何振宇 朱慶華 白 玫

(1.南京大學(xué)信息管理學(xué)院 南京 210023;2.南京大學(xué)工程管理學(xué)院 南京 210093)

0 引 言

我國(guó)老齡化進(jìn)程較西方發(fā)達(dá)國(guó)家雖然較晚，但發(fā)展速度卻非?？?。按照《中國(guó)發(fā)展報(bào)告2020：中國(guó)人口老齡化的發(fā)展趨勢(shì)和政策》[1]的預(yù)測(cè)，2022年左右65周歲及以上人口將占總?cè)丝诘?4%以上，預(yù)計(jì)到2050年時(shí)老年人口將達(dá)到5億。這意味著養(yǎng)老問(wèn)題已經(jīng)成為急需解決的社會(huì)問(wèn)題。

智慧養(yǎng)老是指利用先進(jìn)的物聯(lián)網(wǎng)等信息技術(shù)手段，能夠?yàn)槿嗣袢罕妿?lái)智能化、物聯(lián)化、個(gè)性化養(yǎng)老服務(wù)的新型養(yǎng)老模式[2]。為了實(shí)現(xiàn)智慧養(yǎng)老產(chǎn)業(yè)健康快速發(fā)展，國(guó)務(wù)院在《國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》中將“促進(jìn)智慧健康養(yǎng)老產(chǎn)業(yè)發(fā)展”作為“互聯(lián)網(wǎng)+”益民服務(wù)重點(diǎn)行動(dòng)中的子行動(dòng)提出[3]，工業(yè)和信息化部、民政部、國(guó)家衛(wèi)生計(jì)生委在《智慧健康養(yǎng)老產(chǎn)業(yè)發(fā)展行動(dòng)計(jì)劃(2017-2020年)》[4]中提出：“到2020年，基本形成覆蓋全生命周期的智慧健康養(yǎng)老產(chǎn)業(yè)體系。”我國(guó)智慧健康養(yǎng)老產(chǎn)業(yè)正面臨著前所未有的機(jī)遇與挑戰(zhàn)。養(yǎng)老服務(wù)產(chǎn)業(yè)雖然核心服務(wù)對(duì)象是老年人，但隨之而來(lái)的卻是一個(gè)擁有勃勃生機(jī)的新型市場(chǎng)。如何準(zhǔn)確挖掘老年人群體的養(yǎng)老服務(wù)需求，提供精準(zhǔn)的定制化養(yǎng)老服務(wù)，成為了養(yǎng)老服務(wù)平臺(tái)方和提供商的關(guān)注焦點(diǎn)。目前廣泛應(yīng)用于電子商務(wù)、社交媒體等領(lǐng)域的用戶畫(huà)像，正適合應(yīng)用在養(yǎng)老服務(wù)領(lǐng)域。

1 文獻(xiàn)綜述

1.1養(yǎng)老服務(wù)養(yǎng)老服務(wù)是指國(guó)家和社會(huì)以發(fā)揚(yáng)敬老愛(ài)老美德、安定老年人基本生活、維護(hù)老年人生理健康、充實(shí)老年人精神文化生活為目的而采取的政策措施和提供的設(shè)施服務(wù)的總稱(chēng)[5]。席恒[6]將養(yǎng)老服務(wù)體系劃分為7個(gè)基本要素，分別為養(yǎng)老服務(wù)的內(nèi)容、形式、制度、管理、經(jīng)濟(jì)、技術(shù)和文化。其中，對(duì)于養(yǎng)老服務(wù)的內(nèi)容歸納為生活照護(hù)、醫(yī)療護(hù)理、心理慰藉、臨終關(guān)懷四項(xiàng)，如表1所示。

表1 養(yǎng)老服務(wù)內(nèi)容

國(guó)務(wù)院辦公廳發(fā)布的《社會(huì)養(yǎng)老服務(wù)體系建設(shè)規(guī)劃(2011—2015年)》[7]將我國(guó)社會(huì)養(yǎng)老服務(wù)體系劃分為居家養(yǎng)老、社區(qū)養(yǎng)老、機(jī)構(gòu)養(yǎng)老三個(gè)部分，其中居家養(yǎng)老服務(wù)涵蓋生活照料、家政服務(wù)、康復(fù)護(hù)理、醫(yī)療保健、精神慰藉等；社區(qū)養(yǎng)老服務(wù)包括社區(qū)日間照料和居家養(yǎng)老支持兩類(lèi)功能，主要面向家庭日間暫時(shí)無(wú)人或者無(wú)力照護(hù)的社區(qū)老年人提供服務(wù)；機(jī)構(gòu)養(yǎng)老服務(wù)主要通過(guò)老年養(yǎng)護(hù)機(jī)構(gòu)為失能、半失能的老年人提供專(zhuān)門(mén)的助餐、助浴、助潔、應(yīng)急等服務(wù)。

