崔　超　中國信息通信研究院數(shù)據(jù)研究中心館員

羅　歐　中國信息通信研究院信息管理中心工程師

1　引言

知識社區(qū)是基于互聯(lián)網(wǎng)的知識創(chuàng)造與交流平臺，構(gòu)建知識與知識、知識與人、人與人之間的關(guān)聯(lián)，實現(xiàn)知識增值與創(chuàng)新，是一種新型的知識服務(wù)模式。傳統(tǒng)的知識服務(wù)是被動的、問答式的，有固定的空間與工作流程，服務(wù)機構(gòu)注重的是對普遍的、共性的需求的滿足，方式與手段較為單一。與傳統(tǒng)的知識服務(wù)不同，互聯(lián)網(wǎng)時代用戶需求更加多元化、精細化，更加注重個性需求的表達與滿足，對知識的多樣性、解答的及時程度有較高的要求，知識社區(qū)提供的正是利用互聯(lián)網(wǎng)眾包眾籌、快速迭代的服務(wù)模式。

對科研機構(gòu)來講，知識是推動其業(yè)務(wù)與科研工作的源動力，這些知識包括顯性知識與隱性知識。顯性知識包括公開出版的圖書、期刊、報告、標準、專利、指標等不同載體的信息資源，可采購成熟的商業(yè)數(shù)據(jù)庫或利用龐大的互聯(lián)網(wǎng)搜索引擎來滿足需求，經(jīng)過多年的持續(xù)投入，科研機構(gòu)已經(jīng)有大量的儲備。隱性知識是隱藏在人腦中、尚未形成文獻的那部分知識，包括經(jīng)驗、認知、邏輯思維等，這類知識較為零散，為個體所占有，很難復制也極易流失，但其作用對于科研與創(chuàng)新工作來說又是尤為重要的，因此，如何將隱性知識顯性化、分散知識固化是當前知識管理工作中的重點與難點。

知識社區(qū)正是為解決這些知識需求的表達與滿足而生。然而，知識社區(qū)基于互聯(lián)網(wǎng)絡(luò)，沒有傳統(tǒng)服務(wù)的面對面性，如何準確感知用戶需求？這就需要借助大數(shù)據(jù)技術(shù)，獲取用戶行為軌跡及相關(guān)數(shù)據(jù)，給用戶打上標簽，進行虛擬畫像，找出差異與偏好，實現(xiàn)精準營銷與服務(wù)。

2　用戶畫像在知識社區(qū)中的作用

2.1　用戶畫像是什么

用戶畫像是大數(shù)據(jù)時代的一個新興術(shù)語，A lan Cooper（交互設(shè)計之父）最早提出了用戶畫像或稱人物角色（Persona）這一概念，Persona是“真實用戶的虛擬代表，是建立在一系列真實數(shù)據(jù)之上的目標用戶模型?！庇脩舢嬒窬哂蠵ERSONA七要素：基本性（Primary）、同理性（Empathy）、真實性（Realistic）、獨特性（Singular）、目標性（Objectives）、數(shù)量性（Number）和應(yīng)用性（Applicable）。用戶畫像作為一種勾畫目標用戶、聯(lián)系用戶訴求與設(shè)計方向的有效工具，用戶畫像在各領(lǐng)域得到了廣泛的應(yīng)用。在實際操作的過程中，往往會以最為淺顯和貼近生活的話語將用戶的屬性、行為與期待聯(lián)結(jié)起來。作為實際用戶的虛擬代表，用戶畫像所形成的用戶角色并不是脫離產(chǎn)品和市場之外所構(gòu)建出來的，形成的用戶角色需要有代表性能、代表產(chǎn)品的主要受眾和目標群體。

2.2　用戶畫像在知識社區(qū)中的作用

用戶畫像在知識社區(qū)中的主要應(yīng)用場景有：開展知識產(chǎn)品的精準推送，甄別核心用戶與活躍用戶群，加強營銷，為知識社區(qū)平臺建設(shè)與運營提供重要參考，評估知識服務(wù)能力和知識管理成效。

