廖運平 盧明芳 楊思洛

用戶研究一直是圖書情報領(lǐng)域的重要研究內(nèi)容之一，不同專家學者從用戶需求[1,2]、用戶感知[3,4]、用戶素養(yǎng)[5]、用戶體驗[6,7]、用戶心理[8]、用戶行為[9,10]等多個視角進行了深入的研究探討。然而，由于技術(shù)條件的制約和數(shù)據(jù)的缺失，在實際的用戶服務中圖書館難以對用戶進行細粒度的刻畫，無法準確掌握用戶的真實需求，以致很多研究成果只能停留在理念和思想層面。但隨著大數(shù)據(jù)時代的到來，智能終端、5G網(wǎng)絡、大數(shù)據(jù)技術(shù)、人工智能等高新技術(shù)與設(shè)備為圖書館領(lǐng)域的用戶研究帶來了新的內(nèi)容，提供了新的機遇。用戶畫像即是大數(shù)據(jù)時代用戶研究的有力工具之一，可以將用戶的心理、行為、實時狀態(tài)、場景需求等有效融入到圖書館服務中。用戶畫像在圖書館領(lǐng)域的應用，為智慧圖書館的到來提供了必要的技術(shù)支撐，也為圖書館提供精準化、個性化服務創(chuàng)造了條件。

1 相關(guān)研究回顧

1.1 從用戶畫像到自動用戶畫像

(1)用戶畫像的概念。關(guān)于用戶畫像，最通俗的解讀就是“真實用戶的虛擬代表”，此概念起源于交互設(shè)計領(lǐng)域。交互設(shè)計之父Alan Cooper[11]認為，用戶畫像(Personas)并不是真實的人群，但它們基于人們真實的行為和動機，并且在整個設(shè)計過程中代表著真實的人群，是在實際用戶行為數(shù)據(jù)基礎(chǔ)上形成的綜合原型(Composite Archetype)。Djilali等[12]將用戶畫像定義為包含用戶特征、目標和需求等信息的用戶描述模型。Jisun等[13]認為，用戶畫像是有著共同行為特征的用戶群的虛擬代表。宋美琦等[14]認為，用戶畫像的實質(zhì)是標簽化的用戶全貌。余傳明等[15]認為，用戶畫像是根據(jù)用戶人口統(tǒng)計學信息(Demographic Data)、社交關(guān)系(Social Network Relationships)和行為模式(Behavioral Patterns)等信息而總結(jié)、抽象和挖掘出來的標簽化用戶模型。

關(guān)于用戶畫像的定義，不同時期不同學者有著各自不同的表述方式，但從以上幾個比較典型的定義可以看出，其內(nèi)涵基本上是一致的。所謂用戶畫像，就是基于用戶真實數(shù)據(jù)抽象出來的用戶模型。與用戶畫像應用之初不同的是，在大數(shù)據(jù)時代，可供采集和挖掘的用戶數(shù)據(jù)維度更多、數(shù)量更大，目標用戶的特征更具體，生成的用戶畫像也更清晰真實。

(2)Personas與User Profile的關(guān)系。用戶畫像對應的英文為Personas或User Profile，國內(nèi)許多學者將兩者等同起來，如南京大學的陳慧香、邵波[16]，吉林大學的張海濤[17]等等。但嚴格來講，二者存在著一定的差別。首先，Personas來自交互設(shè)計領(lǐng)域，而User Profile來自營銷領(lǐng)域；其次，Personas的主要使用對象是人(給人看的)，而User Profile的主要使用對象是機器(給機器看的)。當然，二者雖有區(qū)別，但也存在著相輔相成的關(guān)系，二者的結(jié)合運用有利于從設(shè)計和營銷兩個層面為用戶提供好的產(chǎn)品與服務。對圖書館而言，首先基于Personas來設(shè)計、開發(fā)和組織信息產(chǎn)品與服務，然后再基于User Profile將信息產(chǎn)品與服務推薦或提供給合適的用戶。

(3)用戶畫像的應用。目前，用戶畫像已經(jīng)廣泛應用于廣告、電子商務、系統(tǒng)開發(fā)、產(chǎn)品設(shè)計、社交媒體、市場營銷和教育等領(lǐng)域。這些領(lǐng)域利用用戶畫像對市場進行細分，深入了解用戶需求、偏好，以更有效地與用戶互動。如，Jisun等[18]開發(fā)了一種基于社交媒體受眾行為和人口統(tǒng)計數(shù)據(jù)自動創(chuàng)建用戶畫像的方法；再如社會化問答平臺[19]、社會化問答社區(qū)的用戶畫像構(gòu)建[20]，以及用戶畫像技術(shù)在視頻推薦中的應用[21]等。