目前國(guó)內(nèi)對(duì)于養(yǎng)老服務(wù)需求的研究大多集中在需求分析和影響因素分析兩方面。蔡中華[8]采用問(wèn)卷調(diào)查方式，發(fā)現(xiàn)吉林市的老年人對(duì)專(zhuān)業(yè)化程度高、有專(zhuān)門(mén)管理機(jī)構(gòu)、有持續(xù)資金投入的養(yǎng)老服務(wù)有較高需求，對(duì)社區(qū)醫(yī)療護(hù)理服務(wù)和精神文化生活服務(wù)強(qiáng)烈關(guān)注。姜向群[9]的研究發(fā)現(xiàn)由社區(qū)或街道組織提供的日常生活照料服務(wù)也逐漸被老年人所接受，一定程度上彌補(bǔ)了家庭照料資源短缺和社會(huì)化服務(wù)發(fā)展不足的缺陷，但目前的社區(qū)服務(wù)內(nèi)容單一，難以滿足老年人多元化的需求。黃雅穎[10]的研究發(fā)現(xiàn)獨(dú)居老年人的養(yǎng)老服務(wù)需求與正常差異較大，更希望社區(qū)能提供配餐送餐服務(wù)和精神慰藉，以解決生理和精神需求。

吉鵬[11]通過(guò)實(shí)地調(diào)查，發(fā)現(xiàn)農(nóng)村老人對(duì)市場(chǎng)化居家養(yǎng)老服務(wù)項(xiàng)目的需求程度不僅受個(gè)人特征因素的影響，包括年齡、性別、受教育程度、慢性病狀況、個(gè)人年收入，同時(shí)也受家庭特征因素的影響，包括婚姻狀況、兒子數(shù)、女兒數(shù)、家庭經(jīng)濟(jì)狀況，還受子女關(guān)系的影響。章甜甜[12]采用多項(xiàng)logit模型實(shí)證研究發(fā)現(xiàn)年齡、文化程度、婚姻狀況、月收入、原工作單位性質(zhì)對(duì)老年人居家養(yǎng)老服務(wù)需求的影響有統(tǒng)計(jì)學(xué)差異。魏民[13]的研究認(rèn)為子女?dāng)?shù)量、患慢性病種類(lèi)、月收入、抑郁狀態(tài)影響老年人選擇養(yǎng)老服務(wù)。董倩楠[14]認(rèn)為不同文化程度和日?；顒?dòng)能力的老年人對(duì)養(yǎng)老服務(wù)的需求存在差異。

1.2用戶畫(huà)像用戶畫(huà)像(User Persona)的概念最早是由交互設(shè)計(jì)領(lǐng)域的學(xué)者Alan Cooper提出的，他指出，用戶畫(huà)像是現(xiàn)實(shí)中目標(biāo)用戶的具體表示，又被稱(chēng)為用戶角色，是基于大量目標(biāo)用戶的信息構(gòu)建的用戶標(biāo)簽體系，是對(duì)產(chǎn)品或服務(wù)對(duì)應(yīng)的目標(biāo)人群做出的特征刻畫(huà)，進(jìn)而實(shí)現(xiàn)產(chǎn)品的優(yōu)化設(shè)計(jì)和服務(wù)的精準(zhǔn)投放，如圖1所示。用戶畫(huà)像的內(nèi)涵包含三個(gè)要素, 即用戶屬性、用戶特征、用戶標(biāo)簽，區(qū)別于普通的用戶研究, 用戶畫(huà)像研究更加關(guān)注用戶整體特征, 試圖還原用戶全貌從而了解用戶需求并提供服務(wù)[15]。

目前用戶畫(huà)像的研究涉及電子商務(wù)、醫(yī)療健康、旅游、圖書(shū)館等多個(gè)領(lǐng)域[16]。從構(gòu)建方法的角度，主要有基于用戶行為、興趣偏好和本體三種畫(huà)像構(gòu)建方法。

從用戶行為角度，費(fèi)鵬[17]在研究中系統(tǒng)融合了用戶網(wǎng)絡(luò)消費(fèi)行為特征，由此抽象出繪制用戶畫(huà)像的該模型框架能夠快速、準(zhǔn)確地識(shí)別出電費(fèi)敏感型客戶。王仁武[18]基于圖書(shū)館用戶的訪問(wèn)日志數(shù)據(jù)，構(gòu)建了學(xué)術(shù)用戶的畫(huà)像標(biāo)簽體系，從而進(jìn)行資源服務(wù)推薦。汪強(qiáng)兵[19]收集用戶的手勢(shì)行為數(shù)據(jù)及手勢(shì)對(duì)應(yīng)的內(nèi)容挖掘用戶興趣，根據(jù)數(shù)據(jù)構(gòu)建用戶興趣畫(huà)像并基于用戶興趣畫(huà)像對(duì)用戶進(jìn)行推薦實(shí)驗(yàn)。

從用戶興趣偏好角度，張鈞[20]以圖書(shū)館用戶為例，構(gòu)建了融合讀者興趣的用戶畫(huà)像，提出圖書(shū)館讀者畫(huà)像的知識(shí)發(fā)現(xiàn)服務(wù)模型。Hoang[21]將推特用戶的用戶行為和社區(qū)興趣結(jié)合起來(lái)，提出了同時(shí)基于行為和興趣的用戶畫(huà)像構(gòu)建模型。Tang[22]使用概率主題模型對(duì)提取的用戶信息進(jìn)行建模，并構(gòu)建用戶興趣模型。

