基于用户画像的高校图书馆精准服务构建-图书馆 校园 市场 后台 馆 架 位 台

      裘惠麟  邵波 （南京大学  南京 210023）[摘 要] 图书馆精准服务是“互联网+”时代的图书馆发展的必然趋势，要实现“精准”必须关注的基础就是用户。文章在对用户画像理念及国内外研究梳理的基础上，从现有大数据利用状况、主观上精准服务转型的需要和客观上该技术执行可行性三方面分析用户画像技术实现高校图书馆精准服务的可行性。最后在搭建图书馆精准服务架构系统的基础上，提出围绕用户画像实现高校图书馆精准服务的技术过程。[关键词] 图书馆 精准服务 用户画像 系统构建在“互联网+”和大数据时代，可以说“精准”是各行业发展的必然之路，也正契合了lib3.0环境下图书馆的新发展思路。而随着互联网技术的深入发展与应用，数据已经成为各行业开展业务活动的重要生产因素，而高校图书馆作为重要的信息服务机构，每天在校师生与科研人员产生的海量用户信息数据也得到越来越广泛的关注。这些数据体现了高校图书馆用户日益个性化、多样化的需求特征，因此国内外学者及图书馆工作人员也越来越关注如何分析、利用这些数据并为用户提供精准化的服务。大数据的典型特征一般是海量、复杂，从概念中析出，可知用户画像即是“大数据”的重要核心，在很多行业、组织内都具有重要作用。例如，电商行业进行精准营销时，一般的电商网站都会建设专门的信息系统以观察并记录存储下用户信息行为，如浏览、点击、购买等行为，从中判断用户的基本属性和增值信息。然后以这些信息作为基础，通过相关算法绘出用户画像，针对这些不同用户的特点进行个性化的营销。因此用户画像也叫用户信息标签化。从图书馆的角度来看，用户从单纯的资源的使用者逐渐变成资源的传播分享者与创造者，在这样的过程中可能会产生更多的用户信息与行为数据。尤其是当今各个高校着力发展建设数字图书馆，在这样的背景过程中，跟踪了解并分析用户需求的变化更显得尤为重要。1 用户画像概述1.1 概念用户画像是真实用户的虚拟代表，其实是建立在一系列真实数据之上的用户模型。通过用户留在网络上的“数字足迹”、或是调查调研来了解用户的兴趣偏好、行为模式，对不同的用户按照特征进行分类，抽取出这些用户的典型特征，并给不同用户赋予名字、照片等一些人口统计学要素的描述，据此就形成了一个人物原型。也就是说，用户画像的核心理念是给不同的用户按照特征“贴标签”，这些标签中部分能够根据用户的行为数据直接得到，而不能直接获取的则需要利用一定的挖掘算法与程序。在标签层面来看，大多数的标签可以在数据统计的基础上建立，例如基本属性、借阅记录、心理偏好等，从而绘制出用户画像。在图书馆环境中而言，用户画像可以理解为在前期对用户大量调研的基础上，抽取与用户信息需求相关的一些关键指标，并模型化析出不同用户的典型特征。准确把握用户信息需求各个方面的特点，图书馆信息营销才有可能实现用户与资源的精确匹配。1.2 研究现状（1）国外研究。对于用户画像这一概念的研究最早起源于国外，由交互设计之父Alan Cooper提出。通过大量的前期调研去了解用户，根据不同用户需求、行为和体现出来的显性或隐性兴趣的差异，对不同类型的用户进行聚类，并从每种类型中析出并赋予典型特征，如一些人口统计学要素、场景等描述。有代表性的研究如Omar Hasan、Benjamin Habegger等人分析了在用户画像的隐私挑战的讨论大数据的技术，Ana Stanescu、Swapnil Nagar 等人也在用户画像建模方面进行了研究，通过关键字与评价进行建模。