近年來，圖書館領(lǐng)域?qū)τ脩舢嬒竦难芯恳查_始增多。例如，許鵬程等[22]對數(shù)字圖書館用戶畫像模型的構(gòu)建進行了研究；楊帆[23]介紹了用戶畫像技術(shù)在國家圖書館數(shù)據(jù)管理與分析平臺項目中的應用情況，提出了基于讀者畫像與資源畫像的圖書館大數(shù)據(jù)平臺的構(gòu)建方法；張銳[24]提出了基于動態(tài)精準畫像的圖書館個性化推薦系統(tǒng)；陳慧香、邵波[16]從定義、算法與技術(shù)、模型構(gòu)建、實踐應用、問題與策略等方面介紹了國外圖書館領(lǐng)域用戶畫像的研究狀況。

(4)自動用戶畫像。自動用戶畫像(Automatic Persona Generation,APG)是基于用戶海量且定期更新的數(shù)據(jù)自動生成的，相較于以訪談、焦點小組等方式創(chuàng)建用戶畫像的方法前進了一大步，近乎實時生成且更加客觀準確。如卡塔爾航空公司(Qatar Airways)在應用APG后，機票預訂額上升了16.34%[25]。在大數(shù)據(jù)環(huán)境下，自動用戶畫像有著更廣闊的應用前景。

1.2 從藏書樓到智慧圖書館

“圖書館是一個生長著的有機體”，阮岡納贊(Ranganathan)在其著名的《圖書館學五定律》中如是說。事實證明，圖書館的每一次發(fā)展都離不開技術(shù)的革新與參與。印刷術(shù)與造紙術(shù)的不斷進步，讓圖書不再是少數(shù)人的專利，傳統(tǒng)藏書樓被現(xiàn)代意義上的圖書館所取代；數(shù)字技術(shù)、計算機科學和互聯(lián)網(wǎng)技術(shù)的普及，讓傳統(tǒng)圖書館邁入了數(shù)字圖書館時代；而今，大數(shù)據(jù)技術(shù)、第五代移動通信技術(shù)、智能終端、云計算等高新技術(shù)與設(shè)備為業(yè)界不斷孵化出新工具、新手段，為我們開啟了智慧圖書館的大門。隨著大數(shù)據(jù)時代的到來，“每個讀者有其書”“每本書有其讀者”“節(jié)省讀者的時間”這三條定律才算找到了真正落地的技術(shù)條件。不同技術(shù)環(huán)境下圖書館“讀者”與“書”的對應關(guān)系如表1所示。

表1 不同技術(shù)環(huán)境下圖書館“讀者”與“書”的對應關(guān)系

圖書館形態(tài)藏書樓傳統(tǒng)圖書館數(shù)字圖書館智慧圖書館讀者少數(shù)人特定讀者群授權(quán)用戶授權(quán)用戶書珍稀、收藏為主普通、開架閱覽紙質(zhì)與電子、開架與在線知識單元、個性化服務

曹樹金等提出智慧圖書館的建設(shè)應該以讀者需求的精準識別為起點[26]。用戶畫像正是實現(xiàn)讀者需求精準識別的關(guān)鍵技術(shù)與有力工具。通過基于大數(shù)據(jù)的用戶畫像，智慧圖書館可以精準把握讀者特點、洞察讀者需求、引導讀者體驗、提高服務效率和效能，實現(xiàn)智慧圖書館的個性化、精準化服務[27]。用戶畫像已在精準營銷、廣告投放、產(chǎn)品設(shè)計等領(lǐng)域發(fā)揮著日益重要的作用，在圖書館領(lǐng)域用戶畫像可以應用到需求分析、用戶統(tǒng)計、戰(zhàn)略規(guī)劃、服務創(chuàng)新、產(chǎn)品定制、效果評估、精準營銷等諸多方面。

