基于购买决策过程的电子商务用户画像应用研究

刘蓓琳+张琪

内容摘要：电子商务行业竞争日趋激烈，如何更好的为用户提供个性化服务是企业面临的难题。本文将用户画像技术应用于电子商务用户购买决策过程中，提升企业在需求获取、个性化推荐、个性化服务、用户满意度管理和信用评价五个阶段的服务水平，并从用户画像维度划分、属性确定以及属性抽取方法三个方面对购买决策过程中的电子商务用户画像应用进行研究。

关键词：用户画像 电子商务用户 购买决策过程 大数据

概述

据统计，2016年上半年中国网购用户规模达4.8亿人，中产阶级电子商务消费群体的崛起使得企业由以“产品”为中心向以“用户”为中心转换，如何更好的了解用户需求，以推动用户购买决策的形成成为企业急需解决的问题。用户画像技术本质是指企业在大数据环境下，洞察用户信息，全面准确的刻画用户的维度与属性，使企业能深入研究用户特征与行为以更加精准的掌握用户需求，从而更好的服务于用户。

电子商务用户购买决策分析

电商用户的购买决策过程仍遵循传统消费者行为理论，即确认需求、信息搜寻、评估选择、购买决策和购后评价五个阶段。在此基础上引入管理学的全过程管理理念，电商用户购买决策过程可分为“购前、购中、购后”三个环节，主要包括需求获取、个性化推荐、个性化服务、用户满意度管理、信用评价五个阶段，如图1所示。在这三个环节五个阶段中，用户画像技术都能帮助企业洞察用户需求，以便企业为用户提供更好的服务。

现有用户画像技术应用研究

（一）需求获取

洪婷婷（2015）通过构建用户画像标签库进行人群分类以精准获取用户需求。孙晔等（2016）利用用户画像技术精准获取用户需求以推进商业银行的转型和业务发展。马安华（2013）通过构建电信用户画像以获得用户需求，实现能自修正的精准营销系统。刘海（2016）基于4C理论构建“用户画像”数据库获取消费者需求，以实现个性化的精准营销。

（二）个性化推荐

张小可等（2016）利用贝叶斯网络构建可扩展的用户画像，以实现用户兴趣变化的动态推荐。刘鹏等（2016）通过划分属性、兴趣维度构建可扩展的用户画像，以提高个性化推荐的精度。王智囊（2016）通过构建医学画像库，并依此实现医学个性化推荐系统。徐凯（2016）提出基于用户画像技术的协同过滤算法，以提高个性化推荐的准确度。

（三）个性化服务

侯金凤等（2016）构建用户画像模型旨在为用户提供个性化服务。黄文彬等（2016）从移动用户频繁活动、规律行为以及移动速度三个维度构建移动用户画像，为个性化服务提供更全面的数据支持。张恒等（2016）通过构建车主用户画像旨在为用户提供精准的个性化服务。

（四）满意度管理

李映坤等（2016）通过构建用户画像以管理用户满意度，并定制相应挽留策略。戴桓宇（2016）利用用户投诉文本描绘用户画像，并依此进行用户满意度管理。张丽娟等（2017）挖掘用户潜在需求并构建电信用户画像，以进行用户维系与满意度的管理。

（五）信用评价

林汉川（2016）采用随机森林结合Logistic回归的模型来构建用户画像旨在精准地评估用户信用风险。丁伟等（2016）利用通信运营数据构建手机用户画像，并应用于个人征信领域。孙晔等（2016）通过用户画像技术挖掘商业银行征信数据，测评用户信用等级控制风险。

综上所述，用户画像技术能够应用于电子商务用户购买决策的全过程，以帮助企业更好的服务于用户，提高企業竞争力。

电子商务用户画像构建研究

目前电子商务行业中用户画像技术主要应用于用户画像维度划分、用户画像属性确定以及用户画像属性抽取三个方面的研究。

（一）用户画像维度划分

构建用户画像需要划分用户画像维度，即从哪些关键角度对用户进行洞察与分析。通过对国内20篇有代表性的文献进行疏理，将用户画像维度划分方法做归纳总结（见表1）。

现有研究成果中用户画像维度的划分不尽相同。本文对相似的用户画像维度进行归纳，总结了19篇研究文献中提及度较高前六个维度（见表2）。

（二）用户画像属性确定

本文从基本属性、兴趣属性、社交属性、行为习惯、心理特征和用户价值六个维度对现有研究文献中的用户画像属性确定方法进行总结（见表3）。

（三）用户画像属性抽取

目前，用户画像属性抽取的数据挖掘方法主要包括聚类、关联规则及机器学习等。

基于聚类的用户画像属性抽取方法是一种无监督模式识别并划分用户属性的方法，根据电子商务用户的特征相似程度将同类用户聚合，抽取能够刻画各聚类的属性值。

基于文本挖掘的用户画像属性抽取方法是一种从大量文本中抽取潜在知识的方法，主要分析挖掘用户相关的文本，从中抽取用户兴趣、购买习惯、上网行为等属性。

基于关联规则的用户画像属性抽取方法是寻找同一个事件中出现不同项的相关性的方法，主要通过对用户的属性挖掘分析得到某种类别用户的典型属性及属性的关联情况以抽取用户兴趣、购买习惯以及上网行为。

