乐天堂VIP,lh电竞官网,猫先生电竞

來源：互聯網

用戶畫像（英文：User portrait）是一套全面關于用戶信息的標簽，給公司提供決策（商業業務的分析）。用戶畫像最初是在電商領域得到應用的，阿蘭·庫珀（Alan cooper）在1999年提出了用戶畫像的概念。隨著大數據時代的到來，用戶畫像開始逐漸在各方面領域應用，從根據用戶本人的需求開發，轉變為以搜集用戶數據進行分析而進行開發。

用戶畫像的原理是，制定一套全面代替“人”的標簽，進而代替用戶，預測用戶喜歡的內容。用戶畫像是真實用戶的虛擬代表，基于真實數據形成不同類型的用戶畫像，一個產品通常需要4-8種類型的用戶畫像。用戶畫像的標簽類型分為統計類標簽、規則類標簽和機器學習挖掘標簽3大類。用戶畫像的PERSONAL八要素包括：P代表基本性(Primary)，E代表同理性(Empathy)，R代表真實性(Realistic)，S代表獨特性(Singular)，O代表目標性(Objectives)，N代表數量性(Number)，A代表應用性(Applicable)，L代表長久性(Long)。

用戶畫像是利用大數據技術對不同類型的人群的進行分析，并為這些人提供出個性化服務，同時給企業帶來商業價值。用戶畫像的應用產生的影響呈現兩極分化。一方面用戶畫像應用于服務業、教育、公共服務和制造業供應鏈等等正面影響方面。另一方面有信息泄露、信息繭房等產生的負面影響。

起源

用戶畫像最早是美國人阿蘭·庫珀（Alan cooper）在1999年Inmates Are Running the Asylum, the Why High-Tech Products Drive Us Crazy and How to Restore the Sanity的初版提出的。他在應用用戶畫像時，將用戶分為不同類型，并利用行為、性別和偏好等要素對用戶進行描述，形成真實用戶的虛擬代表，這種用戶畫像被稱作“User Persona”。這是一種定性研究方法，能夠直接將用戶的核心訴求展現出來。

大數據(Big 數據)時代到來之前，大數據是指信息爆炸時代產生的海量數據。這開辟了新的市場，企業積累了大量的用戶數據，企業以前的技術無法滿足實現精準的用戶需求的服務模式，用戶畫像為解決這種難題而被提出。用戶畫像的定義是一個演變的過程。但隨著“大數據”時代的到來，開發一款軟件，從根據用戶本人的需求開發，轉變為以搜集用戶數據進行分析而進行開發，（定義為標簽作為用戶的特征標識，通過標簽描述用戶），這種用戶畫像稱為 “User Profile”，這屬于數據驅動的定量研究。“User 人格面具”和 “User Profile”雖然表述不一樣，但基本內涵一樣。隨著大數據發展，統計方法在用戶畫像中的應用研究占有重要位置，逐漸在各方面領域應用。

標簽類型

用戶畫像標簽化既方便人理解，又方便計算機的處理。因搜集的數據同時也受時間、地點限性的影響，可以分為動態標簽和靜態標簽。用戶畫像的數據根據應用實際，又可以分為一級標簽和二級標簽（如省包含市）。但一般情況下，用戶畫像的標簽分為統計類標簽、規則類標簽和機器學習挖掘標簽，其中前兩類占開發應用的比例較大。用戶畫像的標簽化初步制定后，再進行評估用戶畫像的標簽的合理性，不合理的標簽進行更改，合理的采用。

統計類標簽

統計類標簽是對用戶畫像的數據進行分類的統計標簽，也是最基礎、最常見的用戶畫像標簽。如性別、年齡和地區等。地區類標簽又可以包含二級標簽。通過這些基礎的用戶畫像標簽，軟件公司就可以統計，性別比例、年齡比例和地區分類等，為用戶畫像的建立做前期的準備。