2 智慧圖書館用戶畫像的創(chuàng)建

通過文獻梳理發(fā)現(xiàn)，國內(nèi)圖書館界對用戶畫像的研究側(cè)重其營銷功能，而忽視其產(chǎn)品設(shè)計的功能。其實，用戶畫像起源于交互設(shè)計領(lǐng)域，以產(chǎn)品設(shè)計與開發(fā)為目的；興盛于電子商務、精準營銷領(lǐng)域，以營銷推廣為目的。兩個領(lǐng)域的用戶畫像既有區(qū)別又有相同之處，相同之處在于都需要知道用戶需要什么；區(qū)別在于前者解決為用戶提供什么的問題，要根據(jù)用戶需求設(shè)計出好的產(chǎn)品；后者解決用戶與產(chǎn)品的匹配問題，將對的產(chǎn)品提供給對的用戶?；诓煌某霭l(fā)點和應用方向，我們可以將用戶畫像劃分為面向設(shè)計的用戶畫像和面向營銷的用戶畫像。相應地，智慧圖書館用戶畫像可以劃分為面向設(shè)計的圖書館用戶畫像和面向營銷的圖書館用戶畫像兩大類型。

2.1 面向設(shè)計的圖書館用戶畫像

2.1.1 內(nèi)涵、特征、層級與功能

面向設(shè)計的圖書館用戶畫像是虛構(gòu)出來的典型用戶，借助用戶的行為、目標和動機來分析用戶的真實訴求，利用定性、定量或定性定量結(jié)合等方法創(chuàng)建。面向設(shè)計的圖書館用戶畫像的內(nèi)涵、特征、層級、功能及原則如表2所示。本文將面向設(shè)計的圖書館用戶畫像的應用場景劃分為三個層級。首先，從宏觀層面上，將用戶畫像應用到智慧圖書館的空間布局、功能與服務的整體設(shè)計中。該類用戶畫像適用時間長，更新周期也長，所涉及的設(shè)計方案往往成本高，要求具有較高的前瞻性與科學性。比如將用戶畫像應用到新館的設(shè)計與建造中，至少要求根據(jù)用戶畫像所設(shè)計的新館能基本適應未來若干年內(nèi)的讀者需求。其次，從中觀層面上，將用戶畫像應用到智慧圖書館的服務戰(zhàn)略與業(yè)務規(guī)劃中，該類用戶畫像適用時間與更新周期適中。最后，從微觀層面上，將用戶畫像應用到智慧圖書館具體服務項目或信息產(chǎn)品的開發(fā)與設(shè)計中。該類用戶畫像適用時間與更新周期較短，隨著具體項目或產(chǎn)品的生命周期的終結(jié)就不再有效。當然，在智慧圖書館某一項具體的設(shè)計任務當中，需要創(chuàng)建多個用戶畫像以代表不同的用戶類型。比如美國北卡羅來納州立大學圖書館在其新館設(shè)計時成功地塑造了10個用戶畫像(4名教員、2名研究生、4名本科生)，并以此作為未來新館不同類型用戶的虛擬代表[28]。

表2 面向設(shè)計的圖書館用戶畫像的內(nèi)涵、特征、層級、功能及原則

內(nèi)涵特征層級功能原則基于用戶真實訴求虛構(gòu)的典型用戶關(guān)注用戶行為、目標、動機;注重Why層面的信息宏觀:空間布局、整體設(shè)計等;中觀:服務戰(zhàn)略、業(yè)務規(guī)劃等;微觀:服務項目、信息產(chǎn)品等產(chǎn)品定義的假設(shè)、假設(shè)驗證;具象化目標用戶;招募用戶調(diào)研對象;圖書館員快速了解目標用戶;……以用戶為中心(User-cen-tered);目標導向型(Goal-driven)

如表2所示，面向設(shè)計的圖書館用戶畫像具有以下功能。首先，用戶畫像是智慧圖書館空間、服務或產(chǎn)品設(shè)計的前提和基礎(chǔ)，在解構(gòu)、聚類用戶需求之后能對相應產(chǎn)品或服務有更清晰的認識，完成產(chǎn)品定義的假設(shè)及假設(shè)驗證。其次，面向設(shè)計的圖書館用戶畫像是為產(chǎn)品的開發(fā)和設(shè)計服務的，好的用戶畫像往往取決于數(shù)據(jù)(Data)、移情(Empathy)與洞見(Instinct)的完美結(jié)合，離不開豐富的用戶行為數(shù)據(jù)和設(shè)計人員的移情與洞察力，用戶畫像與數(shù)據(jù)、移情、洞見的關(guān)系如圖1所示。好的用戶畫像的移情作用，有助于圖書館管理人員、技術(shù)人員等就目標用戶的需求達成共識，降低團隊協(xié)作的復雜度。其三，用戶畫像是對目標用戶的具象化，將用戶特征植入獨特的人物角色，有利于館員快速了解目標用戶，并愿意采取額外的努力，來開發(fā)對目標用戶有用的產(chǎn)品，而這些是抽象復雜的統(tǒng)計術(shù)語和泛化描述所做不到的[29]。其四，圖書館用戶畫像可以作為招募用戶調(diào)研對象的參考，并作為衡量智慧圖書館相關(guān)產(chǎn)品或服務設(shè)計效率和可用性測試的工具。其五，用戶畫像有利于智慧圖書館后續(xù)精準服務工作的推進。