從使用場景上可看出其具有如下作用。首先，用戶畫像可以找出知識社區(qū)用戶需求的差異點，可以使服務(wù)對象更加聚焦、更加的專注，為用戶解決核心問題。如果一個產(chǎn)品或服務(wù)能夠涵蓋所有用戶群，那么它需要遵循通用的標準，滿足的是一般性的需求。在互聯(lián)網(wǎng)時代，用戶需求多樣化、深層需求進一步表達和釋放，普適的產(chǎn)品或服務(wù)很難滿足個性化需求。第二，用戶畫像可以在一定程度上避免產(chǎn)品設(shè)計或服務(wù)提供商草率地代表用戶。他們經(jīng)常會不自覺地認為用戶的需求跟他們是一致的，并且還總打著“為用戶服務(wù)”的旗號。這樣的“精心服務(wù)”用戶并不買賬，這就需要正確地使用用戶畫像，找準立足點和發(fā)力方向，真切地從用戶角度出發(fā)，剖析核心訴求，避免自以為是和偽需求。第三，用戶畫像還可以提高決策效率。用戶畫像來自于對目標用戶的研究，當所有參與產(chǎn)品或服務(wù)的人都基于一致的用戶進行討論和決策，就很容易約束各方能保持在同一個方向上，提高決策的效率。

3　知識社區(qū)中用戶畫像的實現(xiàn)

知識社區(qū)的用戶畫像通過對用戶屬性和用戶行為數(shù)據(jù)挖掘、分析進而提取知識用戶的個性標簽，將抽象變?yōu)榫呦蟆＿@就需要厘清知識社區(qū)運營中的參與方及其之間的業(yè)務(wù)關(guān)系，詳盡采集用戶及其在知識社區(qū)中的行為數(shù)據(jù)，建立模型并應(yīng)用。

知識社區(qū)中的用戶需求建模通過獲取用戶的學科專業(yè)背景、文化程度、知識資源使用習慣、興趣偏好等與用戶需求趨向等相關(guān)的信息，進行模型化表示，提取出用戶需求偏好和趨向，為知識社區(qū)面向用戶的個性化服務(wù)組織提供基礎(chǔ)和依據(jù)，從而為用戶提供優(yōu)質(zhì)服務(wù)。

3.1　知識社區(qū)業(yè)務(wù)分析

進行知識社區(qū)用戶畫像，首先要明確知識社區(qū)用戶畫像的戰(zhàn)略意義。進行用戶畫像是科研機構(gòu)知識社區(qū)服務(wù)理念的轉(zhuǎn)變，將以管理員為中心的建設(shè)思路轉(zhuǎn)變?yōu)橐杂脩魹橐暯堑倪\營思路。傳統(tǒng)思路會產(chǎn)生閉門造車、建設(shè)與需求的脫節(jié)，難以達到用戶預(yù)期；用戶畫像基于全方位、全過程的動態(tài)用戶數(shù)據(jù)采集分析，信息內(nèi)容完整、挖掘?qū)哟紊?，價值密度高，能夠改變以往依靠經(jīng)驗、直覺或抽樣數(shù)據(jù)分析支持決策的服務(wù)模式，為科研機構(gòu)知識社區(qū)建設(shè)決策提供高效、經(jīng)濟和可靠的數(shù)據(jù)支持，確保決策、服務(wù)的科學合理。

知識社區(qū)的功能模塊多種多樣，圍繞著知識與人的交互關(guān)系，無外乎文庫、問答、社群、活動、圈子等，根據(jù)機構(gòu)具體情況有所取舍。共享文庫可以實現(xiàn)分散知識文檔的集中與流轉(zhuǎn)，知識問答可將隱藏在用戶頭腦中的經(jīng)驗固化到系統(tǒng)中，社群可以建立起共同關(guān)注的圈子、發(fā)起線上線下的主題活動，專家模塊可以將專家及其領(lǐng)域關(guān)聯(lián)，使知識需求更為明確、更容易獲得解答，積分與成長體系可以增強用戶粘性，激發(fā)更多的知識分享與創(chuàng)新。

圖1是知識社區(qū)業(yè)務(wù)示意圖，這里面存在3個重要的關(guān)系：

圖1　知識社區(qū)業(yè)務(wù)示意圖

（1）用戶與知識的關(guān)系：在知識社區(qū)中，知識以文庫中文章的形式沉淀下來，用戶可以上傳自己的原創(chuàng)文章，也可以轉(zhuǎn)載其他文章到文庫中，還可以瀏覽、檢索和付積分下載所需文章。通過這種上傳、下載與瀏覽行為，分析這些文章的關(guān)鍵詞標簽，記錄用戶的文章興趣點，進而鏈接更多、更新的同類文章，建立起用戶與文章、用戶與知識內(nèi)容的關(guān)聯(lián)。