規則類標簽

規則類標簽是根據用戶畫像的數據中用戶的歷史行為，結合特定的規則而確立的。例如在進行統計消費信息時，將一月內“消費次數>2”，統計成“高次數消費人群”標簽。

機器學習挖掘標簽

機器學習挖掘標簽，主要應用于用戶畫像的需求預測，開發難度大、周期長。如根據已有的用戶畫像數據，進行預測用戶的喜好，又或者進行視頻推薦，這就達到了建立用戶畫像的最終目的，即商業目的。

應用

用戶畫像是開發軟件中的一項技術。用戶畫像的落地應用，公司要提前準備相關工作，然后應用用戶畫像技術等技術，最后進行后續工作。

應用場景

用戶畫像具體應用的方面除了上述以外，還可以應用在服務業如視頻推薦，教育方面如預防惡性校園貸和人才培養等方面。也可以應用在公共服務和制造業供應鏈等等方面。

這里以視頻推薦、預防惡性校園貸和人才培養舉三個應用方面例子。視頻推薦：帶來用戶滿意度高的推薦。以抖音為例，抖音用戶的黏性高，以“娛樂消遣”為主要的內容，生活類、搞笑類視頻更受歡迎，對視頻也更為接受。預防惡性校園貸：如脫離父母管控，沒有能力還款的大學生，容易在不合法平臺，開始貸款。這項技術可以，警示學校關注重點人群，做到事前把控。人才培養：可以為圖書館一直全新的服務，擴寬思路，為學校人才培養提供服務。

用戶畫像開發及涉及技術流程，以抖音APP建立為例，首先建立數據庫用來儲存信息。其次搜集信息，抖音首先關注用戶歷史瀏覽偏好、使用環境，以及年齡、職業、性別等人口統計學特征。關注用戶的行為反饋，如點擊、觀看、收藏、評論。再進行上傳，以達到搜集數據。然后進行用戶畫像的數據分析，首先要進行刪除無關的數據（降維），然后制定標簽，拿抖音用來“消遣”的動機占比高達93.68%，其次是“社交”和“學習”，再進行細分，“生活類”“搞笑類”視頻更加受歡迎，這些標簽用來分類，并把這些數據進行儲存，然后根據新發布的視頻按標簽分類，推薦給不同用戶畫像類型相同的人們，這些數據同樣也要搜集，抖音再拿這些數據進行分析，并進行算法的優化，這些分析報告抖音也會發布出來，如抖音生活服務2022酒旅專題報告，從用戶對抖音的用戶畫像算法推薦的視頻接受度較高，這也造成了導致用戶沉溺。

開發與技術

準備

用戶畫像是在搜集軟件公司搜集完用戶數據，對用戶進行分析的一項技術。在進行用戶畫像分析前，公司要做些準備工作，首先需要建立服務平臺，給用戶提供服務，同時進行管理（搜集、存儲）數據。其次，公司需要簡單統計數據，以及可視化操作。然后公司進行用戶畫像的數據分析。

涉及技術

公司開始利用用戶畫像、用戶行為分析等技術，為進行個性化的推薦做準備。

搜集和存儲

用戶畫像的數據的搜集技術包括爬行綱技術，這是為用戶畫像提供原始素材。搜集的數據同時也受時間、地點限制的影響，因此需要建立動態的搜集數據。用戶畫像的數據需要用數據庫儲存。

數據分析

用戶畫像的數據分析類技術包括降維、標簽制定和判定、分類、數據架構建立和知識的推理（預測）。降維，指處理用戶畫像數據之前，還需要刪除無用的信息，如一些語氣詞“的、了”。標簽制定和判定，用戶畫像建模其實就是對用戶“打標簽”，例如根據不同的標簽的重要性，進行數學計算，如喜歡“喜劇電影“的人多，就把“喜劇電影”單獨作為一個標簽。

分類被認為是數據分析的最基本形式之一，例如把喜歡相同內容的人歸類。數據架構建立包括進行分類儲存、調度數據，如把喜歡喜劇的人的數據，創建命名“喜劇”的數據庫里，也方便以后的“拿取”。知識的推理（預測喜歡什么），可根據已知的用戶畫像數據，推薦給用戶可能喜歡的內容，如一部“喜劇”的電影，可以推薦給用戶畫像標簽為“喜歡喜劇”的人們。