基于机器学习的用户画像属性抽取方法是一种通过数据、经验等模拟实现人类的学习行为以获取新知识的方法，主要用于预测用户兴趣、行为等。

现有研究文献中的用户画像属性抽取方法总结如表4所示。

综上所述，将用户画像技术应用于电子商务用户购买决策过程，能够更好的洞察用户在不同阶段的需求。结合消费者购买决策过程与全过程管理理念，分为“购前、购中、购后”三个环节的电子商务用户购买决策过程，主要包括需求获取、个性化推荐、个性化服务、用户满意度管理、信用评价五个阶段。通过文献梳理，总结电子商务用户购买决策过程中用户画像技术的应用，从用户画像的维度划分、属性确定以及属性抽取方法三个方面对基于购买决策过程的电子商务用户画像应用进行了研究。endprint

参考文献：

1.莫岱青.《2016年（上）中国电子商务市场数据监测报告》发布[J].计算机与网络，2016（18）

2.刘业政.网络消费者行为[M].科学出版社，2011

3.洪婷婷. 互联网广告人群标签库的设计及投放规则挖掘[D].中国科学院大学，2015

4.孙晔，杨照东，陈德华.大数据用户画像技术在商业银行的应用[J].数字通信世界，2016（9）

5.马安华.基于用户行为分析的精确营销系统设计与实现[D].南京邮电大学，2013

6.刘海.大数据时代服装精准营销下的服务策略研究[D].上海工程技术大学，2016

7.张小可，沈文明，杜翠凤.贝叶斯网络在用户画像构建中的研究[J].移动通信，2016，40（22）

8.刘鹏.基于Spark的数据管理平台的设计与实现[D].浙江大学，2016

9.王智囊.基于用户画像的医疗信息精准推荐的研究[D].电子科技大学，2016

10.徐凯.基于主题抽取演化模型的实时新闻推荐系统[D].广东工业大学，2016

11.侯金凤.移动互联网下手机用户使用行为特征的研究[J].电脑知识与技术，2016，12（7）

12.黄文彬，徐山川，吴家辉.移动用户画像构建研究[J].现代情报，2016，36（10）

13.张恒，张磊，程新洲.基于大数据的路桥汽车用户线上2C运营方案研究[J].邮电设计技术，2016（8）

14.李映坤.大数据背景下用户画像的统计方法实践研究[D].首都经济贸易大学，2016

15.戴恒宇.基于数据挖掘技术的移动运营商用户投诉数据研究[D].南京大学，2016

16.张丽娟.基于大数据分析的用户画像助力精准营销研究[J].电信技术， 2017，8（1）

17.林汉川，张万军，杨柳.基于大数据的个人信用风险评估关键技术研究[J].管理现代化，2016，36（2）

18.丁伟，王题，刘新海.基于大数据技术的手机用户画像与征信研究[J].邮电设计技术，2016（3）

19.孙晔，杨照东，陈德华.大数据用户画像技术在商业银行的应用[J].数字通信世界，2016（9）

20.陈志明，胡震云.UGC网站用户画像研究[J].计算机系统应用，2017，26（1）

21.王庆福.贝叶斯网络在用户兴趣模型构建中的研究[J].无线互联科技，2016（12）

22.王智囊.基于用戶画像的医疗信息精准推荐的研究[D].电子科技大学，2016

23.黄文彬，吴家辉，徐山川.数据驱动的移动用户行为研究框架与方法分析[J].情报科学，2016，34（7）

24.刘海，卢慧，阮金花.基于“用户画像”挖掘的精准营销细分模型研究[J].丝绸，2015，52（12）

25.王文璐.基于用户大数据的海尔集团线上精准营销研究[D].东北农业大学，2015

26茅明睿，王良. 基于某电子商务公司用户数据的市民画像及应用思考[C]// 中国科协年会. 2015

27.张哲.基于微博数据的用户画像系统的设计与实现[D].华中科技大学，2015

28.高玉龙.基于文本挖掘的用户画像研究[D].汕头大学，2014

29.徐翔斌，王佳强，涂欢，穆明.基于改进RFM模型的电子商务客户细分[J].计算机应用，2012（5）

30.侯金凤.移动互联网下手机用户使用行为特征的研究[J].电脑知识与技术，2016，12（3）

31.李冰，王悦，刘永祥.大数据环境下基于K-means的用户画像与智能推荐的应用[J].现代计算机（专业版），2016（24）

32.李宗丽，王计平.基于大数据的定制旅游网站创新设计研究[J].设计，2016（19）

33.王汝军.基于大数据的移动互联网行为分析[D].南京邮电大学，2015

34.戴恒宇.基于数据挖掘技术的移动运营商用户投诉数据研究[D].南京大学，2016

35.张慷.手机用户画像在大数据平台的实现方案[J].信息通信，2014（2）endprint