從本體角度，Edwards[23]構(gòu)建了本體OntoProfi來(lái)實(shí)現(xiàn)針對(duì)網(wǎng)絡(luò)購(gòu)物者的個(gè)性化畫(huà)像呈現(xiàn)，研究結(jié)果表明該方法具有靈活性、可擴(kuò)展性和可重用性，用戶和電商對(duì)其接受程度很高。單曉紅[24]以在線評(píng)論數(shù)據(jù)為基礎(chǔ)，從用戶信息屬性、酒店信息屬性和用戶評(píng)價(jià)信息屬性三個(gè)維度構(gòu)建用戶畫(huà)像模型的概念模型,并采用Protégé工具建立本體來(lái)實(shí)現(xiàn)用戶畫(huà)像屬性之間的關(guān)聯(lián)，完成對(duì)酒店用戶特征的完整刻畫(huà)。

雖然目前學(xué)者們針對(duì)很多用戶群體進(jìn)行了用戶畫(huà)像刻畫(huà)，但鮮有針對(duì)老年人用戶的研究。從養(yǎng)老服務(wù)視角對(duì)老年人用戶構(gòu)建用戶畫(huà)像，有利于政府、社區(qū)和相關(guān)企業(yè)有針對(duì)性地設(shè)計(jì)和提供養(yǎng)老服務(wù)，提升老年人用戶體驗(yàn)，推進(jìn)智慧健康養(yǎng)老產(chǎn)業(yè)發(fā)展。

現(xiàn)有的養(yǎng)老服務(wù)需求研究大都采用訪談和問(wèn)卷調(diào)查的方式，以老年人用戶自我認(rèn)知的“養(yǎng)老服務(wù)需要”來(lái)代表“養(yǎng)老服務(wù)需求”。但是在國(guó)外的養(yǎng)老服務(wù)研究中，二者是進(jìn)行嚴(yán)格區(qū)分的，服務(wù)的實(shí)際消費(fèi)和使用情況更能代表老年人用戶的“養(yǎng)老服務(wù)需求”[25]。在如今“互聯(lián)網(wǎng)+智慧養(yǎng)老”的背景下，養(yǎng)老服務(wù)的實(shí)際消費(fèi)和使用情況是能夠通過(guò)社區(qū)養(yǎng)老服務(wù)平臺(tái)采集和利用的，由此進(jìn)行需求分析相較于訪談和問(wèn)卷調(diào)查，更能體現(xiàn)老年人用戶的真實(shí)需求?？紤]到社區(qū)養(yǎng)老服務(wù)平臺(tái)的普及程度和城鄉(xiāng)老年人用戶群體的實(shí)際差異，本研究選擇城市老年人作為研究對(duì)象，通過(guò)構(gòu)建老年人用戶畫(huà)像的方式，劃分用戶類(lèi)別并挖掘真實(shí)養(yǎng)老服務(wù)需求，為養(yǎng)老服務(wù)平臺(tái)方和服務(wù)商提供參考。

2 研究設(shè)計(jì)

目前基于用戶行為的用戶畫(huà)像構(gòu)建的研究和應(yīng)用在電子商務(wù)領(lǐng)域最為廣泛。從數(shù)據(jù)源上來(lái)說(shuō)，電子商務(wù)領(lǐng)域采集的用戶行為數(shù)據(jù)以網(wǎng)絡(luò)行為數(shù)據(jù)為主，而本研究使用的老年人用戶信息數(shù)據(jù)則是純粹的日常行為數(shù)據(jù)；從用戶數(shù)量上看，電子商務(wù)網(wǎng)站的用戶量是數(shù)以億計(jì)的，而一個(gè)社區(qū)愿意通過(guò)養(yǎng)老服務(wù)平臺(tái)或其他渠道獲取養(yǎng)老服務(wù)的老年人可能只有幾十個(gè)甚至更少，因此不能直接照搬現(xiàn)有的用戶行為畫(huà)像模型，要對(duì)模型作出針對(duì)性改進(jìn)。

2.1方法流程想要構(gòu)建用戶畫(huà)像，首先要從用戶標(biāo)簽入手。用戶畫(huà)像從某種程度上來(lái)說(shuō)，就是反映用戶信息全貌的一個(gè)標(biāo)簽集合[26]。本研究選取層級(jí)標(biāo)簽構(gòu)建方法來(lái)構(gòu)建老年人用戶畫(huà)像，該層級(jí)標(biāo)簽結(jié)構(gòu)的一般構(gòu)成為：

(1)原始輸入層。主要指用戶的原始數(shù)據(jù)信息，例如用戶登記信息、消費(fèi)信息、網(wǎng)絡(luò)行為信息等一系列未經(jīng)處理的信息。

(2)事實(shí)層。事實(shí)層主要是用戶信息的準(zhǔn)確描述層，其最重要的特點(diǎn)是，可以從用戶身上得到確定與肯定的驗(yàn)證。如用戶的人口屬性、性別、年齡、籍貫、會(huì)員信息等。

