劉華強(qiáng) 劉建華

[摘 要] 新高考改革倒逼高校更加關(guān)注“用戶需求”。通過采集某師范大學(xué)新生數(shù)據(jù)構(gòu)建可視化模型，發(fā)現(xiàn)存在三類特征差異較為明顯的新生“典型畫像”?；诋嬒瘢梢灾贫ú煌后w的精準(zhǔn)招生宣傳措施并提供不同階段的個(gè)性化服務(wù)。根據(jù)細(xì)分市場(chǎng)提供精準(zhǔn)信息服務(wù)成為研究熱點(diǎn)和行業(yè)共識(shí)。精準(zhǔn)服務(wù)的前提是對(duì)細(xì)分市場(chǎng)用戶群體特征的分析，把握潛在目標(biāo)群體的擇校動(dòng)機(jī)，較好地回答“向誰(shuí)宣傳”“宣傳什么”的問題。研究的創(chuàng)新在于探索根據(jù)新高考改革背景下?lián)裥Ｐ袨榈睦碚撗芯恐贫ň唧w校本招生宣傳政策的數(shù)據(jù)分析方法。

[關(guān)鍵詞] 新高考;擇校行為;用戶畫像;K-Means聚類

[基金項(xiàng)目] 2020年度福建省中青年教師教育科研項(xiàng)目（科技類）“基于K-均值聚類的高校宣傳用戶畫像研究”（JAT200321）;2020年度閩南師范大學(xué)教育教學(xué)改革研究項(xiàng)目“實(shí)踐取向的公費(fèi)師范培養(yǎng)項(xiàng)目綜合改革研究”（JG202026）

[作者簡(jiǎn)介] 劉華強(qiáng)（1983—），男，福建壽寧人，心理學(xué)碩士，閩南師范大學(xué)學(xué)科建設(shè)與研究生工作處學(xué)科建設(shè)辦公室主任，助理研究員，主要從事教育管理研究;劉建華（1978—），男，福建南靖人，經(jīng)濟(jì)學(xué)博士，閩南師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院副教授，商學(xué)院調(diào)查與數(shù)據(jù)研究中心主任，主要從事貝葉斯統(tǒng)計(jì)、模型選擇研究。

[中圖分類號(hào)] G644 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1674-9324（2022）09-0049-04 [收稿日期] 2021-09-23

新高考改革背景下，00后學(xué)生擇校自由權(quán)得到釋放，高校招生宣傳必然由粗放型向智慧型轉(zhuǎn)變。以往不區(qū)分對(duì)象、內(nèi)容寬泛、單向傳播的宣傳方式已無(wú)法滿足考生的多元化、個(gè)性化需求。當(dāng)前大數(shù)據(jù)環(huán)境下的精準(zhǔn)營(yíng)銷策略都與用戶需求有緊密的聯(lián)系，Zoratti S 等提出了利用數(shù)據(jù)挖掘事物間的關(guān)聯(lián)性[1]，Zhen Y 等提出通過識(shí)別不同類別客戶之間的潛在特征進(jìn)而提出適當(dāng)?shù)木珳?zhǔn)營(yíng)銷策略[2]。用戶畫像分析是近年來(lái)深度挖掘用戶需求的重要方法，用以更好地理解用戶需求，實(shí)現(xiàn)個(gè)性化、精準(zhǔn)化信息服務(wù)。在高等教育領(lǐng)域，近年來(lái)出現(xiàn)多項(xiàng)研究，探討了用戶畫像在圖書館服務(wù)、思想政治工作、學(xué)生評(píng)價(jià)、心理健康評(píng)估等場(chǎng)景下的應(yīng)用。但該技術(shù)在招生宣傳的應(yīng)用研究尚不多見，也缺乏可以復(fù)制的案例。