圖1 用戶畫像與數(shù)據(jù)、移情、洞見的關(guān)系

2.1.2 需求分析

大數(shù)據(jù)環(huán)境下，智慧圖書館的建設(shè)需要利用面向設(shè)計的圖書館用戶畫像技術(shù)來識別用戶需求，并輔助完成圖書館在空間、功能、服務等方面的相應設(shè)計。智慧圖書館的建筑樣式、空間布局、功能設(shè)計、服務內(nèi)容、服務方式等并不是由智慧圖書館本身決定的，應由圖書館和用戶所構(gòu)成的系統(tǒng)一起來決定。比如，用戶對圖書館提出智能化的訴求，要求館內(nèi)設(shè)計智能通風、智能照明、智能桌椅等，這些都需要在準確識別每類用戶的需求之后，再設(shè)計出相應的產(chǎn)品和功能。新時代圖書館用戶需求趨向個性化、多元化、極致化，這些日益增長變化的需求已經(jīng)在倒逼和加速智慧圖書館的早日破繭成蝶。智慧圖書館只有對用戶有了清晰而全面的認識，才能根據(jù)用戶的需求設(shè)計出最好形態(tài)，同時主動適應用戶需求的變化提供精準的服務和創(chuàng)造良好的用戶體驗。

2.1.3 創(chuàng)建方法

國內(nèi)學者將用戶畫像的構(gòu)建方法劃分為基于本體的構(gòu)建法、基于概念的構(gòu)建法、基于主題的構(gòu)建法、基于話題的構(gòu)建法、基于用戶行為的構(gòu)建法、基于日志的構(gòu)建法、基于多維的構(gòu)建法和基于融合的構(gòu)建法等[30]。在對這些方法進行深入了解之后，從用戶信息的獲取和分析方法來看，我們可以將創(chuàng)建面向設(shè)計的圖書館用戶畫像的方法分為三類，如表3所示。通過對比可以發(fā)現(xiàn)，定性用戶畫像比較快速省力，是在時間和資金投入有限的情況下可以優(yōu)先選擇的方法，但要注意規(guī)避其缺少數(shù)據(jù)支持所帶來的風險；經(jīng)定量驗證的定性用戶畫像融入了定量研究方法，有一定的數(shù)據(jù)驗證，適用于時間和資金比較充足的情形；定量用戶畫像最嚴謹科學，需要進行大量專業(yè)深入的定量研究，適合在時間、資金充足的情況下選擇使用。因此圖書館在選擇用戶畫像的創(chuàng)建方法時，需要依據(jù)項目的實際需求而定。

表3 面向設(shè)計的圖書館用戶畫像創(chuàng)建方法及歸類

類型創(chuàng)建方法優(yōu)點缺點定性用戶畫像訪談、小組座談、階省時省力主觀因素太強、缺少梯法、透射法等定性數(shù)據(jù)支持研究訪談、小組座談、階經(jīng)定量驗證的梯法、透射法等定性有一定數(shù)據(jù)驗證、費時費力、成本較高定性用戶畫像研究、定量驗證、更可靠數(shù)據(jù)建模定性研究、定量驗證、定量用戶畫像統(tǒng)計分析、機器學習等大數(shù)據(jù)支撐、更科學專業(yè)性、成本高