(3)模型層。模型層由一個(gè)或多個(gè)事實(shí)標(biāo)簽組合而成，是基于模型訓(xùn)練的結(jié)果，能夠描述用戶更為深刻的信息。

(4)預(yù)測(cè)層(有些使用情景下稱(chēng)為高級(jí)層)。在原有模型層的基礎(chǔ)上總結(jié)出用戶標(biāo)簽，通過(guò)打標(biāo)簽還能實(shí)現(xiàn)對(duì)新用戶的行為預(yù)測(cè)。

該方法的一般構(gòu)建步驟如下：

(1)通過(guò)多種類(lèi)型渠道收集用戶原始數(shù)據(jù)，根據(jù)應(yīng)用場(chǎng)景和目標(biāo)的不同，這些原始數(shù)據(jù)可以是人口數(shù)據(jù)(姓名、性別、年齡)、網(wǎng)絡(luò)數(shù)據(jù)(瀏覽路徑、頁(yè)面停留時(shí)間)、消費(fèi)數(shù)據(jù)、位置數(shù)據(jù)、設(shè)備數(shù)據(jù)、行為數(shù)據(jù)、社交數(shù)據(jù)等等。

(2)通過(guò)對(duì)原始數(shù)據(jù)的結(jié)構(gòu)化處理、清洗、匹配，獲得準(zhǔn)確的事實(shí)層數(shù)據(jù)。常用方法包括統(tǒng)計(jì)分析、文本挖掘(TF-IDF、LDA)、分類(lèi)聚類(lèi)計(jì)算(神經(jīng)網(wǎng)絡(luò)、SVM支持向量機(jī)、K-means)等。

(3)模型層由一個(gè)或多個(gè)事實(shí)標(biāo)簽組合而成，是基于模型訓(xùn)練的結(jié)果。使用機(jī)器學(xué)習(xí)的方法，結(jié)合推薦算法，在模型層完成對(duì)用戶的標(biāo)簽建模與用戶標(biāo)識(shí)，其主要可以采用的算法有回歸、決策樹(shù)、SVM支持向量機(jī)等。通過(guò)建模分析，可以進(jìn)一步挖掘出用戶的群體特征和個(gè)性權(quán)重特征，從而完善用戶的價(jià)值衡量，服務(wù)滿意度衡量等。

(4)利用預(yù)測(cè)算法，如機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)，計(jì)量經(jīng)濟(jì)學(xué)中的回歸預(yù)測(cè)，數(shù)學(xué)中的線性規(guī)劃等方法，實(shí)現(xiàn)對(duì)新用戶的預(yù)測(cè)(流失預(yù)測(cè)、忠實(shí)度預(yù)測(cè)、興趣程度預(yù)測(cè)等等)，從而實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)、個(gè)性化和定制化服務(wù)。

2.2模型構(gòu)建本研究基于老年人用戶養(yǎng)老服務(wù)數(shù)據(jù)構(gòu)建了用戶畫(huà)像層級(jí)標(biāo)簽?zāi)Ｐ?，如圖1所示。

圖1 城市老年人用戶畫(huà)像層級(jí)構(gòu)建模型

具體分層建模流程如下：

(1)原始層。本研究所能收集到的原始數(shù)據(jù)主要有老年人用戶在養(yǎng)老服務(wù)中心留下的基本登記數(shù)據(jù)、老年人用戶在注冊(cè)智慧養(yǎng)老平臺(tái)賬號(hào)時(shí)提供的相關(guān)基本信息和需求信息、老年人用戶在使用養(yǎng)老服務(wù)平臺(tái)獲取養(yǎng)老服務(wù)時(shí)生成的訂單數(shù)據(jù)。

(2)事實(shí)層。經(jīng)過(guò)對(duì)原始數(shù)據(jù)的觀察討論，本研究認(rèn)為通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行清洗、統(tǒng)計(jì)、整理可以得出以下事實(shí)層數(shù)據(jù)：

① 人口屬性(姓名、身份證號(hào)、性別、年齡、所屬省市社區(qū))。

② 身體狀況(自理、需要適當(dāng)照顧、半失能、失能)。

③ 居住狀況(與子女同住、夫妻雙方居住、獨(dú)居)。

④ 經(jīng)濟(jì)狀況(平均月收入：670元以下、670-1340元、1340-1750元、1751-3000元、3000元以上)。

⑤ 老年人用戶注冊(cè)賬戶時(shí)填寫(xiě)的養(yǎng)老服務(wù)預(yù)計(jì)需求類(lèi)別(助餐、助行、助急、助潔、助樂(lè)、助學(xué)、助醫(yī)、助浴、護(hù)助)。

⑥ 老年人用戶現(xiàn)實(shí)下訂單獲取的養(yǎng)老服務(wù)類(lèi)別(助餐、助行、助急、助潔、助樂(lè)、助學(xué)、助醫(yī)、助浴、護(hù)助)、服務(wù)時(shí)間、服務(wù)金額。

(3)模型層?；跇I(yè)務(wù)邏輯和訂單規(guī)則，對(duì)事實(shí)層數(shù)據(jù)進(jìn)行組合、建模得到的模型層指標(biāo)，具體包括：