一、研究方法

（一）用戶畫像的概念

最早提出用戶畫像的概念是交互設(shè)計(jì)之父A.Cooper，他認(rèn)為用戶畫像是一種建立在一定數(shù)據(jù)基礎(chǔ)上概括用戶行為特征、需求和目標(biāo)的模型[3]。經(jīng)過用戶特征屬性歸納或相似度計(jì)算進(jìn)行聚類，可以從海量數(shù)據(jù)中獲取某產(chǎn)品（服務(wù)）的“典型用戶”的可視化形象——群體用戶畫像，從而實(shí)現(xiàn)用戶分類、市場(chǎng)細(xì)分等目標(biāo)。相較于銷售人員或產(chǎn)品設(shè)計(jì)人員主觀歸納的用戶特征，用戶畫像作為用戶靜態(tài)和動(dòng)態(tài)屬性特征提煉后得出的“典型用戶”的概念模型，更加強(qiáng)調(diào)用戶的主體地位，更加凸顯用戶的特定化需求[4]。

（二）高校新生擇校行為的構(gòu)成因素

用戶的基本特征、需求及偏好等特征信息是構(gòu)建用戶畫像的基礎(chǔ)性數(shù)據(jù)單元。通常也將用戶畫像的屬性分為兩個(gè)部分：一部分包括性別、年齡等身份屬性數(shù)據(jù)，另一部分為行為數(shù)據(jù)。研究中抽取這些特征信息中最具代表性的信息或者核心信息成為標(biāo)簽。

在高考生擇校及專業(yè)選擇影響屬性的研究中，國(guó)內(nèi)學(xué)者關(guān)注的屬性主要可以概括為家庭經(jīng)濟(jì)社會(huì)背景、成本與收益的比較、高校特征、受教育者價(jià)值觀念和高等教育信息五個(gè)方面。劉自團(tuán)等開展的不同家庭經(jīng)濟(jì)背景子女的擇校差異及影響因素調(diào)查采用謝作栩教授團(tuán)隊(duì)所研制的“大一新生調(diào)查問卷”，共包含16個(gè)影響因素，分別是父母、家人或其他親屬的影響或建議，中學(xué)教師及其他非親屬長(zhǎng)輩的影響或建議，朋友、同學(xué)、學(xué)長(zhǎng)（姐）的影響或建議，學(xué)校的聲望，離家較遠(yuǎn)，離家較近，有親朋好友在本校，校園環(huán)境、設(shè)施、設(shè)備，特殊項(xiàng)目（如實(shí)驗(yàn)班、特色班或按大類招生等），大學(xué)師資，學(xué)校知名度，學(xué)科、專業(yè)聲譽(yù)，學(xué)費(fèi)和生活費(fèi)用因素，就業(yè)前景，學(xué)校招生分?jǐn)?shù)段，大學(xué)所在地的經(jīng)濟(jì)發(fā)達(dá)程度等，為高校新生用戶畫像的構(gòu)成標(biāo)簽提供了依據(jù)。上述屬性均為較為靜態(tài)的因素，本研究根據(jù)招生工作人員意見，增加對(duì)宣傳工作至關(guān)重要的“搜尋院校招生信息時(shí)間”作為可變信息標(biāo)簽。

（三）建立高校新生用戶畫像的模型與方法

為了從大量數(shù)據(jù)中獲取“典型用戶”的可視化形象，需要將用戶分類為不同的組群。K-means聚類分析以算法快速簡(jiǎn)單、適合挖掘大規(guī)模數(shù)據(jù)集的優(yōu)勢(shì)成為建立分類的常用方法之一，其數(shù)學(xué)思想是將n個(gè)對(duì)象的數(shù)據(jù)分成k個(gè)簇（k≤n），簇中對(duì)象的“距離”較小，不同簇中對(duì)象的“距離”較大。通過K-means聚類分析，能夠?qū)⒁慌鷺颖緮?shù)據(jù)（或變量）按照它們?cè)谛再|(zhì)上的親疏程度在沒有先驗(yàn)知識(shí)的情況下自動(dòng)進(jìn)行分類，達(dá)到“物以類聚”的目的。傅振南利用K-means算法對(duì)錄取學(xué)生所在學(xué)校進(jìn)行細(xì)分，得出了不同學(xué)校簇（用戶）中學(xué)生的報(bào)考傾向，提供了“招生問題的描述和聚類分析的目標(biāo)—招生相關(guān)源數(shù)據(jù)收集—數(shù)據(jù)預(yù)處理—聚類分析—結(jié)果可視化和解釋”的研究范式。參考傅振南的研究，結(jié)合孫吉貴提出的典型的聚類過程，本研究將生成高校新生用戶畫像的步驟分為數(shù)據(jù)預(yù)處理與特征提取、擇校行為的模型選擇、聚類結(jié)果可視化解釋三個(gè)步驟。

