面向用户画像的数字图书馆精准服务体系建设

明海 杨晓农

【摘 要】文章主要分析基于用户画像的数字图馆精准服务体系的建设要点及流程，首先对数字图书馆用户画像的基本需求和功能需求进行分析，确定用户画像体验构建的核心要素，其次通过架构模型和聚类算法分析等实现用户画像的结果可视化，为用户群体和个体提供精准的服务内容推荐。

【关  键  词】用户画像;大数据;数字图书馆;服务推荐

【作者单位】明海，苏州科技大学图书馆;杨晓农，郑州大学信息管理学院。

【基金项目】2016年国家社科基金项目《“超越存取”推广行动背景下图书馆社会影响力研究》（16BTQ008）。

【中图分类号】G252 【文献标识码】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2022.03.019

面向用户画像的数字图书馆精准服务体系建设具有重要意义。基于用户角度出发进行研究，通过建立画像能够让用户获取更好的服务内容，获得更好的数字图书馆使用体验。用户使用数字图书馆的主要目的是获取图书资源，传统的图书馆只是作为资源提供方，给用户提供检索信息和获取资源的平台，本质上与线下图书馆区别不大。而基于用户画像的数字图书馆能够为客户提供个性化服务，可以根据用户的爱好和需求帮助用户挖掘更多其感兴趣的资源，拓宽知识获取范围[1]。对数字图书馆来说，精准的用户特征分析可以帮助自身完善产品结构，依据用户的选择增加不同的服务内容，调整产品服务内容的开发方向，从而提高资源的有效利用率。

一、数字图书馆用户画像分析

1.用户需求分析

在数字内容日趋可计算化、语义化和数据化的当下，数字图书馆迎来了与大数据相契合的多模态化改革，由资料检索存储等单一功能向多元化的服务方向发展，给用户带来了更好的使用体验[2]。用户画像对规划数字图书馆服务战略至关重要，能够解决服务内容的精准度以及个性化服务定制等难题，实现由“人找服务”向“服务找人”的转变。同时，用户画像能够解决数字图书馆与用户细粒度不对称的问题，为每一个用户贴上精准的标签，从而实现图书资源和服务内容的精准化推送。

用户画像的建立本质上属于大数据分析，需要明晰用户的基本属性、行为属性、情感属性、爱好属性等多个维度的属性，再通过交叉分析确定用户的基本特征，以现有的可提供的服务内容和可使用的资源为基础，向用户推送偏好资源以及个性化服务内容，并且根据不同的使用场景和其他外部属性调整推送策略。建立用户画像旨在为顾客提供更好的服务以增强用户的忠诚度，并通过用户画像对用户行为的预测帮助用户拓宽获取知识的途径。比如用户喜好科普类图书，但由于知识获取途径有限，其难以发现更多的图书资源，图书馆就能利用用户画像结合推送算法为其提供丰富的资源，激发用户使用数字图书馆及馆内数字产品的主动性[3]。

2.用户画像层次

用户画像是将用户数据进行收集分析，从而将用户需求实现数据化、可视化和关联化的过程，在此过程中，用户的行为数据被贴上特征标签，当用户的标签足够多时，系统就能够勾画出用户的整体特征，即建立此用户的行为画像。建立用户的行为画像可分为接触点数据、体系标签和方案产出三层，接触点数据层包括数据来源和数据处理，体系标签层包括标签体系、标签权重和标签更新，方案产出层包括用户画像可视化和场景定义。

接触点数据层收集到的用户相关信息，最能体现用户行为的三种信息是内容偏好行为、社交行为和会话行为。内容偏好行为包括阅读、检索、借阅、下载、预约、续借等操作，能够反映用户的性格、兴趣爱好、图书爱好等特征。社交行为与交流、分享、点赞、评论等操作相关联，能够反映用户的社交能力和性格特征等。会话行为包括登录、访问、浏览等操作，能够反映用户的日常生活习惯、阅读习惯和数字图书馆使用习惯等。数据在收集完成后经分析形成标签体系，为了让标签的描述更加精准，系统在不断更新标签内容的同时，还要为每个标签加以权重区分，从而让用户的关键行为特征在标签体系中更加突出[4]。在完成前两个步骤之后，系统就可以产出具体的用户画像方案，方案通常以可视化的形式呈现，管理人员通过场景定义可对整个方案进行校正。在数字图书馆的交互界面，后台管理人员能够对数据进行分类、排序、组合，并使用曲线、二维图形、三维立体图形和动画等多种形式加以展现，展现用户的象形思维。

