馬君雅

摘要：本文在用戶建模相關(guān)理論的基礎(chǔ)上，參考計(jì)算機(jī)領(lǐng)域和消費(fèi)者領(lǐng)域中的相關(guān)實(shí)踐，結(jié)合用戶研究相關(guān)方法，提出數(shù)據(jù)驅(qū)動(dòng)的用戶模型建構(gòu)方法和流程。同時(shí)，通過(guò)研究傳統(tǒng)的市場(chǎng)細(xì)分理論、消費(fèi)者心理行為理論、生活形態(tài)理論、價(jià)值理論、人格特性理論和用戶研究領(lǐng)域的角色法，整理出面向企業(yè)用戶的用戶細(xì)分變量，最后構(gòu)建了面向企業(yè)用戶的產(chǎn)品開(kāi)發(fā)項(xiàng)目的用戶特征系統(tǒng)。該系統(tǒng)能夠有效地支持基于數(shù)據(jù)分析得出的初步用戶模型進(jìn)行進(jìn)一步的用戶研究，來(lái)得到最終比較完善的用戶模型，支持下一步的設(shè)計(jì)開(kāi)發(fā)工作。

關(guān)鍵詞：數(shù)據(jù)驅(qū)動(dòng)；用戶研究；角色法；用戶建模；用戶特征體系

1研究源起

由于現(xiàn)階段利用網(wǎng)絡(luò)數(shù)據(jù)來(lái)用戶建模主要存在于計(jì)算機(jī)領(lǐng)域并慢慢滲透到消費(fèi)者領(lǐng)域中，因此，如何應(yīng)用網(wǎng)絡(luò)數(shù)據(jù)來(lái)幫助設(shè)計(jì)領(lǐng)域的用戶建模是一個(gè)需要關(guān)注的問(wèn)題。同時(shí)，網(wǎng)絡(luò)數(shù)據(jù)刻畫(huà)設(shè)計(jì)領(lǐng)域的用戶模型的不完備，導(dǎo)致得到的用戶輪廓不夠完善。因此，本文希望能夠在用戶建模相關(guān)理論的基礎(chǔ)上，參考計(jì)算機(jī)領(lǐng)域和消費(fèi)者領(lǐng)域中的相關(guān)實(shí)踐，結(jié)合用戶研究相關(guān)方法，構(gòu)建出面向企業(yè)產(chǎn)品的企業(yè)用戶特征系統(tǒng)和數(shù)據(jù)驅(qū)動(dòng)的用戶模型建構(gòu)方法和流程。

2傳統(tǒng)相關(guān)領(lǐng)域的理論研究

在文獻(xiàn)研究階段，筆者參考消費(fèi)者領(lǐng)域、心理學(xué)領(lǐng)域和社會(huì)學(xué)領(lǐng)域等的用戶模型研究成果，整理企業(yè)用戶和不同產(chǎn)品的協(xié)作過(guò)程中涉及用戶的知識(shí)。在得到面向企業(yè)產(chǎn)品的企業(yè)的用戶特征系統(tǒng)后，提出數(shù)據(jù)驅(qū)動(dòng)的用戶建模方法和流程。之后，筆者準(zhǔn)備用一個(gè)實(shí)際的企業(yè)產(chǎn)品開(kāi)發(fā)項(xiàng)目來(lái)對(duì)該用戶特征系統(tǒng)以及該方法和流程進(jìn)行應(yīng)用和檢驗(yàn)。

3計(jì)算機(jī)領(lǐng)域的用戶建模

在計(jì)算機(jī)領(lǐng)域，用戶建模技術(shù)應(yīng)用得最廣泛的莫過(guò)于個(gè)性化的推薦系統(tǒng)，包括圖書(shū)館推薦系統(tǒng)（當(dāng)當(dāng)網(wǎng)）、音樂(lè)推薦系統(tǒng)（spotify、蝦米音樂(lè)）、商品推薦系統(tǒng)（亞馬遜商城、淘寶網(wǎng)）等。而推薦系統(tǒng)的基礎(chǔ)和核心就是用戶興趣模型，用戶模型包含了用戶特有的興趣、需求、偏好、模式等的相關(guān)知識(shí)，這種知識(shí)不是對(duì)用戶信息的通俗描述，而是能夠計(jì)算的、具有特別的數(shù)據(jù)組織結(jié)構(gòu)的描述，這種可計(jì)算性是計(jì)算機(jī)對(duì)用戶興趣模型的要求之一。

本研究準(zhǔn)備使用K-means算法來(lái)對(duì)用戶數(shù)據(jù)進(jìn)行聚類(lèi)以得出不同的用戶類(lèi)別，K-means算法屬于分割聚類(lèi)算法中的一種，也叫“K均值算法”。K-means算法的聚類(lèi)結(jié)果易于解讀，善于處理大量數(shù)據(jù)，并能夠?qū)τ脩粜袨檫M(jìn)行分析。