2.1.4 創(chuàng)建步驟

在設(shè)計領(lǐng)域，來自世界知名交互設(shè)計公司的艾倫·庫伯(Alan Cooper)、羅伯特·瑞寧(Robert Reimann)和大衛(wèi)·克洛林(David Cronin)提出了目標導向設(shè)計的方法，Lene Nielsen提出了“十步用戶畫像法”(10 Steps to Personas)[31,32]。在此，以“十步用戶畫像法”為例，介紹其包括的數(shù)據(jù)采集、形成假設(shè)、驗證假設(shè)、用戶建模、構(gòu)建畫像、情形分析、組織認可、傳播知識、創(chuàng)設(shè)場景和持續(xù)更新等10個步驟，如圖2所示。(1)數(shù)據(jù)采集(Finding the Users)。通過定量數(shù)據(jù)采集明確用戶對象，這些數(shù)據(jù)可以來源于訪談、觀察、二手信息、問卷、報告、調(diào)查等方面。(2)形成假設(shè)(Building a Hypothesis)。通過數(shù)據(jù)分析對用戶進行細分，初步設(shè)定目標用戶群的特征。(3)驗證假設(shè)(Verification)。再次審視用戶偏好、需求、價值觀以及圖書館規(guī)劃與目標等方面的數(shù)據(jù)，驗證這些數(shù)據(jù)是否支持前面所形成的假設(shè)。(4)用戶建模(Finding Patterns)。經(jīng)過聚類分析，建立用戶模型。(5)構(gòu)建畫像(Constructing Personas)。畫像描述需要包含5個方面的內(nèi)容：照片、心理、背景、態(tài)度和個性。在畫像創(chuàng)建的過程中，應該讓全體館員了解畫像是如何創(chuàng)建的以及為何創(chuàng)建。(6)情形分析(Defining Situations)。明確用戶使用產(chǎn)品和服務的情形。(7)組織認可(Validation and Buy-in)。用戶畫像方法被視為向開發(fā)人員和其他人傳達用戶需求的一種手段，應確保所有館員對用戶畫像與場景的描述達成一致，爭取盡可能多的館員參與用戶畫像的構(gòu)建過程。(8)傳播知識(Dissemination of Knowledge)。將用戶畫像及相關(guān)的底層數(shù)據(jù)傳遞給所有館員。(9)創(chuàng)設(shè)場景(Creating Scenarios)。離開具體的應用場景，用戶畫像毫無價值。因此，要為用戶畫像創(chuàng)設(shè)相關(guān)的行為、目標和時空場景，讓用戶畫像更趨于真實，逼真的用戶畫像可以為設(shè)計團隊培養(yǎng)同理心。(10)持續(xù)更新(Ongoing Development)。用戶畫像本身具有一定的生命周期，圖書館需要隨著環(huán)境變化適時對其進行迭代調(diào)整[32]。

通過以上10個步驟的分析可以看出，用戶畫像的創(chuàng)建過程是用戶數(shù)據(jù)、團隊協(xié)同、目標導向共同作用下的產(chǎn)物，也是目標用戶和理想產(chǎn)品不斷具象化的過程。通過以上步驟，圖書館可以更加深入地了解用戶對產(chǎn)品設(shè)計的不同取向，如用戶喜歡和不喜歡什么，他們的價值觀是什么，他們對產(chǎn)品的態(tài)度如何，他們將在什么樣的場景下使用圖書館所設(shè)計的產(chǎn)品，對于諸如此類的問題圖書館都將獲得更加清晰而全面的認識，從而為接下來的設(shè)計工作打下堅實的基礎(chǔ)。隨著用戶畫像研究的深入及相關(guān)實踐的發(fā)展，一些公司借助相關(guān)的數(shù)據(jù)分析技術(shù)與工具可以實現(xiàn)用戶畫像的快速生成與優(yōu)化。比如，一些互聯(lián)網(wǎng)公司在產(chǎn)品設(shè)計前期會使用Google Analytics提取用戶信息,高效制作用戶畫像，并通過持續(xù)提取和分析線上行為數(shù)據(jù)對其加以完善[33]。