二、高校新生用戶畫像構(gòu)建的數(shù)據(jù)處理

（一）數(shù)據(jù)預(yù)處理與特征提取

使用網(wǎng)絡(luò)平臺(tái)采集福建省某省屬高校（以下簡(jiǎn)稱M校）2019級(jí)、2020級(jí)新生近一萬(wàn)人在高考填報(bào)志愿中院校及專業(yè)選擇的行為特征。調(diào)查數(shù)據(jù)用網(wǎng)絡(luò)平臺(tái)上填答電子問卷的方式收集并匹配學(xué)生中學(xué)檔案數(shù)據(jù)和高考志愿填報(bào)數(shù)據(jù)獲得。調(diào)查在每年新生入學(xué)后一個(gè)月內(nèi)進(jìn)行，共收到調(diào)查問卷9761份，其中有效問卷9400份，有效率為96.31%。本問卷調(diào)查對(duì)同一IP地址、同一手機(jī)/電腦的用戶填寫的問卷數(shù)進(jìn)行了嚴(yán)格設(shè)置，并且不允許斷點(diǎn)續(xù)答，從而保證每份問卷均回答完整有效。部分學(xué)生利用不同手機(jī)、電腦進(jìn)行重復(fù)作答，經(jīng)審核后予以剔除。本調(diào)查報(bào)告的所有統(tǒng)計(jì)數(shù)據(jù)均由網(wǎng)絡(luò)平臺(tái)后端數(shù)據(jù)統(tǒng)計(jì)生成。

（二）擇校行為的模型選擇

可能影響學(xué)生志愿填報(bào)行為的因素眾多，部分因素由于存在多個(gè)類別，需要引入多個(gè)虛擬變量進(jìn)行刻畫。為刻畫學(xué)生志愿填報(bào)行為，需要從眾多的影響因素中選擇顯著的變量（或變量組），同時(shí)又要從存在多個(gè)類別的因素（即變量組）中選擇顯著的虛擬變量。因此采用了基于壓縮估計(jì)的雙層變量選擇方法對(duì)學(xué)生志愿填報(bào)行為進(jìn)行統(tǒng)計(jì)建模分析，第一層選擇顯著組，第二層選擇組內(nèi)顯著單個(gè)變量。

根據(jù)前文研究方法部分高校新生用戶畫像的標(biāo)簽選擇的討論，結(jié)合M校特色，本研究以填報(bào)志愿時(shí)M院校是否排在第一愿志學(xué)校作為填報(bào)行為的度量，變量代碼為First，作為因變量。選擇的可能影響因變量First的因素包括：性別Sex，生源地SYD、應(yīng)往屆YWJ、中學(xué)所在地Location、文理科WLK、省份Prov、家庭經(jīng)濟(jì)水平Eco、父母最高學(xué)歷Edu、父母職業(yè)是否與學(xué)生就讀專業(yè)相關(guān)Occupation、大學(xué)目標(biāo)規(guī)劃Plan，以及搜尋院校招生信息的時(shí)間Search。其中，Location有三個(gè)類別，引入了兩個(gè)虛擬變量——Location1和Location2;大學(xué)目標(biāo)規(guī)劃也分成三個(gè)類別，引入兩個(gè)虛擬變量——Plan1和Plan2。這些自變量中家庭經(jīng)濟(jì)水平Eco和父母最高學(xué)歷Edu為順序型變量，搜尋招生信息時(shí)間為數(shù)值型變量，其余變量均為分類變量。