4數(shù)據(jù)驅(qū)動(dòng)的用戶建模流程及商業(yè)用戶的用戶特征體系

目前，大部分研究集中在人物角色創(chuàng)建和產(chǎn)品開(kāi)發(fā)系統(tǒng)的研究，但在人物角色創(chuàng)建方面，基本是用定性方法，即使是經(jīng)過(guò)定量驗(yàn)證的定性人物角色，其基礎(chǔ)也是基于定性。因此，本文主要借鑒數(shù)據(jù)挖掘領(lǐng)域中用戶模型的建構(gòu)方法，利用用戶網(wǎng)絡(luò)足跡，構(gòu)建初步用戶模型，并在此基礎(chǔ)上結(jié)合設(shè)計(jì)領(lǐng)域人物角色的構(gòu)建方式，嘗試建立數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)用戶模型構(gòu)建方法。同時(shí)，通過(guò)研究市場(chǎng)細(xì)分理論、消費(fèi)者心理行為理論等和用戶建模有關(guān)的文獻(xiàn)，嘗試構(gòu)建一套用戶特征系統(tǒng)，用以連接初步用戶模型以及人物角色，構(gòu)建出設(shè)計(jì)領(lǐng)域的數(shù)據(jù)驅(qū)動(dòng)的用戶模型。整個(gè)方法模型如圖1。

該用戶特征系統(tǒng)能夠指導(dǎo)數(shù)據(jù)挖掘盡可能對(duì)數(shù)據(jù)加以利用和挖掘，支持之后的用戶研究，得到相對(duì)完備的用戶模型，同時(shí)又能改善傳統(tǒng)的用戶研究，最后得到的用戶輪廓更加完善、精準(zhǔn)和可靠。

以定量數(shù)據(jù)為基礎(chǔ)，以定性研究來(lái)深入的數(shù)據(jù)驅(qū)動(dòng)的用戶建模方法和流程也有其創(chuàng)新和優(yōu)勢(shì)：第一，相較于傳統(tǒng)的用戶研究，數(shù)據(jù)驅(qū)動(dòng)的用戶模型能從多個(gè)層面和維度對(duì)用戶進(jìn)行特性研究，即用戶作為消費(fèi)者的層面和用戶作為與產(chǎn)品協(xié)作的用戶的層面，改善定性研究的劣勢(shì)，使最終的用戶模型更加完備。第二，這是一種能產(chǎn)出用戶知識(shí)的新途徑，在新形勢(shì)下利用數(shù)據(jù)挖掘結(jié)合新的用戶研究方法來(lái)得到用戶知識(shí)以協(xié)助設(shè)計(jì)師的設(shè)計(jì)活動(dòng)。

另外，在文獻(xiàn)研究后，筆者整理出商業(yè)用戶特征系統(tǒng)，該系統(tǒng)把描繪用戶的變量分為以下幾類(lèi)：人口統(tǒng)計(jì)學(xué)特征、地理細(xì)分、生活狀態(tài)、非消耗品類(lèi)品味偏好、影視娛樂(lè)偏好、網(wǎng)絡(luò)消費(fèi)特征、工作特征、航旅偏好、產(chǎn)品使用特征、場(chǎng)景特征和心理變量。這些都是能描繪工作情景下用戶的特征并且在公司網(wǎng)絡(luò)中能夠收集到的變量。

5定性研究方案設(shè)計(jì)

在通過(guò)K-means聚類(lèi)算法得出幾類(lèi)用戶角色后，筆者分別在每一類(lèi)的用戶角色中選擇一位合適的用戶來(lái)進(jìn)行訪談，并根據(jù)算法得出的三類(lèi)用戶的特征來(lái)編寫(xiě)問(wèn)卷提綱。例如，深度訪談的第一部分主要針對(duì)被訪者的工作特征進(jìn)行調(diào)查，第二部分主要針對(duì)被訪者的使用產(chǎn)品特征進(jìn)行挖掘，對(duì)被訪者心理特征的調(diào)查被整合到整體問(wèn)卷中，存在于整個(gè)訪談過(guò)程中，對(duì)被訪者的所有動(dòng)作都進(jìn)行目的動(dòng)機(jī)方面的進(jìn)一步深挖。在訪談結(jié)束后，結(jié)合根據(jù)算法得出的三類(lèi)用戶的特征和訪談后的結(jié)果，整理出該產(chǎn)品的Persona來(lái)指導(dǎo)下一步的設(shè)計(jì)。

6總結(jié)

本文主要借鑒數(shù)據(jù)挖掘領(lǐng)域中用戶模型的建構(gòu)方法，利用用戶網(wǎng)絡(luò)足跡，構(gòu)建初步用戶模型，并在此基礎(chǔ)上結(jié)合設(shè)計(jì)領(lǐng)域人物角色的構(gòu)建方式，嘗試建立數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)用戶模型構(gòu)建方法。同時(shí)，通過(guò)研究市場(chǎng)細(xì)分理論、消費(fèi)者心理行為理論等和用戶建模有關(guān)的文獻(xiàn)，構(gòu)建出用戶特征體系，用以連接初步用戶模型以及人物角色，構(gòu)建出設(shè)計(jì)領(lǐng)域的數(shù)據(jù)驅(qū)動(dòng)的用戶模型。該用戶特征系統(tǒng)能夠指導(dǎo)數(shù)據(jù)挖掘盡可能對(duì)數(shù)據(jù)加以利用和挖掘，支持之后的用戶研究，得到相對(duì)完備的用戶模型，同時(shí)又能改善傳統(tǒng)的用戶研究，最后得到的用戶輪廓更加完善、精準(zhǔn)和可靠。