Paula Peña、Rafael del Hoyo、Jorge Vea-Murguía、Carlos González、Sergio Mayo 等也为推特上的用户集体知识本体用户画像进行了研究。（2）国内研究。国内对于用户画像的研究起步晚于国外。理论方面，较多地集中在计算机领域和营销领域：如利用用户画像技术分析中国移动的手机游戏用户及用户行为的统计学特征，得出手机游戏的目标用户群特征，再进行反向的挖掘。陈劳等以用户画像为技术基础，利用校园网数据进行了相关的计算。也有学者对一些转化率较高的社交媒体的用户行为细分进行画像，对SNS不同的用户类型进行了进一步的区分。在图书情报领域，尤其是图书馆的管理与建设，目前的研究对于用户画像的涉及较少，胡媛、毛宁以用户画像构建数字图书馆知识社区中的关联模型，天津图书馆的刘速以该图书馆为例，探讨了用户画像在图书馆知识发现系统中的应用。应用层面来看，如手机支付领域，国内一些公司从大量习惯用手机支付用户中，对采集的数据进行聚类分析统计，把消费用户划分为3类人群:充值交费群组、消费支出群组以及重度使用群组，便于更多的了解重要用户在使用行为、使用偏好以及用户的心理，进而针对不同用户进行精准、快速的产品研发与服务。此外，根据国内一些企业的建设情况来看，如海尔集团的精准营销、大数据公司泰昌科技的用户数据画像平台等，国内一些领域已经逐渐涉及到用户画像方向的研究并进行了相应的实践应用。2 用户画像技术在图书馆中应用的可行性传统意义上用户画像的主要用途有精准营销、产品研发与优化、数据挖掘、产品定位和个性化服务等。结合笔者之前对于图书馆的精准服务研究的梳理，其实可以将其理解为图书馆以大众化服务为基石，为以市场意识为基础，将精准营销这一理念引入图书馆的建设中，通过一定的功能改造和技术建设，将用户的个性化需求充分纳入到图书馆精准服务的建设中来。那么用户画像作为大数据环境下的用户描述工具，以其在用户描述与建模上具有的巨大优势来看，将用户画像理念与技术引入图书馆精准化服务的建设和改造中，是十分可行的。结合以上对现有研究及用户画像的梳理，笔者从现有大数据利用状况、主观上精准服务转型的需要和客观上该技术实现的可行性三方面，对以用户画像为基础来构建图书馆精准服务的可行性进行分析。2.1图书馆对大数据利用的分散随着大数据时代的来临，高校图书馆本身的数据包括用户在使用过程中产生的各种数据成为一种重要的资源，体现了巨大的价值。但是目前面对范围广、数量庞大的数据资源的过程中，很多行业都遇到了知识迷航、信息过载等诸多问题。即使目前来说，已有一些学者致力于研究新的算法、技术来解决大数据环境下图书馆个性化服务面临的一系列问题，如利用大规模网络分析方法、面向特定对象的信息推送模型、可视化分析系统框架等，但是对于海量数据的挖掘，这些多样化的方法的应用结果，很大概率是较为分散的，只能得到关于用户某些部分，或者说并不全面的有效信息。然而用户画像的构建是依据大数据提取的用户真实数据信息而模拟的用户群体模型，通过对高校图书馆以及用户两方面对象的信息数据的了解，按照建立的模型从这些信息数据里提取出有价值的内容，从而形成的虚拟模型特征是唯一的。所以，将营销领域的用户画像技术引入高校图书馆的建设发展中，可以采取形式化和非形式化结合的手段，生成一个成熟的用户画像模型，能够真正实现以用户为中心的精准化服务，更好的为高校师生与科研人员服务。2.2 精准服务由被动向主动转变的需要不同类型的用户在使用各项图书馆资源和服务时的需求是多样化的，例如对于科研用户来说，可能他们的主要需求的相关专业领域科研成果、学术文献资源，而对于一些没有科研需求的学生来说，可能他们的需求取决于其自身兴趣爱好或者解决生活中问题的需要。