān)聯(lián)挖掘算法，通常運(yùn)用有監(jiān)督學(xué)習(xí)的方式對(duì)農(nóng)產(chǎn)品消費(fèi)者的未知信息作出合理科學(xué)的預(yù)測(cè)，實(shí)現(xiàn)精準(zhǔn)匹配和個(gè)性化服務(wù)。

綜上所述，用戶畫像維度設(shè)計(jì)與標(biāo)簽體系構(gòu)建是本研究的重點(diǎn)工作之一，合理的畫像維度設(shè)計(jì)與構(gòu)建才能使農(nóng)產(chǎn)品消費(fèi)者的信息更直觀更全面，進(jìn)而更好地實(shí)現(xiàn)精準(zhǔn)營(yíng)銷機(jī)制的構(gòu)建。

3 技術(shù)應(yīng)用與分析

本研究構(gòu)建的基于用戶畫像技術(shù)實(shí)現(xiàn)農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷技術(shù)在某特色農(nóng)產(chǎn)品電商上進(jìn)行了應(yīng)用與實(shí)現(xiàn)，該平臺(tái)包含了浙江省臺(tái)州市各縣區(qū)域的特色農(nóng)產(chǎn)品，產(chǎn)品種類包含涌泉蜜桔、玉環(huán)文旦、臨海西蘭花和仙居楊梅等多種特色農(nóng)產(chǎn)品及其衍生產(chǎn)品。有效地幫助電商平臺(tái)實(shí)現(xiàn)用戶數(shù)據(jù)采集、數(shù)據(jù)分析、用戶畫像構(gòu)建、產(chǎn)品精準(zhǔn)營(yíng)銷及個(gè)性化推薦等業(yè)務(wù)形式。

3.1 特色農(nóng)產(chǎn)品用戶數(shù)據(jù)采集

采集和處理的數(shù)據(jù)來(lái)自臺(tái)州市特色農(nóng)產(chǎn)品仙居楊梅和玉環(huán)文旦。具體數(shù)據(jù)信息包括兩部分：關(guān)于登錄賬號(hào)、用戶性別、用戶年齡和所處地域的用戶基礎(chǔ)數(shù)據(jù)；與用戶行為相關(guān)的行為數(shù)據(jù)，行為數(shù)據(jù)系統(tǒng)主要采集了購(gòu)買記錄和評(píng)價(jià)記錄。采集形成數(shù)據(jù)列表3 000余條，部分?jǐn)?shù)據(jù)信息表如圖2 所示。

3.2 提取特色農(nóng)產(chǎn)品用戶標(biāo)簽

在對(duì)上述數(shù)據(jù)進(jìn)行刪除重復(fù)、過(guò)濾無(wú)效詞語(yǔ)等方式進(jìn)行數(shù)據(jù)預(yù)處理后，通過(guò)LDA 算法模型對(duì)上述數(shù)據(jù)的評(píng)論主題進(jìn)行抽取與形成，具體包括詞頻分析、LDA 模型訓(xùn)練及統(tǒng)計(jì)計(jì)算評(píng)論詞主題概率3 個(gè)步驟。文本數(shù)據(jù)處理主要是針對(duì)用戶基礎(chǔ)信息數(shù)據(jù)、評(píng)價(jià)數(shù)據(jù)和采購(gòu)交易數(shù)據(jù)與信息開展實(shí)施。利用LDA 模型對(duì)上述信息進(jìn)行主題詞的解析與提取，可得出平臺(tái)用戶對(duì)于上述兩種特色農(nóng)產(chǎn)品評(píng)論中最為關(guān)注的10 個(gè)主題特征詞匯，分別是新鮮程度、口感味道、規(guī)格、品類、產(chǎn)地、設(shè)計(jì)包裝、營(yíng)養(yǎng)價(jià)值、物流配送、服務(wù)態(tài)度和售后保障，如表1 所示。提取形成的這10 個(gè)主題特征詞設(shè)置為上述兩種農(nóng)特產(chǎn)品的產(chǎn)品偏好屬性標(biāo)簽，用于用戶畫像屬性構(gòu)建分析。