① 用戶價(jià)值指標(biāo)(最近一次獲取養(yǎng)老服務(wù)距今時(shí)間、一段時(shí)間內(nèi)獲取養(yǎng)老服務(wù)次數(shù)、一段時(shí)間內(nèi)養(yǎng)老服務(wù)消費(fèi)總金額)。

② 真實(shí)服務(wù)需求指標(biāo)(真實(shí)服務(wù)類(lèi)別)。

(4)預(yù)測(cè)層。考慮到用戶樣本數(shù)和數(shù)據(jù)維度都不高，因此最終構(gòu)成畫(huà)像預(yù)測(cè)層的標(biāo)簽數(shù)量也不宜過(guò)多。本研究最終選擇了用戶價(jià)值級(jí)別、真實(shí)服務(wù)需求兩個(gè)標(biāo)簽組成預(yù)測(cè)層。

① 用戶價(jià)值類(lèi)別：基于用戶價(jià)值指標(biāo)對(duì)老年人用戶價(jià)值作出區(qū)分。

② 真實(shí)服務(wù)需求：基于老年人用戶人口屬性、身體狀況、居住情況、經(jīng)濟(jì)狀況、養(yǎng)老服務(wù)需求類(lèi)別等指標(biāo)對(duì)老年人用戶的真實(shí)養(yǎng)老服務(wù)需求作出預(yù)測(cè)。

3 數(shù)據(jù)分析

3.1描述性統(tǒng)計(jì)本研究依托的平臺(tái)是烽火祥云網(wǎng)絡(luò)科技有限公司設(shè)計(jì)開(kāi)發(fā)并投入使用的社區(qū)智慧養(yǎng)老平臺(tái)，其中武漢市12個(gè)街道共108個(gè)社區(qū)的老年人用戶的數(shù)據(jù)為數(shù)據(jù)來(lái)源。數(shù)據(jù)采集時(shí)間為2018年7月20日到2019年12月3日，內(nèi)容包括老年人用戶在養(yǎng)老服務(wù)中心留下的基本登記數(shù)據(jù)、老年人用戶在注冊(cè)智慧養(yǎng)老平臺(tái)賬號(hào)時(shí)提供的相關(guān)基本信息和需求信息、老年人用戶在使用養(yǎng)老服務(wù)平臺(tái)獲取養(yǎng)老服務(wù)時(shí)生成的訂單數(shù)據(jù)。

老年人用戶經(jīng)濟(jì)狀況方面，如表2所示，共有62.4%的老年人用戶平均月收入處于1750～3000元區(qū)間，占了總數(shù)的一半以上，故在本研究中將平均月收入處于1750～3000元區(qū)間的老年人用戶的經(jīng)濟(jì)狀況標(biāo)簽賦值為一般。相對(duì)應(yīng)的，將平均月收入處于3000元以上的老年人用戶經(jīng)濟(jì)狀況賦值為高，將平均月收入低于1750元的老年人用戶經(jīng)濟(jì)狀況賦值為困難。

表2 老年人用戶經(jīng)濟(jì)狀況

老年人用戶居住狀況方面，如表3所示，有13.5%的老人處于獨(dú)居狀態(tài)，夫妻雙方居住和與子女居住數(shù)量相差不大，故本研究將老年人用戶居住情況標(biāo)簽分別賦值為獨(dú)居、夫妻雙方居住、與子女居住。

表3 老年人用戶居住情況

老年人用戶身體狀況方面，如表4所示，86.1%的老年人用戶可以生活自理，13.9%的老年人不能做到生活完全自理。考慮到老年人用戶身體狀況與養(yǎng)老服務(wù)需求密切相關(guān)，盡管失能、半失能、適當(dāng)需要照顧的老年人用戶占比均不高，但本研究不進(jìn)行合并處理。故將這老年人用戶身體狀況標(biāo)簽分別賦值為可自理、適當(dāng)需要照顧、半失能、失能。

表4 老年人用戶身體狀況

訂單數(shù)據(jù)方面，由2018年7月20日到2019年12月3日的數(shù)據(jù)采集期中，共記錄了5 967條養(yǎng)老服務(wù)訂單信息，具體訂單類(lèi)型與數(shù)量如表5所示，助餐和助樂(lè)是最常用的兩種養(yǎng)老服務(wù)模式：其中助餐服務(wù)累計(jì)4 259次，平均每次消費(fèi)18.3元；助樂(lè)服務(wù)以免費(fèi)線上影視資源為主，無(wú)需消費(fèi)。這5 869條養(yǎng)老服務(wù)訂單信息集中在609位老年人用戶身上，占總用戶數(shù)量的7.5%，與我國(guó)養(yǎng)老服務(wù)“9073”格局(90%老人由家庭自我照顧，7%老人享受居家養(yǎng)老服務(wù)，3%享受機(jī)構(gòu)養(yǎng)老服務(wù))相吻合。訂單最多的老年人用戶在這1年多的時(shí)間里累計(jì)使用養(yǎng)老服務(wù)480次，平均每位用戶使用養(yǎng)老服務(wù)9.6次。