二、数字图书馆用户画像的功能分析

1.整合用户数据

数字图书馆建立用户画像，并以此作为用户的行为数据库，其目的在于帮助数字图书馆发掘用户需求以及用户潜在的商业价值，以便更好地感知市场动向，提高数字图书馆产品的用户满意度，吸引更多用户。随着用户感知服务、预测发展等概念的出现，图书馆的服务内容也向更加多元化的方向发展，各个平台和组织之间存在更多的联动性，能够打破部门和系统之间的障碍，建立数据共享机制，形成统一规划的综合服务体系。用户画像要从用户角度出发，以线索分析为数据来源，收集与用户有关的各项数据，再进行分类整理，推测行为数据。

2.定位目标用户

数字图书馆的用户画像建立后，要与用戶的属性特征相关联，通过属性特征定位目标用户，即系统设定用户标签后根据用户画像标签库聚类个体用户，根据用户间的互动行为找出用户间的相似度以及用户的行为特征，再由个体用户的行为特征向外扩散，形成用户行为特征群，实现目标用户群体的定位。从用户角度来看，用户画像能够帮助其详细了解自身的潜在需求，而数字图书馆可以将用户群体进行特征分类，使用户的借阅体验感得到提升。对数字图书馆产品本身来说，定位目标用户是拓展用户资源、促使服务内容多元化的必要条件。

3.辅助精准推荐

数字图书馆的核心功能为提供检索、检查、借还、下载、会员等服务内容，这些基本的服务内容对每个用户来说体验都是一致的，但是用户内心的服务标准不同，不仅与其性格、社会阅历有关，还与其服务需求标准等有关，这些维度形成了用户画像的“像素”体系。在辅助精准推荐体系下，用户的隐显兴趣都可以被捕捉到，并且能够在不同情境下获得智能差异化服务[5]。其实，辅助精准推荐就是用户偏好的关联推荐，比如用户喜欢看美食类书籍，辅助精准推荐体系就可以为其推送与美食相关的内容。

三、基于用户画像的数字图书馆服务推送体系框架设计

在用户画像内容体系下，数字图书馆想要完善精准推送服务，应至少满足服务定位精准化和服务功能用户化两个基本要求。服务定位精确化指服务定位不以群体为单位，而是细分到个人，为不同背景、不同文化程度、不同知识获取需求的人提供差异化的个性服务和内容，利用数据挖掘、聚类分析、预测分析等方法发现用户有意表述的需求、潜在的隐性需求和预测用户未来的需求发展方向等，以实现服务定位精准化。服务功能用户化指从用户角度制定服务内容，将服务体系与用户的自然特征结合起来，帮助数字图书馆做到认识用户、理解用户、了解用户[6]。

1.体系组成要素

数字图书馆的精准推荐服务体系要素由用户、基础数据、画像建模三部分组成。用户是服务的对象，也是主体。用户画像分析是系统基于用户在使用数字图书馆过程中积累下的行为数据，通过用户产生行为的原因、目的来分析用户的真实需求和基础需求，从而实现用户的特征分类和定位，即当前用户属于哪一类用户，如基础用户、核心用户或者粉丝用户等。给用户设置类型标签才能精准地为其定制服务，这一切均建立在挖掘用户真实需求的基础上，数字图书馆在满足用户需求的过程中发现并确定服务核心点，使服务内容更有计划性。基础数据是分析用户行为特征的工具，也是连接数字图书馆用户画像与真实用户的纽带，主要包括用户数据和馆藏资源数据，二者的结合可以使用户的行为特征与服务需求联系起来，用户的需求越大，其计算权重越大。行为数据又分为正向数据和负向数据，如喜欢属于正向数据，讨厌则属于负向数据，此两种类型数据对于用户画像的构建来说均属于核心数据。