3.3 特色農(nóng)產(chǎn)品用戶畫像建模

結(jié)合用戶畫像技術(shù)與研究現(xiàn)狀，將電商平臺(tái)的特色農(nóng)產(chǎn)品用戶畫像劃分3 個(gè)方面，分別是用戶基礎(chǔ)屬性、用戶行為屬性和用戶偏好屬性。根據(jù)仙居楊梅和玉環(huán)文旦兩種特色農(nóng)產(chǎn)品在電商平臺(tái)反饋評(píng)論中提取的主題詞匯，確定上述特色農(nóng)產(chǎn)品電商消費(fèi)群體用戶畫像的屬性因素。用戶基礎(chǔ)屬性包含了大多數(shù)電商平臺(tái)應(yīng)涵蓋的用戶基礎(chǔ)數(shù)據(jù)，如用戶性別、年齡、收入水平、所在區(qū)域、職業(yè)身份和受教育程度等；用戶行為屬性包含了消費(fèi)行為與電商行為兩方面的屬性維度；用戶偏好屬性則包含了消費(fèi)者對(duì)于特色農(nóng)產(chǎn)品在品牌選擇、包裝規(guī)格、口感偏好和新品關(guān)注度等方面因素。特色農(nóng)產(chǎn)品電商消費(fèi)者用戶畫像屬性構(gòu)建如圖3 所示。

3.4 特色農(nóng)產(chǎn)品用戶畫像數(shù)據(jù)可視化

利用可視化工具形成了仙居楊梅和玉環(huán)文旦兩類特色農(nóng)產(chǎn)品的電商消費(fèi)者用戶畫像，采用標(biāo)簽云的形式展現(xiàn)這兩種產(chǎn)品的用戶基礎(chǔ)屬性、用戶行為屬性與用戶偏好特征。標(biāo)簽云模型具有直觀形象、深刻具體、動(dòng)態(tài)更新等優(yōu)點(diǎn)，標(biāo)簽云關(guān)鍵詞會(huì)隨著平臺(tái)用戶數(shù)量的增加、產(chǎn)品類目的豐富、促銷活動(dòng)的開展及客戶關(guān)系的維護(hù)動(dòng)態(tài)更新，可以為特色農(nóng)產(chǎn)品的精準(zhǔn)營(yíng)銷提供思路。仙居楊梅與玉環(huán)文旦兩種特色農(nóng)產(chǎn)品用戶畫像可視化形成的標(biāo)簽云圖如圖4 所示。

3.5 特色農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷機(jī)制與策略

分析對(duì)于不同特色農(nóng)產(chǎn)品消費(fèi)者畫像制定相關(guān)的營(yíng)銷策略，如通過(guò)仙居楊梅用戶畫像和玉環(huán)文旦用戶畫像的對(duì)比發(fā)現(xiàn)，數(shù)據(jù)來(lái)源所在電商平臺(tái)上仙居楊梅產(chǎn)品的用戶女性比例更大，玉環(huán)文旦產(chǎn)品的用戶男性比例更大，同時(shí)仙居楊梅用戶復(fù)購(gòu)頻率更高。購(gòu)買楊梅的用戶更注重包裝，購(gòu)買文旦的用戶更注重產(chǎn)地。這些數(shù)據(jù)結(jié)論與分析對(duì)于商家深入了解目標(biāo)用戶的購(gòu)買需求并為后續(xù)開展更精準(zhǔn)的電商營(yíng)銷策略打好基礎(chǔ)。針對(duì)上述結(jié)果，提出產(chǎn)品差異化、價(jià)格差異化和提高電商服務(wù)水平等措施。在產(chǎn)品差異化上，農(nóng)產(chǎn)品銷售企業(yè)根據(jù)目標(biāo)用戶的需求特征與消費(fèi)趨勢(shì)，提供具有定制化、個(gè)性化特點(diǎn)的農(nóng)產(chǎn)品營(yíng)銷方案，如個(gè)性化包裝設(shè)計(jì)、IP 人物打造和自媒體私域定向推廣等。在價(jià)格差異化上，對(duì)目標(biāo)用戶的基礎(chǔ)屬性、行為屬性和偏好特征進(jìn)行分析，挖掘其內(nèi)在消費(fèi)需求與購(gòu)買動(dòng)力，刻畫目標(biāo)用戶的消費(fèi)能力、產(chǎn)品忠誠(chéng)度和關(guān)注偏好等方面的特征，并在上述分析基礎(chǔ)上制定針對(duì)用戶群體需求的差異化定價(jià)策略，包括會(huì)員機(jī)制、促銷折扣手段和團(tuán)購(gòu)套餐等。在提高電商服務(wù)水平方面，根據(jù)用戶的反饋提出提升物流配送服務(wù)質(zhì)量，完善售后服務(wù)質(zhì)量保障，豐富網(wǎng)絡(luò)營(yíng)銷推廣方式等措施[12]。