圖2 十步用戶畫像創(chuàng)建法

2.1.5 相關(guān)案例

由于真正意義上的智慧圖書館尚未成型，所以還沒有用戶畫像在智慧圖書館中的應用實踐。但將用戶畫像技術(shù)應用于圖書館服務設(shè)計的案例早已有之，如美國的斯坦福大學、利伯堤大學、北卡羅來納州立大學都將用戶畫像引入到圖書館中[34]。其中，北卡羅來納州立大學更是提供了用戶畫像應用的詳細過程信息，便于我們學習和借鑒。北卡羅來納州立大學在其新館設(shè)計時成功地塑造了10個用戶畫像(4名教員、2名研究生、4名本科生)，在設(shè)計過程中，該館首先明確定位了自身的需求，提出要打造21世紀的研究型圖書館和國內(nèi)最佳學習協(xié)作空間，同時也認識到所面臨的挑戰(zhàn)，即要以前所未有的空間和技術(shù)在全新的學習環(huán)境中提供服務。然后，通過數(shù)據(jù)采集、用戶假設(shè)、假設(shè)驗證、聚類分析、畫像創(chuàng)建、畫像應用等步驟該館順利地完成了圖書館用戶畫像創(chuàng)建工作，并將這些用戶畫像應用到新館的空間與服務設(shè)計中[28]。建成后的新館以綠色環(huán)保、空間獨特、理念超前、設(shè)備先進而著稱，被譽為未來圖書館的發(fā)展方向[35]?？梢?，面向設(shè)計的用戶畫像在圖書館中有著較高的應用價值。

2.2 面向營銷的圖書館用戶畫像

2.2.1 內(nèi)涵、特征與功能

面向營銷的用戶畫像在本質(zhì)上是定量的，是用戶屬性、行為特征的集合，廣泛應用于電子商務、廣告、精準營銷等領(lǐng)域。面向營銷的圖書館用戶畫像的內(nèi)涵、特征、功能與原則如表4所示。在大數(shù)據(jù)環(huán)境下，面向營銷的圖書館用戶畫像，更注重于對用戶借閱、瀏覽、預約、位置等各類歷史行為數(shù)據(jù)的獲取，所獲取的數(shù)據(jù)量越大，也就越能深入了解用戶需求，為用戶的標簽化、向量化提供更多的數(shù)據(jù)支撐。在標簽化、向量化的基礎(chǔ)上，通過機器學習、數(shù)據(jù)挖掘等技術(shù)的參與，可以對不同場景下圖書館用戶的行為進行準確預測，從而為圖書館的精準營銷、服務提升和效果評估等提供可靠的數(shù)據(jù)參考。目前國內(nèi)圖書情報領(lǐng)域?qū)τ脩舢嬒竦难芯?，基本上屬于面向營銷的用戶畫像這一范疇。

表4 面向營銷的圖書館用戶畫像的內(nèi)涵、特征、功能及原則

內(nèi)涵特征功能原則用戶屬性、行為特征的 關(guān)注用戶行為、行為預測;用戶行為標簽化、向量化;集合,標簽化、向量化 注重What層面的信息用戶行為預測;以用戶為中心精準營銷;(User-centered);服務提升;目標導向型效果評估;(Goal-driven)……

圖3 面向營銷的圖書館用戶畫像創(chuàng)建流程

2.2.2 創(chuàng)建流程

在大數(shù)據(jù)時代，面對多維度、異構(gòu)化、海量級的用戶數(shù)據(jù)，圖書館將用戶畫像的創(chuàng)建交由機器來處理，不僅可以大大提高數(shù)據(jù)處理效率，還可對目標用戶進行更多層次的粒度刻畫，無限接近真實用戶的需求，甚至比用戶自身更了解用戶，從而為用戶精準匹配最合適的服務與產(chǎn)品。在數(shù)據(jù)為王的時代背景下，面向營銷的圖書館用戶畫像的創(chuàng)建流程，可以分為數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)應用三個階段，如圖3所示。

(1)數(shù)據(jù)采集。圖書館用戶的數(shù)據(jù)一般可以分為靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)兩大類。靜態(tài)數(shù)據(jù)主要包括用戶的人口統(tǒng)計屬性，如姓名、性別、出生日期、身份證號、通訊地址、電子郵件、電話號碼、工作單位、職稱、職務、所學專業(yè)、文化程度等等，這些數(shù)據(jù)一般通過圖書館用戶注冊信息可以采集到。隨著信息技術(shù)的發(fā)展以及各種智能設(shè)備的普及，圖書館用戶的線上、線下行為等動態(tài)數(shù)據(jù)更多地被記錄下來，諸如用戶的位置、使用語言、網(wǎng)站瀏覽頻率、回訪頻率、互動度、終端品牌型號、瀏覽器、操作系統(tǒng)、來源和媒介、鏈接通道等用戶特征與行為細節(jié)，都會毫無保留地暴露在采集系統(tǒng)面前，為圖書館用戶數(shù)據(jù)的采集提供了極大便利。