由于因變量為0-1的二分類變量，因此建立logistic回歸模型：

（1）

其中X為所有的自變量，β為回歸系數(shù)。采用基于壓縮估計(jì)的雙層變量選擇方法進(jìn)行變量選擇，最終得到表1中的回歸結(jié)果。

表1的全樣本回歸結(jié)果表明，女生比男生更傾向于報(bào)考M校，她們?cè)谔顖?bào)志愿時(shí)把M校列為第一志愿院校的概率比男生高。類似的，農(nóng)村生源地的學(xué)生、理科學(xué)生、福建考生、要報(bào)考師范類的學(xué)生，以及搜尋招生院校信息時(shí)間較短的學(xué)生，在填報(bào)志愿時(shí)均更傾向于把M校列為第一志愿院校。其余幾個(gè)因素均不影響學(xué)生填報(bào)志愿的行為。

細(xì)分來(lái)看，對(duì)于師范類學(xué)生，影響學(xué)生是否將M校列為第一志愿院校的因素與全樣本相同，且系數(shù)符號(hào)也完全一致，但在系數(shù)的絕對(duì)數(shù)值上均比全樣本的回歸系數(shù)更大，表明對(duì)師范類學(xué)生來(lái)說，女生、農(nóng)村生源學(xué)生、理科生、福建生源學(xué)生及搜尋院校信息更短的學(xué)生更傾向于以第一志愿院校報(bào)考M校師范類。與全樣本和師范類樣本的回歸結(jié)果不同，對(duì)非師范類學(xué)生而言，性別Sex和搜尋院校信息時(shí)間Search這兩個(gè)變量則并不影響學(xué)生填報(bào)志愿時(shí)是否把M校列為第一志愿院校，其余的影響因素均與全樣本和師范類樣本回歸的影響因素相同且符號(hào)一致，但在回歸系數(shù)的絕對(duì)數(shù)值上要更小一些，這表明雖然生源地SYD、文理科WLK、省份Prov是重要的影響因素，但影響程度并不如對(duì)師范類學(xué)生那么大。

（三）聚類結(jié)果可視化解釋

采用K-Means聚類方法，最終得到了如圖1所示的三類學(xué)生畫像。

第一類：福建省+農(nóng)村生源+在縣城中學(xué)就讀+文科+非獨(dú)生子女+想從教的女生，其家庭經(jīng)濟(jì)狀況介于較低和中等之間，且偏向于中等，父母的最高學(xué)歷略高于初中水平，她們約在考前1個(gè)月開始搜索院校招生信息。

第二類：福建省+城鎮(zhèn)生源+在市區(qū)中學(xué)就讀+理科+獨(dú)生子女+想考研的女生，其家庭經(jīng)濟(jì)狀況略低于中等水平，父母最高學(xué)歷略高于高中/中專水平，她們?cè)诳记鞍雮€(gè)月左右開始搜尋院校招生信息。

第三類：省外+農(nóng)村生源+在縣城中學(xué)就讀+理科+非獨(dú)生子女+不考研不從教（即想畢業(yè)后直接就業(yè)）的女生，其家庭經(jīng)濟(jì)水平介于較低和中等之間，父母最高學(xué)歷為初中水平，他們?cè)诟呖冀Y(jié)束后填報(bào)志愿前才開始關(guān)注院校招生信息。

三、分析與建議

過去在招生宣傳期學(xué)校一般采取“廣撒網(wǎng)+轟炸”策略，造成了數(shù)據(jù)爆炸和信息環(huán)境污染等問題，導(dǎo)致考生信息檢索成本高而院校宣傳效果差的資源錯(cuò)配。在上述背景下，不同的高校如何從全國(guó)一萬(wàn)多所高中找出適合本校的目標(biāo)高中，成為高校招生宣傳工作的重要問題。

本研究通過構(gòu)建“用戶畫像”，用數(shù)據(jù)重構(gòu)潛在新生群體的主要需求、偏好、動(dòng)機(jī)特征，以考生為中心，通過目標(biāo)群體細(xì)分形成某特定院校精準(zhǔn)線上線下宣傳方案。例如，本研究的案例學(xué)校顯現(xiàn)出在縣城中學(xué)就讀學(xué)生更偏愛師范類、城鎮(zhèn)生源偏愛考研的特點(diǎn)，這就要求根據(jù)不同性質(zhì)的中學(xué)設(shè)計(jì)不同的宣講策略，見表2。