（2）用戶與用戶的關(guān)系：通過記錄對文庫中同一篇文章的操作、共同回答或點贊同一個問題/話題、加入了一個共同的社群、參加了一個學術(shù)交流活動、共同承擔某項課題等行為可以找出有哪些人比較關(guān)注某一個專業(yè)、方向或領(lǐng)域，我們認為這是同一類用戶；根據(jù)行為頻率、深度等進一步量化、分析，可以將用戶分層，區(qū)分為專家用戶、普通用戶和潛在用戶，這樣，既找出共通點又找出差異點，便于開展有的放矢的服務(wù)。

（3）用戶與知識管理員的關(guān)系：用戶是核心競爭力的體現(xiàn)，滿足他們的需求是勞動價值所在。知識管理員是知識社區(qū)中必不可少的角色，承擔知識社區(qū)建設(shè)與運營的重要職責，是用戶與知識、用戶與用戶間關(guān)系的紐帶。管理員通過對用戶行為的分析，避免用戶流失，降低知識獲取成本，維持社區(qū)活躍度；用戶通過“用腳”投票反向刺激管理員及時調(diào)整知識服務(wù)方法與策略，以此獲取更加高效、精準的服務(wù)。

厘清這三者的關(guān)系，才能搞清楚用戶在知識社區(qū)中的行為軌跡，才能有的放矢地去采集有效的數(shù)據(jù)，這是建立精準的用戶畫像模型的前提。

3.2　用戶數(shù)據(jù)采集

作為實際用戶的虛擬代表，用戶畫像所形成的角色模型并不能脫離實際場景之外被構(gòu)建出來。一個用戶可以從多個方面去刻畫，即用戶模型可以從多個維度去考慮。根據(jù)知識社區(qū)的業(yè)務(wù)與用戶特點，將從用戶的自然屬性、社交屬性、興趣屬性和能力屬性四個維度采集用戶畫像模型所需數(shù)據(jù)，用戶在知識社區(qū)中的“痕跡”越多，用戶畫像模型越能準確反映其特征。

3.2.1基礎(chǔ)數(shù)據(jù)

用戶基礎(chǔ)數(shù)據(jù)是指知識社區(qū)用戶身上客觀存在的自然屬性，是靜態(tài)的或一段時間內(nèi)相對穩(wěn)定的狀態(tài)，主要包括性別、年齡、專業(yè)、學歷、職稱、工作履歷、當前崗位、職務(wù)等。由于科研機構(gòu)知識社區(qū)面向的主要是內(nèi)部用戶，因此，可以從人力資源部門的人員管理系統(tǒng)中獲取這類數(shù)據(jù)，并定時掃描更新。同時，還可結(jié)合平臺注冊信息、員工信息普查等方式加以補充和交叉驗證。在用戶的自然屬性中，性別、年齡指標能夠區(qū)分出群體，專業(yè)、學歷、職稱、崗位等在知識資源的精準推薦等應(yīng)用場景下，具有明顯的相關(guān)性和等級性，需對這類指標進行量化。

3.2.2社交行為數(shù)據(jù)

社交行為是指用戶在知識社區(qū)中通過參與社群討論、學術(shù)圈子、添加與關(guān)注好友、參加線上線下活動等所表現(xiàn)出來的活躍度和影響力。用戶的活躍度反映了用戶的活躍程度，用戶越活躍，影響其他用戶的機會就越大。包括用戶登錄知識社區(qū)的時長、頻次、關(guān)注的好友量、關(guān)注或發(fā)起的話題數(shù)、加入的學術(shù)圈子數(shù)、關(guān)注的專題數(shù)、提問及回答的數(shù)量等，都是用戶活躍度的直接體現(xiàn)。用戶的影響力是通過在知識社區(qū)中的各種交互行為來展示自身價值觀、傾向、偏好、情感，并影響到相關(guān)關(guān)系人的過程。這里的用戶包括知識專家、一般用戶、潛在用戶與知識管理員，相關(guān)關(guān)系包括好友、關(guān)注、求助、協(xié)作、同現(xiàn)等，影響力的大小是通過關(guān)注數(shù)量及親密度來衡量的。