2.架构模型构建

数字图书馆用户画像模型由数据模块、推荐模块和用户模块三部分构成。

一是数据模块。数据层属于构架的基础层，数据模块使数字图书馆具备一定的外界感知能力。一方面，用户的需求主要通过数据分析来完成，数据收集过程需要借助各种感应器，由于用户基本上无法获知整个数据获取过程，所以收集数据更能呈现用户真实的内心想法，这是一种单向的感知路径。在收集数据时，数字图书馆需要利用高端的设备拓宽数据来源的深度和广度，实现对数据的高精度控制。另一方面，由于时刻都在产生新的数据，用户数据量将达到巨量级，数字图书馆用户数据处理系统应得到一定水平的技术支持，以保证计算的高效性和准确性。不管是非结构化数据还是半结构化或是流式数据都要重新解构，不同结构的数据都要经过择选、去劣、存优、转换、装载等一系列标准化处理后才能移入知识库，以提高用户画像的刻画能力。

二是推荐模块。推荐模块是实现用户画像实际应用价值的中间模块，也是整个构架模型中最关键的一环。在完成用户的数据分析后，依据用户行为特征实现资源的智能匹配即推荐模型生效的过程。

三是用户模块。用户模块是数字图书馆与用户进行人机交流的桥梁，也是用户画像可视化应用的例证之一。系统根据已经收集的用户背景信息，给用户设置不同类型的标签，在数据库中针对每一类型的标签建立服务项目索引，从而为不同类型的用户提供相应的服务内容[7]。在用户模块中，系统为了给用户提供更加直观简易的人机交互界面，方便用户第一时间找到核心功能或主推功能应，还要给用户提供反馈信息的渠道。

四、基于用户画像的数字图书馆精准推荐服务应用

1.用户画像的可视化处理

在实际应用过程中，数字图书馆首先要根据主要目标用户确定数据权重，比如用户是高校学生群体，则应将其与学习属性相结合，服务内容更偏向于学术研究方向，主要收集的数据为学生的基本在校信息（包括系别、年级、专业等）、借阅图书的详细信息、借走及归还时间信息、产品使用频率等。同时，数字图书馆还可以将用户的基本信息划分为个人信息和阅读信息两个维度，根据维度场景提炼有用信息。在主题分类之后，数字图书馆要根据主题内容进行变量可靠性检验，从而确定各个变量间的隐性联系。其次是分析标准分类抽取，用户画像的差异性主要表现在标签的差异性上，不同特征的标签应与主题维度相契合。最后，系统在获得差异化标签的公因子后，再将公因子作为聚类分析的变量，通常会选用K-means聚类算法对目标用户群體进行聚类整理，形成样本相似库，最终获得样本特征信息。

2.精准推荐服务实现流程

应用协同过滤算法能够计算目标用户与每类项目中用户群体的主题偏好相似度，寻找具有同类偏好的用户群。一是针对不同类型的用户群进行服务推荐，进一步将个体特征差异化，实现对群体内个体的精准服务推荐;二是构建从用户到图书类别的偏好映射矩阵，使用K-means聚类算法对用户的图书偏好类型进行聚类分析，通过计算最近邻居、产生推荐等过程得出精确的聚类结果;三是综合准确率和召回率，对推荐结果进行评估与改进学习，达到理想的服务标准。

大数据时代，数据的价值明显提升，通过构建用户画像帮助数字图书馆实现精准的战略定位和服务内容战略化调整，是未来业界重要的发展趋势。借助用户画像，数字图馆能够集中核心资源发展更有商业竞争力的服务项目，在此过程中，不仅优化了用户的服务体验，而且还能让数字图书馆更好地把握市场动向，挖掘用户的潜在价值。

|参考文献|

[1]刘海鸥，姚苏梅，黄文娜，等. 基于用户画像的图书馆大数据知识服务情境化推荐[J]. 图书馆学研究，2018（24）：57-63+32.

[2]宋美琦，陈烨，张瑞. 用户画像研究述评[J]. 情报科学，2019（4）：171-177.

[3]单轸，邵波. 国内图书馆领域用户画像研究的冷思考：困境与出路[J]. 图书馆学研究，2019（5）：8-13+30.

[4]许鹏程，毕强，张晗，等. 数据驱动下数字图书馆用户画像模型构建[J]. 图书情报工作，2019（3）：30-37.

[5]陈丹，柳益君，罗烨，等. 基于用户画像的图书馆个性化智慧服务模型框架构建[J]. 图书馆工作与研究，2019（6）：72-78.

[6]王庆，赵发珍. 基于“用户画像”的图书馆资源推荐模式设计与分析[J]. 现代情报，2018（3）：105-109+137.

[7]陈慧香，邵波. 国外图书馆领域用户画像的研究现状及启示[J]. 图书馆学研究，2017（20）：16-20.

3275500589248