因此，为不同类型，乃至不同的用户个体提供有针对性的服务，找准用户需求点，主动地合理匹配资源是实现精准服务中至关重要的。在现今“互联网+”和“双创”潮流的互联网圈里，“用户画像”可以说是一个较为热门的词汇，最典型的就如帮助一些创新型厂商进行产品和服务的“精准营销”。类比而言，在大数据背景下，同样作为一个服务提供方的高校图书馆而言，对不同用户群体进行画像，能够充分体现利用大数据技术实现精准化的主动服务。2.3 技术执行的可行性据目前已有情况来看，用户画像这一技术在计算机和相关营销领域的应用研究，已相对充分的提供了关于用户建模过程、算法及应用的案例。一方面来说，这些其他领域的实践为构建以用户画像为基础构建图书馆精准服务提供了理论支撑与参考，因此，在前期理论研究的基础上，对图书馆精准服务的研究触角可以开始转向精准服务系统的开发与实践。另一方面来说，图书馆本身拥有的大量数据资源及读者、用户在使用过程中产生的大量行为数据、社交网络数据记录两方面内容，是为用户建模、构建完整用户画像的基础保障。从技术角度来说，面对图书馆的海量数据，一大难题就是各种数据源的汇集和处理方式不同，导致了整合数据的成本过高问题。构建完整的用户画像所需的的数据既有结构化数据，也有半结构化和非结构化数据。对于结构化数据系统一般可以直接导入，相对比较容易。但针对非结构化数据来说，从现有技术来看，通过JAVA语言编写采集程序，有面向对象、跨平台、易用高效和平台移植性和安全性等特点，能够针对不同标准、接口的数据实现跨平台数据收集与组织。此外，在大数据兴起的时代，高校图书馆也可以根据自身情况选择外包给大数据公司，购买相关数据处理、分析工具以提高数据处理和分析的效率。3图书馆精准服务系统构建3.1 图书馆精准服务系统总体结构基于以上分析，高校图书馆要实现精准服务，关注的首先与关键都在于对用户需求与兴趣的把握，也就是对用户的需求建立模型并获取分析。用户需求建模即需要通过获取用户的学科专业背景、文化程度、知识资源使用习惯、兴趣偏好等与用户需求趋向相关的信息，并将这些信息进行模型化表示，提取关键特征，为图书馆开展面向不同个体、群体用户的服务组织提供基础和依据 。 根据笔者前文的梳理与理解，本文构建高校图书馆精准服务模型，具体如图1所示。图1 高校图书馆精准服务系统构建框架图以上系统架构是一个逻辑体系上的三层体系结构，包括后台的数据库层，中间的数据处理层和前端的客户层 。具体来看，在本系统中，Web端和移动端的服务器放在客户层，一方面供用户进行内容浏览、信息输入等基本操作，作为后台数据库的主要信息来源，另一方面也是将整个精准系统的智能化服务输出的一个呈现，将用户显性、隐性的兴趣融合起来为其推荐和定制相关的资源、服务；数据、信息的处理等操作放在了中间层，这也将是构建模型、搭建用户画像的主要层面；最后，后台的数据库层主要则是进行数据的存储以及管理。3.2 用户画像对精准服务的技术实现图书馆实现精准服务的一大核心就是“用户个性化信息需求库”的构建。以该库为基础，既可以根据用户的基本信息需求为用户提供所需的信息资源，也能够根据所掌握的信息为用户智能选取、分类网络信息资源并实现主动推送。在以上分析构建的图书馆精准服务系统中，如果以用户画像技术为基础，则可以很系统、完整的实现服务精准化这一目标：通过数据收集、整理、挖掘为用户制定特定标签，再利用这些标签绘制出用户画像。以用户画像为基础，能够系统地形成用户的特征化信息，使模型中馆员和用户双方实现沟通简单化、关联具体化，减少成本，为用户提供更加优化、便捷的服务。