表5 養(yǎng)老服務(wù)訂單信息

3.2用戶價(jià)值類(lèi)別標(biāo)簽

3.2.1 RFM(Recency、Frequency、Monetary)模型 顧名思義，用戶價(jià)值指的是用戶對(duì)平臺(tái)而言的“價(jià)值”，用戶價(jià)值越高，越值得平臺(tái)重視并傾斜資源。本研究采用RFM模型來(lái)實(shí)現(xiàn)用戶價(jià)值類(lèi)別標(biāo)簽的判定。

在RFM模型中, 近度 (Recency) 指最近一次消費(fèi), 也即客戶最近一次購(gòu)買(mǎi)產(chǎn)品或服務(wù)的消費(fèi)狀況。上一次消費(fèi)時(shí)間越近的客戶對(duì)提供的即時(shí)商品或是服務(wù)最有可能反應(yīng), 價(jià)值相對(duì)較高。頻度 (Frequency) 是指在一定期限內(nèi)客戶進(jìn)行消費(fèi)的次數(shù)。消費(fèi)頻率越高的客戶, 其對(duì)產(chǎn)品的滿意度越高, 忠誠(chéng)度越高。值度 (Monetary) , 也就是消費(fèi)金額, 是客戶價(jià)值最為直觀的體現(xiàn), 消費(fèi)金額越高, 其為公司創(chuàng)造的利潤(rùn)也就越高[27]。

根據(jù)本研究采集數(shù)據(jù)的特點(diǎn)，研究對(duì)RFM模型各指標(biāo)的定義如下：

R：由于數(shù)據(jù)采集截止2019年12月3日，故R取值為最近一次獲取養(yǎng)老服務(wù)距2019年12月4日天數(shù)。

F：由2018年7月20日到2019年12月3日內(nèi)獲取養(yǎng)老服務(wù)次數(shù)。

M：由2018年7月20日到2019年12月3日內(nèi)養(yǎng)老服務(wù)消費(fèi)總金額。

3.2.2 基于RFM模型的用戶價(jià)值分類(lèi) 利用RFM模型對(duì)用戶細(xì)分主要有兩種方法，第一類(lèi)是加權(quán)求和獲得價(jià)值評(píng)判值, 再分段劃分類(lèi)別。設(shè)置指標(biāo)權(quán)重, 使權(quán)重與RFM模型各指標(biāo)的計(jì)算結(jié)果相乘得到各指標(biāo)的加權(quán)指標(biāo)值, 讓最終的加權(quán)指標(biāo)值相加以獲得RFM指標(biāo)的總值, 最后設(shè)置閾值以獲得客戶分類(lèi)結(jié)果, 并且大于閾值的為高價(jià)值客戶, 小于閾值的為低價(jià)值客戶[28]?？紤]到這種劃分方式僅僅能將用戶分為兩類(lèi)，本研究選擇使用另一種用戶細(xì)分方式。

另一種方式是R、F、M三個(gè)指標(biāo)都進(jìn)行分類(lèi)，以指標(biāo)值是否大于指標(biāo)均值作為判別標(biāo)準(zhǔn)，將用戶進(jìn)行初步劃分,如表6所示。

表6 初步用戶分組

在每個(gè)指標(biāo)層面都對(duì)用戶進(jìn)行二分之后，所有老年人用戶就被劃分為2^3=8個(gè)不同用戶群體，每個(gè)群體價(jià)值均有差異，如表7所示。

表7 用戶分組

由此，本研究將R、F、M指標(biāo)是否高于指標(biāo)均值作為標(biāo)準(zhǔn)，由這3個(gè)維度將用戶價(jià)值類(lèi)別劃分為重要價(jià)值用戶、一般價(jià)值用戶、重要發(fā)展用戶、重要保持用戶、一般發(fā)展用戶、一般保持用戶、重要挽留用戶、一般挽留用戶8類(lèi)。

其中，4類(lèi)用戶值得平臺(tái)重點(diǎn)關(guān)注并傾斜資源：

(1)重要價(jià)值用戶：即最近剛剛使用過(guò)養(yǎng)老服務(wù)，使用頻率和消費(fèi)金額都很高的老年人用戶，這是社區(qū)智慧養(yǎng)老平臺(tái)的最核心的穩(wěn)定用戶群體。

(2)重要保持用戶：即有一段時(shí)間沒(méi)有使用養(yǎng)老服務(wù)了，但曾經(jīng)的使用貧富和消費(fèi)金額都很高的老年人用戶，這類(lèi)用戶屬于平臺(tái)的忠實(shí)用戶，但有流失的風(fēng)險(xiǎn)，需要平臺(tái)主動(dòng)與其溝通，改善服務(wù)，使其繼續(xù)使用社區(qū)智慧養(yǎng)老平臺(tái)來(lái)獲取養(yǎng)老服務(wù)。

(3)重要發(fā)展用戶：即最近剛剛使用過(guò)養(yǎng)老服務(wù)，消費(fèi)金額較高，但使用頻率不高的老年人用戶。這類(lèi)用戶具有極高的消費(fèi)潛力和發(fā)展價(jià)值，平臺(tái)可以對(duì)此類(lèi)用戶多推送各類(lèi)服務(wù)，提升其使用服務(wù)的幾率。

