用户画像构成-信息推荐系统

关于用户画像的构成要素，国外学者David Travis在提出用户画像这一概念时给出了7个基本条件:P(Primary Research，基本性)、E(Empathy，移情性)、R(Realistic，真实性)、S(Singular，独特性)、O(Objectives，目标性)、N(Number，数量)和A(Applicable，应用性)，并将这7个特性的首字母组成PERSONA一词，翻译成中文即为“用户画像”[8]。Lafouge等在研究中将用户特征信息概括为两个方面:与用户个人相关的稳定因素(如个人基本信息、用户行为信息以及习惯信息稳定因素)与可变信息(如检索环境、搜索目标等可能发生变化的因素)；并且围绕这两个方面，他们从以下五个部分信息来构建用户画像模型:用户的状态(USER)、用户目标(UGOAL)、用户认知(KNOW)、用户对系统的熟悉程度(IRS)以及用户背景(BACK)[9]。Guimaraes等通过研究将用户画像的构成要素归纳为:用户的基本素养、学历背景、社会关系、就业情况、地理位置以及时间情境等[10]。国内学者也从不同的角度提出了用户画像的不同构成维度，如陈志明等依据社交网络的特性，将用户画像维度划分为自然属性、社交属性、兴趣属性和能力属性[11]；其中的自然、社交、兴趣属性较好理解，此处的能力属性特指用户生产内容(User Generated Content，UGC)的能力，即社交网络用户输出优质内容的水平高低。张小可等在研究过程中融入了用户的心理特征要素，提出了用户基本属性、社交网络属性、兴趣爱好属性、购买能力行为属性和心理特征属性的五要素用户画像模型[12]。

图8-1　用户画像示意图

综合上述各学者的研究角度，我们在陈志明等[11]的研究基础上将用户画像的构成概括为5个维度:自然属性、社交属性、兴趣属性、行为属性以及能力属性。

①自然属性:指相对稳定和静态的人口统计信息属性，这些信息属性均是先天或后天产生的，例如:性别、地域、受教育程度、职业经历等，自然属性中不同的特征在不同场合下对用户画像建立起着不同的作用，对于每个属性的权重也需要在不同的场合分别考虑。(www.xing528.com)

②社交属性:主要通过用户的社交影响力进行衡量。社交现象主要表现在用户通过与他人或团体之间进行社交互动而对自身的观点、情感、态度和行为产生影响。在对社交属性进行研究探索时，用户的社会影响力是需要考虑的一项重要内容。对于社交影响力的定义，目前的研究大多综合考虑网络拓扑结构及社交节点的相互影响程度，对其进行以下两方面的因素分析:其一是用户的活跃度，具体包括用户关注的人数、关注的话题数、关注的专栏数、提问及回答的数量等。在社交平台越是活跃的用户，其影响其他用户的机会就越大。其二是用户“邻居”的影响力，其中“邻居”等同于用户“粉丝”，均为用户的关注者。社交网络中信息的流动需要这些邻居节点作为传播的载体，因此各节点自身的影响力对社交影响力研究而言也是同样重要的。以微博用户为例，每位微博用户社交产生的行为，例如关注其他用户以及评论、转发、点赞微博内容等，都属于用户之间的常规社交互动行为，反映了用户的社交属性特征。

③兴趣属性:用户在社交网站上初次使用注册时会被要求其选择自己感兴趣的话题，各网站会依此进行相关内容的推荐，因此用户所关注的话题可以看作其显性兴趣；用户在浏览网站的过程中，会对自己感兴趣的话题进行提问、回答与收藏，这些交互信息一定程度上也能反映用户的偏好兴趣，我们将其称为隐性兴趣。

④行为属性:指用户在浏览网页时产生的行为，所产生的行为信息也能很好反映出用户的偏好倾向。通过分析用户的行为日志，便可以挖掘出用户的行为属性特征包括购买偏好、消费区间等。例如，用户在淘宝等网站产生的浏览记录，我们就可以从中挖掘出用户的一个购买倾向以及观察他的消费层次从而预测其偏好的消费区间；再如用户在浏览网站时产生的点击流，我们便可以追踪顾客的购物需求变化，得知其在网站最新的偏好需求，有助于我们主动对用户进行有效的个性化推荐。

⑤能力属性:指用户在网购平台上是否可以提供优质的评价信息，用于评价用户输出优质内容的水平，该属性主要针对那些采用用户生成内容(User Generated Content，UGC)模式的网站。UGC的优势在于用户可以自由上传内容，并且均是主观产生的丰富信息内容，有助于我们对网站用户的分析调查，但由于用户产生的内容质量是参差不齐的，因此用户产出优质内容的能力极其重要，它是网站的核心竞争力，也是我们分析用户属性的一项重要指标。