因此，考虑以上搭建的图书馆精准服务系统架构，基于用户画像这一理念和工具，具体技术实现过程如下图2所示：图2 基于用户画像的图书馆精准服务技术实现图（1）后台数据库层：源数据采集。后台数据库层主要是对图书馆各类型大数据的存储并管理。根据笔者前文的总结，数据类型既包括结构化数据如传统的纸质、光盘资源等，也包括半结构化和非结构化数据如用户浏览、借阅和管理人员维护数据和不断扩展的视频、音频数据流等。这些数据不仅可以从用户使用的阅读终端（web端、移动端）获得，在lib3.0时代，还可以考虑一些第三方数据源，如微信、邮件共享出来的阅读数据、网络监控日志等处采集。（2）中间层：用户数据处理分析。第一，构建用户标签。从底层的数据库收集完成数据后，图书馆系统就可以根据需要将其分类，例如可以分为个人信息、用户兴趣爱好、用户活跃度等多种标签模型，其中可以包含多个不同的数据指标，根据模型标签内容绘制出初步的用户画像。第二，用户特征化聚类。在前面对用户标签建模的基础上，由于图书馆用户并没有形成一定的社交网络，可以选择基于内容和基于行为的特征对大致同种类型的用户进行聚类，然后能根据这一用户群的典型特征对其进行相关的内容推送、主动的提供其可能需要的资源与服务。内容特征涵盖了文献的标题和类别、用户的个人背景和信息以及体现出来的偏好和兴趣等；用户行为则包括了他们浏览、下载或借阅了哪些文献。在聚类用户特征的过程中，这两者是互为补充、相辅相成的关系。当数据库中并没有充足的用户流量时，可以以内容特征为主要和首选，因为它不需要用户的访问记录。基于此可以解决大数据挖掘系统中常常面临的“冷启动”问题。然而后台数据库中拥有大量、足够高的用户流量时，则可以主要从行为特征中挖掘出从文字本身中无法发现的潜在语义，在此基础上能够提供精准度更高的推荐内容。第三，形成用户画像数据库。当经过以上处理程序，可以对图书馆的每一位用户构建只属于其自身的独特画像，和传统层面上的数据挖掘结果不同的是，用户画像的重要特点是将数据以用户为核心呈现出来。以用户为中心，围绕着该名用户不同层次、维度的标签和特征包含了大量的数据和信息，从抽象到细节逐步体现画像数据结构。将这些经过组织的用户信息，存储入专门的用户数据库，有针对性地对每位用户的行为习惯、兴趣偏好进行分析，是图书馆提供精准服务的基础。（3）客户层：精准化实现。依据不同个体用户、用户群的兴趣发现结果，增加高校图书馆对不同类型的用户在服务总成本中的投资比例，是提升高校图书馆服务收益率的有效途径。高校图书馆系统层面通过以上步骤中对其用户进行的画像建模，充分地掌握了每位用户的关键需求点和特殊之处，在最终功能实现的层面，可以通过为用户定制服务和主动推送与用户相关的资源内容等主要方式，实现智慧化的精准服务。4 结语随着互联网+不断渗透入各个行业与组织，用户画像的未来也更将从商业营销领域不断外扩，在与用户打交道的各行各业都会需要构建用户画像，只是侧重点会有所不同。现今利用大数据手段挖掘潜在数据、降低投入成本、增加产品营销额已经应用非常普遍，而今后更加精准地、多维度地对每个个体、群体用户绘画个性特征并加以利用，也可以使用户更直接地满足自己的需求，产生双赢的效果。而高校图书馆作为为高校提供信息、知识服务的重要机构，在以用户为基础和核心的时代，有效利用用户画像这一工具能更好的贴近“精准”的趋势。笔者根据对图书馆精准服务的理解，在分析了用户画像这一技术工具在图书馆中应用的可行性的基础上，搭建了高校图书馆精准服务系统的逻辑平台，并分别从数据库层、中间层和客户层三个层面，探析了利用用户画像来对图书馆的精准服务加以技术实现。根据文章的构建理念，后期也将在南京大学智慧图书馆系统中进行初步的尝试应用并进行效果评估。