在填報(bào)期，學(xué)生根據(jù)高考成績(jī)選擇學(xué)校和專業(yè)的意向已相對(duì)清晰，關(guān)注點(diǎn)更加集中在個(gè)性化需求。根據(jù)用戶畫像進(jìn)行用戶需求預(yù)測(cè)，精準(zhǔn)推送細(xì)化到專業(yè)、知名教師團(tuán)隊(duì)、教學(xué)科研平臺(tái)、社團(tuán)、競(jìng)賽等招生宣傳“點(diǎn)”信息，減少“信息冗余”噪音。以用戶畫像為依據(jù)將學(xué)生引導(dǎo)到細(xì)分的同類考生交流微信群或者QQ群，增加社群的情感黏性、認(rèn)同感和歸屬感。

通過用戶畫像，學(xué)生工作教師可以較為便捷地發(fā)現(xiàn)報(bào)考大致動(dòng)機(jī)及其錄取專業(yè)出入較大的學(xué)生，進(jìn)行有針對(duì)性的生涯輔導(dǎo)。

四、優(yōu)化建議和研究展望

用戶畫像的優(yōu)勢(shì)依賴大數(shù)據(jù)，本研究只基于調(diào)查收集一所學(xué)校新生的數(shù)據(jù)，數(shù)據(jù)來(lái)源及數(shù)量具有較大的限制。后續(xù)研究可以跨院?？鐧C(jī)構(gòu)、多平臺(tái)特別是網(wǎng)絡(luò)社交平臺(tái)開展數(shù)據(jù)收集，實(shí)現(xiàn)地域和跨領(lǐng)域的數(shù)據(jù)融合，為教育主管部門、高校、中學(xué)師生及第三方平臺(tái)提供更豐富的數(shù)據(jù)服務(wù)，更好地滿足考生多樣化需求，讓考生家長(zhǎng)收獲更多新高考改革“紅利”。

參考文獻(xiàn)

[1]秦仲篪，莊穆妮，管慧，等.大數(shù)據(jù)視角下歐萊雅（中國(guó)）的用戶畫像分析[J].長(zhǎng)沙大學(xué)學(xué)報(bào)，2018，32（5）：44-49+55.

[2]ZHEN Y， SI Y， ZHANG D et al. A decision-making framework for precision marketing [J].Expert systems with applications，2015（7）：3357-3367.

[3]王麗，譚凱波，黃云.用戶畫像在圖書館個(gè)性化服務(wù)應(yīng)用中的問題及對(duì)策[J].數(shù)字圖書館論壇，2021（10）：66-72.

[4]劉海鷗.國(guó)內(nèi)外用戶畫像研究綜述[J].情報(bào)理論與實(shí)踐，2018（11）：155-160.

Visual Analysis of Students’ School Choice Behavior under the Background of the New College Entrance Examination Reform： Taking M University as an Example

LIU Hua-qianga， LIU Jian-huab

（a.Department of Discipline Construction and Postgraduate Work， b. School of Mathematics and Statistics， Minnan Normal University， Zhangzhou， Fujian 363000， China）

Abstract： The new college entrance examination reform has forced universities to pay more attention to “users’ needs”. By collecting the data of the freshmen in a normal university， this study builds a visual model and finds that there are three kinds of “typical portraits” of freshmen with obvious differences in characteristics. Based on the “portraits”， we can formulate accurate recruitment and publicity measures for different groups and provide personalized services at different stages. To provide accurate information services according to the characteristics of the users has become a research hot subject and a consensus of the industry. The premise of accurate service is to analyze the characteristics of user groups in the market segments， grasp the motivation of school choice of the potential target groups， and better answer the questions of “who to publicize” and “what to publicize”. The innovation of the research lies in exploring the data analysis method for formulating specific school-based enrollment publicity policies based on the theoretical research on school choice behavior under the background of the new college entrance examination reform.

Key words： new college entrance examination reform; college-choice behavior; user profile; K-Means cluster