(2)數(shù)據(jù)處理。圖書館用戶注冊信息中的人口統(tǒng)計學信息，如年齡、性別、專業(yè)等原始數(shù)據(jù)在進行預處理、清洗之后，就可以直接作為用戶畫像的描述數(shù)據(jù)。而用戶龐雜的歷史行為數(shù)據(jù)，則需要使用多種算法進行深入挖掘，如使用聚類算法進行用戶分群，使用TF-IDF、LDA、Topic Model等算法進行文本挖掘，使用機器學習、推薦算法完成行為建模，通過機器學習、回歸預測等方法對用戶行為進行預測，為用戶側(cè)的標簽化做準備[36]。

(3)數(shù)據(jù)應用。面向營銷的圖書館用戶畫像的實質(zhì)在于完成用戶與內(nèi)容的精確匹配，最終可以歸結(jié)為與推薦算法有效結(jié)合的問題。經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)處理之后形成的用戶標簽體系，為推薦算法提供了用戶側(cè)的特征集合。在推薦算法中，常用函數(shù)Y=F(Xi,Xu,Xc)來表達不同環(huán)境下用戶對內(nèi)容的滿意度。其中，Xi指內(nèi)容(Item)變量，如圖書、期刊、論文、圖片、視頻等內(nèi)容在關(guān)鍵詞、分類和主題等方面的特征；Xu指用戶(User)變量，如用戶的年齡、性別、專業(yè)等特征，刻畫出用戶不同的興趣取向；Xc指環(huán)境(Context)變量，在不同場景下用戶需求會有所偏移，如同一個用戶在旅游的時候喜歡看攻略，在考試前會偏向于查閱試題集。因此，環(huán)境特征是推薦算法要考慮的一個重要維度，可通過以上三個變量來預測用戶在某一場景下對推薦內(nèi)容的需求程度。此外，推薦算法還會引入熱度特征與相似性特征來應對冷啟動與算法越推推窄的問題[37]。

2.2.3 相關(guān)案例

國內(nèi)圖書館界關(guān)于面向營銷的用戶畫像的研究已經(jīng)頗多，其中也不乏實證類的研究成果，然而多停留在用戶畫像構(gòu)建的模型和方法層面，真正意義上的應用實踐還不多見，甚至有學者認為國內(nèi)圖書館領(lǐng)域用戶畫像的真正實踐尚未開啟，還沒有用戶畫像真正投入實踐的圖書館案例[38]。其實，國內(nèi)關(guān)于用戶畫像的實踐已有嘗試，如國家圖書館就在用戶畫像的實踐應用方面進行了有益探索，給我們提供了許多寶貴的經(jīng)驗。國家圖書館在其大數(shù)據(jù)項目中，通過ALEPH系統(tǒng)、文津搜索系統(tǒng)和門禁管理系統(tǒng)等對資源元數(shù)據(jù)、讀者屬性、行為數(shù)據(jù)進行采集；經(jīng)過數(shù)據(jù)清洗、迭代分析和數(shù)據(jù)關(guān)聯(lián)等進行數(shù)據(jù)處理，構(gòu)建標簽化體系，最終生成讀者畫像和資源畫像并應用到圖書館的服務優(yōu)化和服務評估當中。該項目的順利實施驗證了用戶畫像方法的應用價值，也為國內(nèi)圖書館界用戶畫像的實踐提供了有益參考[23]。

3 結(jié)語

及時、有效、精準、智慧地為讀者服務，并提高讀者滿意度，是大數(shù)據(jù)時代圖書館發(fā)展的核心價值，更是智慧圖書館區(qū)別于以往圖書館形態(tài)的根本特征，其前提是充分了解讀者及其需求，而大數(shù)據(jù)視域下的用戶畫像不僅能將用戶屬性、行為、目標和動機等特征展現(xiàn)無遺且實時更新，還能在設(shè)計層面為圖書館的信息組織開發(fā)、業(yè)務規(guī)劃等提供依循[39]。面向設(shè)計的智慧圖書館用戶畫像將用戶特征植入獨特的人物角色，并使團隊成員愿意付出額外的努力來開發(fā)對實際用戶有用的產(chǎn)品，能夠切實做到“每個讀者有其書”，而這些是常用的統(tǒng)計術(shù)語和泛化描述所做不到的[29]。大數(shù)據(jù)時代，信息過載和選擇障礙困擾著每一位圖書館用戶，去偽存真、去粗取精、“節(jié)省讀者的時間”正是用戶畫像在智慧圖書館應用的價值所在。