可視化

用戶畫像的數據體現包括可視化技術。可視化可以幫助人們做決策，可以體現某一部分變量和指標對人們有用。主要有基本圖（條形圖、折線圖和散點圖）、分布圖（箱形圖和直方圖），還有交互式可視化圖像，以及具有特殊結構（分層、網絡和地理）的數據的專用圖，如應用于商業業務的分析，視頻平臺公司可以制作詞云來表達用戶對高分電影的偏好，如圖例。

此外可視化還應用于政務數據、無人服務臺、監督和智慧校園等方面。

開發

在進行完用戶畫像分析后，公司進行后續工作，公司管理層進行決策，選出運行策略。然后開發軟件，公司首先確定服務的人群。其次把任務分解給不同部門，并進行市場調研。然后，公司內部人員討論問題并確定需求。最后，公司進行開發測試軟件。

影響

正面影響

服務產業

用戶畫像可以幫助公司更好地掌握用戶偏好，優化產品，制定運營策略，為用戶提供更有針對性的服務。例如算法推薦機制，可以在海量數據中實現內容精準分發，也擴大了用戶以低成本接觸信息的范圍，公司也實現個性化服務，同時通過發布廣告來進行營收，這便提高了公司的生存能力、競爭力和營收能力等等。

教育

除了上述方面，還包括基于用戶畫像技術設計的知識圖譜，更加全面反映人對知識掌握情況，這種數據結構也便于被機器理解。知識圖譜提供了一種組織、管理和理解海量用戶信息的方法，進一步完善用戶畫像體系，這也降低了更新迭代成本。這便可以幫助人們更好的掌握知識，去進行個性化學習。

公共服務

通信

用戶畫像可以幫助基站的建設，提供更好的通信服務質量。如，先收集撥打時間、基站坐標和網絡請求時間等等，然后建立不同的位置的通信用戶畫像，這些數據也可以推測出用戶的工作方式、住家地點、工作地點、生活規律、出行方式等等方面，提供更好的通信服務。

水、電、氣

通過用戶畫像技術建立智慧水務平臺、電力調度平臺和燃氣決策平臺。這也是通過先收集不同地區，不同用戶的使用數據，然后建立不同地區、不同用戶的大小標簽，進行資源調度，滿足人們的資源需求。

防詐騙

用戶畫像應用于防詐騙，根據搜集到的被詐騙對象進行標簽制定，制定出的統計類標簽“性別、年齡比例”，根據統計，標簽為“男性、青年”被詐騙的多，進一步根據搜集到的數據，預測可能被詐騙的人群的用戶畫像，進行防詐騙預警。

負面影響

信息繭房

軟件公司在設計推薦系統時，利用用戶畫像技術，為用戶提供精準的服務，加之用戶對這些服務有需求，用戶于是便將自己禁在這樣的“信息繭房”。

2006年，凱斯·桑斯坦教授的《信息烏托邦》提出，指讓人感興趣的信息如“蠶絲”，人們把自己用“蠶絲”包裹起來，用戶沉迷其中，并以此產生的相關技術。相關理論有“回聲室效應”和“過濾氣泡”。回聲室效應，不僅包含信息繭房，還涉及公眾媒體發布的同質化信息，影響了公眾對于事件信息的準確的認知與判斷。過濾氣泡，是在信息繭房和回聲室效應的結合升級形態，同時包含群體極化效應，即群體觀點便是“主流觀點”。

使用用戶畫像等技術設計的推薦系統，青少年在這些被設計的系統內，容易被其內容吸引，耗費了不少時間、精力，在這一過程中，青少年易與家人產生糾紛。

信息泄露

因為用戶畫像的應用首先需要搜集個人信息。而用戶畫像的建立過程中，都有個人隱私的保護問題。2021年11月1日《中華人民共和國個人信息保護法》正式施行。保護信息不被泄露，這需要人們的共同遵守。相關的事件有臉書數據門、學生信息泄露和消費者信息泄露等。

必威电竞|足球世界杯竞猜平台

起源