(4)重要挽留用戶：即有一段時(shí)間沒(méi)有使用養(yǎng)老服務(wù)，使用服務(wù)頻率不高，但消費(fèi)金額高的老年人用戶。這類(lèi)用戶有消費(fèi)潛力，但極易流失，需要制定挽留措施。

3.3真實(shí)服務(wù)需求標(biāo)簽無(wú)論是在電商領(lǐng)域還是其他領(lǐng)域，構(gòu)建用戶畫(huà)像的最終目的都是挖掘用戶的真實(shí)需求，進(jìn)而提供有針對(duì)性的服務(wù)。盡管老年人在注冊(cè)養(yǎng)老服務(wù)平臺(tái)賬號(hào)時(shí)已經(jīng)勾選過(guò)自身需要的養(yǎng)老服務(wù)，但經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，很多老年人并沒(méi)有選擇獲取這些養(yǎng)老服務(wù)。無(wú)論是因?yàn)橹饔^還是客觀的原因，老年人用戶自我認(rèn)知的養(yǎng)老服務(wù)需求與實(shí)際的真實(shí)服務(wù)需求并不吻合，毫無(wú)疑問(wèn)老年人用戶的真實(shí)養(yǎng)老服務(wù)需求更為重要。因此，本研究要分析老年人用戶養(yǎng)老服務(wù)數(shù)據(jù)與其真實(shí)服務(wù)需求的聯(lián)系，從而做到預(yù)測(cè)新用戶與潛在用戶(雖然注冊(cè)了平臺(tái)但尚未使用養(yǎng)老服務(wù))的真實(shí)服務(wù)需求類(lèi)型，實(shí)現(xiàn)精準(zhǔn)推薦。

研究選擇根據(jù)老年人用戶性別、年齡、健康狀況、經(jīng)濟(jì)情況、居住方式、需求類(lèi)型來(lái)預(yù)測(cè)老年人用戶的真實(shí)服務(wù)需求?？紤]到變量復(fù)雜度和模型擬合效果，本研究選擇BP神經(jīng)網(wǎng)絡(luò)方法來(lái)預(yù)測(cè)真實(shí)服務(wù)需求。

3.3.1 基于BP神經(jīng)網(wǎng)絡(luò)的真實(shí)服務(wù)需求預(yù)測(cè) 本研究采用了BP神經(jīng)網(wǎng)絡(luò)模型，以老年人用戶性別、年齡、健康狀況、經(jīng)濟(jì)情況、居住方式、需求類(lèi)型作為輸入數(shù)據(jù)，以用戶真實(shí)服務(wù)需求類(lèi)型作為輸出數(shù)據(jù)，構(gòu)建了一個(gè)3層BP神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)對(duì)用戶真是服務(wù)需求的預(yù)測(cè)。具體步驟如下：

(1)確定輸入層：輸入層由性別、年齡、健康狀況、經(jīng)濟(jì)情況、居住方式、需求類(lèi)型6個(gè)節(jié)點(diǎn)構(gòu)成，其中年齡數(shù)值型指標(biāo)可以直接輸入神經(jīng)網(wǎng)絡(luò)，其余指標(biāo)為類(lèi)別指標(biāo)需要將其數(shù)值化?？紤]到這些類(lèi)別指標(biāo)并不是等距劃分，不適合用1，2，3，4代替，因此本研究用向量表示這些類(lèi)別指標(biāo)。例如居住方式向量表示為(獨(dú)居、夫妻雙方居住、與子女居住)，獨(dú)居的老年人用戶居住方式表示為(1，0，0)，與子女居住的老年人用戶居住方式表示為(0，0，1)；需求類(lèi)型向量表示為(助餐，助行，助急，助潔，助樂(lè)，助學(xué)，助醫(yī)，助浴、護(hù)助)，有助餐和助醫(yī)需求的老年人用戶需求類(lèi)型表示為(1，0，0，0，0，0，1，0，0)。

(2)確定輸出層：神經(jīng)網(wǎng)絡(luò)的輸出層為老年人用戶真實(shí)服務(wù)需求類(lèi)型，即其所有下單記錄的類(lèi)別統(tǒng)計(jì)。與需求類(lèi)型類(lèi)似，同樣以向量的形式表達(dá)。以某隨機(jī)某用戶為例，他總計(jì)獲取助餐服務(wù)17次，助樂(lè)服務(wù)5次，助醫(yī)服務(wù)1次，則其真實(shí)服務(wù)需求表示為(17，0，0，0，5，0，1，0，0)。

(3)隱含層節(jié)點(diǎn)數(shù)：考慮到實(shí)際使用平臺(tái)獲取服務(wù)的老年人用戶樣本共607人，隱含層節(jié)點(diǎn)不宜過(guò)多，否則容易發(fā)生過(guò)擬合現(xiàn)象。根據(jù)經(jīng)驗(yàn)公式(1)，確定隱含層節(jié)點(diǎn)數(shù)h取值范圍為[1，5]。