3.2.3興趣偏好數(shù)據(jù)

興趣偏好是指用戶在訪問知識社區(qū)過程中對于知識內(nèi)容的感知，可以分為顯性興趣和隱性興趣。顯性興趣可以通過用戶主動提交標簽、所關(guān)注的話題、瀏覽下載的文章、搜索的關(guān)鍵詞、正在參與的課題/項目所在領(lǐng)域等直觀地獲取到其感興趣的內(nèi)容，這類指標應(yīng)適當加大其權(quán)重，將其標簽化后有針對性地推送同類知識。隱性興趣不是用戶直觀地表達出來的，而是通過分析其在知識社區(qū)中的收藏、訂閱、提問與回答、評論、回復、點贊等行為來抽取，這類指標抽取的用戶興趣是模糊的，但更能體現(xiàn)用戶的興趣偏好。同時，還要注意用戶長期興趣與短期關(guān)注的表達與區(qū)分。

3.2.4能力特長數(shù)據(jù)

能力特長主要是指用戶在知識社區(qū)中所創(chuàng)建內(nèi)容的質(zhì)量，具體包括用戶所發(fā)表的文章、報告、音視頻、圖片圖表、原創(chuàng)話題、提問與回答、被點贊或采納、被分享、已獲得獎勵或榮譽、已完成課題/項目、積分與成長值等。用戶的產(chǎn)出是知識社區(qū)的核心資產(chǎn)與內(nèi)在競爭力，通過數(shù)量和質(zhì)量兩個方面去衡量。

3.3　用戶畫像模型的構(gòu)建

構(gòu)建用戶畫像的第一步是數(shù)據(jù)的統(tǒng)計分析。需將各種渠道采集的用戶基礎(chǔ)信息、社交行為、興趣偏好、能力特長數(shù)據(jù)進行清洗、篩選、歸類，并統(tǒng)一存儲形成數(shù)據(jù)庫文件。通過聚類、關(guān)聯(lián)、序列化等數(shù)據(jù)挖掘分析，抽象成標簽，形成標簽體系，這些標簽是構(gòu)成用戶畫像的基本元素。將抽象特征還原成更形象、更容易被理解并且具有指導意義的信息，對用戶進行識別，體現(xiàn)出明顯的區(qū)分度，通過建模分析，進一步挖掘出群體共性與個體差異，建立預(yù)測模型，完成用戶畫像庫的構(gòu)建。用戶畫像庫構(gòu)建流程如圖2所示。

在用戶畫像建模中會應(yīng)用到一系列算法及技術(shù)。如機器學習，對用戶收集的底層數(shù)據(jù)進行規(guī)整處理，并將其轉(zhuǎn)化為相同維度的特征向量，這些特征標簽?zāi)軌蚴褂脩舢嬒窀迂S富；聚類分析是在沒有先驗知識的前提下，根據(jù)數(shù)據(jù)的相似度將數(shù)據(jù)聚合成不同的類（簇），使相同類中的元素盡可能相似，是數(shù)據(jù)挖掘中一種重要的算法，在知識社區(qū)用戶細分過程中主要使用類似k-means聚類算法來解決這類問題。除此之外還涉及大量的文本挖掘、自然語言處理、網(wǎng)絡(luò)爬蟲、預(yù)測算法、相似度計算、關(guān)聯(lián)規(guī)則等技術(shù)和統(tǒng)計算法。

基于成本與隱私考慮，不可能構(gòu)建出一個“完整”的萬能用戶模型，需從實際業(yè)務(wù)場景出發(fā)，并根據(jù)不斷擴充的屬性數(shù)據(jù)去動態(tài)調(diào)整。

圖2　用戶畫像構(gòu)建流程

4　結(jié)束語

在開放的網(wǎng)絡(luò)環(huán)境下，知識社區(qū)用戶的需求是隨著業(yè)務(wù)、科研、市場環(huán)境不斷變化的，用戶畫像也不是一成不變的。需要對用戶的特征、偏好等數(shù)據(jù)持續(xù)采集與更新，并根據(jù)實際的業(yè)務(wù)場景與用戶反饋不斷驗證、修正，不斷迭代優(yōu)化用戶畫像模型，便于智能構(gòu)建人與知識間的關(guān)聯(lián)，使知識社區(qū)能夠提供更加精準化、個性化、人性化的知識服務(wù)。