4 結(jié)束語(yǔ)

近年來(lái)，隨著我國(guó)鄉(xiāng)村振興戰(zhàn)略的實(shí)施，電商助農(nóng)、電商興農(nóng)的舉措也越加豐富化，農(nóng)產(chǎn)品電商營(yíng)銷模式發(fā)展較快。然而，受到信息化、大數(shù)據(jù)分析技術(shù)應(yīng)用門檻較高、應(yīng)用覆蓋范圍較小等影響，農(nóng)戶與農(nóng)產(chǎn)品銷售企業(yè)在產(chǎn)品營(yíng)銷過(guò)程中無(wú)法獲取和分析大數(shù)據(jù)時(shí)代所產(chǎn)生的海量農(nóng)產(chǎn)品營(yíng)銷數(shù)據(jù)，因此無(wú)法有效了解該類用戶的群體特征、消費(fèi)心理與消費(fèi)需求，選擇的農(nóng)產(chǎn)品營(yíng)銷策略與手段也依然更多依靠個(gè)人的主觀判斷，農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷能力薄弱。本研究構(gòu)建了基于用戶畫像技術(shù)的農(nóng)產(chǎn)品精準(zhǔn)營(yíng)銷邏輯體系，并以仙居楊梅和玉環(huán)文旦兩種特色農(nóng)產(chǎn)品為研究對(duì)象展開實(shí)踐應(yīng)用闡述。在構(gòu)建農(nóng)產(chǎn)品用戶畫像時(shí)，采用數(shù)據(jù)?標(biāo)簽映射法，建立訓(xùn)練模型，形成以基礎(chǔ)屬性、行為屬性與偏好屬性為主的用戶標(biāo)簽數(shù)據(jù)，并通過(guò)可視化方式形成用戶畫像。最后，根據(jù)形成的用戶畫像為用戶提供產(chǎn)品精準(zhǔn)營(yíng)銷、個(gè)性化推薦等精準(zhǔn)營(yíng)銷策略。

提出的用戶畫像技術(shù)在農(nóng)產(chǎn)品電商營(yíng)銷中的應(yīng)用是一次有益的嘗試，有助于農(nóng)產(chǎn)品電商企業(yè)與農(nóng)戶為平臺(tái)消費(fèi)者提供精準(zhǔn)推薦、智慧指引與個(gè)性化促銷服務(wù)，幫助企業(yè)調(diào)節(jié)所銷售產(chǎn)品市場(chǎng)的供需關(guān)系，實(shí)行動(dòng)態(tài)定價(jià)，最大限度地挖掘市場(chǎng)的潛在收益，引導(dǎo)客戶購(gòu)買產(chǎn)品，提升營(yíng)銷效果和降低成本以促進(jìn)產(chǎn)品銷售，最終擴(kuò)大農(nóng)產(chǎn)品的市場(chǎng)份額，提高農(nóng)戶收入水平，促進(jìn)農(nóng)特產(chǎn)品可持續(xù)發(fā)展，加速推進(jìn)農(nóng)產(chǎn)品特色區(qū)域產(chǎn)業(yè)化，進(jìn)而實(shí)現(xiàn)激發(fā)鄉(xiāng)村振興新動(dòng)能的目的。