(1)

其中m，n，a分別為輸入層節(jié)點(diǎn)數(shù)，輸出層節(jié)點(diǎn)數(shù)，調(diào)節(jié)常數(shù)。

(4)神經(jīng)網(wǎng)絡(luò)參數(shù)：網(wǎng)絡(luò)訓(xùn)練方法選取trainlm，節(jié)點(diǎn)傳遞函數(shù)選取tansig，最大訓(xùn)練次數(shù)epochs為500，目標(biāo)誤差goal取值為0.01，學(xué)習(xí)率lr取值為0.1。

3.3.2 預(yù)測(cè)結(jié)果 研究將607名老年人用戶分為兩組，其中507名老年人用戶的養(yǎng)老服務(wù)數(shù)據(jù)用作訓(xùn)練數(shù)據(jù)，剩余100名老年人用戶的養(yǎng)老服務(wù)數(shù)據(jù)作為測(cè)試數(shù)據(jù)。實(shí)驗(yàn)工具使用MATLAB，隱含層節(jié)點(diǎn)數(shù)取值從1到5分別基于訓(xùn)練數(shù)據(jù)得出一個(gè)BP神經(jīng)網(wǎng)絡(luò)。將測(cè)試數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，輸出向量中數(shù)值最大的需求類(lèi)別作為預(yù)測(cè)結(jié)果，將真實(shí)結(jié)果與預(yù)測(cè)結(jié)果對(duì)比，預(yù)測(cè)準(zhǔn)確率如表8所示。

表8 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)準(zhǔn)確率

可以看出，有3個(gè)神經(jīng)網(wǎng)絡(luò)的判別準(zhǔn)確率超過(guò)80%，其中隱含層節(jié)點(diǎn)數(shù)選取為2的時(shí)候判別準(zhǔn)確率最高。

3.4用戶畫(huà)像展示以用戶價(jià)值類(lèi)別標(biāo)簽和用戶真實(shí)服務(wù)需求標(biāo)簽作為本研究老年人用戶畫(huà)像的核心標(biāo)簽，輔以健康狀況、經(jīng)濟(jì)情況、居住方式等事實(shí)層標(biāo)簽，構(gòu)成了最終的基于社區(qū)智慧養(yǎng)老平臺(tái)數(shù)據(jù)的老年人用戶畫(huà)像標(biāo)簽體系。以任意老年人用戶為例，最終得出的用戶畫(huà)像的主要標(biāo)簽展示如圖2所示。

圖2 老人甲用戶畫(huà)像展示

4 結(jié) 語(yǔ)

本研究從用戶畫(huà)像視角來(lái)實(shí)現(xiàn)老年人養(yǎng)老服務(wù)數(shù)據(jù)挖掘，選取了層級(jí)標(biāo)簽畫(huà)像構(gòu)建方法，對(duì)原始數(shù)據(jù)進(jìn)行逐層探討，設(shè)計(jì)了各層標(biāo)簽的屬性和賦值，然后在此基礎(chǔ)上提煉出了用戶價(jià)值類(lèi)別和真實(shí)服務(wù)需求兩個(gè)第四層標(biāo)簽用以構(gòu)建最終的老年人健康用戶畫(huà)像。老年人養(yǎng)老服務(wù)用戶畫(huà)像不僅能夠促使社區(qū)養(yǎng)老服務(wù)中心針對(duì)不同類(lèi)型不同標(biāo)簽的老年人提供有針對(duì)性的社區(qū)服務(wù)，也能為諸多智慧養(yǎng)老行業(yè)服務(wù)提供商的服務(wù)精準(zhǔn)推送和產(chǎn)品開(kāi)發(fā)商的產(chǎn)品設(shè)計(jì)提供參考依據(jù)，從而帶動(dòng)相關(guān)產(chǎn)業(yè)發(fā)展。

本研究的貢獻(xiàn)在于：(1)區(qū)分了老年人用戶的主觀“需要”和真實(shí)“需求”，通過(guò)養(yǎng)老服務(wù)的現(xiàn)實(shí)消費(fèi)和使用情況來(lái)分析老年人用戶的真實(shí)需求。(2)盡管用戶畫(huà)像在許多領(lǐng)域得到廣泛應(yīng)用，但本研究針對(duì)城市老年人用戶構(gòu)建了用戶畫(huà)像，從而可以更精確把握老年人的養(yǎng)老服務(wù)需求。

受限于數(shù)據(jù)采集范圍、隱私問(wèn)題、養(yǎng)老服務(wù)普及度等原因，本研究采集的數(shù)據(jù)在維度和數(shù)量上都有待進(jìn)一步補(bǔ)充和增加，構(gòu)成畫(huà)像的標(biāo)簽體系也較為簡(jiǎn)略。在未來(lái)的研究中，應(yīng)把其他城市乃至農(nóng)村老年人用戶都納入研究范圍，從更豐富的渠道收集養(yǎng)老服務(wù)多源數(shù)據(jù)，實(shí)現(xiàn)更深層次的養(yǎng)老大數(shù)據(jù)挖掘。