本系列文章将從最簡單的概念開始，逐步講解推薦系統的發展曆程和最新實踐。以産品經理的視角，闡述推薦系統涉及的算法，技術和架構。本文将介紹推薦系統如何給現實世界中的用戶打數字化的标簽：用戶畫像。

用戶畫像，簡單來講，就是我們給用戶打上的一系列的标簽。它的應用非常廣泛，在互聯網産品的任何一個領域，任何一種實現用戶個性化的功能，都需要用到用戶畫像。本文隻涉及推薦系統的用戶畫像體系。

一、推薦系統用戶畫像長什麼樣

用戶畫像這個詞具有廣泛性。它被應用于推薦，廣告，搜索，個性化營銷等各個領域。任何時候，不管出于什麼目的，我們想描述我們的用戶是誰的時候，大家都會用到用戶畫像這個詞。

比如：

（1）産品經理定性用戶分析

設計産品功能時，會對用戶是誰進行描摹。如：目标用戶群體的人口屬性，社會背景，使用習慣等信息。這種用戶畫像主要描述用戶是誰，以便做好功能定位。

如下圖中的定性用戶畫像分群：

（2）數據分析用戶畫像

分析用戶行為，用戶進行聚類行為分析。如：數據分析師可能會給出，觀看電商直播的男女比例，得出女性用戶更喜歡看我們的電商直播這樣的結論。

（3）推薦系統用戶畫像

為建立個性化功能，用各種辦法給用戶大規模打上幾萬甚至幾千萬個标簽。這種标簽不僅僅有偏好，還有偏好程度值。

本文所指的用戶畫像，僅僅涉及第三種情況。一般地，推薦系統的用戶畫像長成這個樣子：

推薦系統的用戶畫像，一般包括用戶基礎信息和偏好信息。而偏好畫像是重點，數量上占了推薦系統用戶畫像的絕大多數，是我們召回和模型訓練的基石。

因為機器跟人不同，一個詞“中國”對于人來說是有意義的，對于機器隻是一個漢字編碼。因為用戶畫像，為了能讓機器計算，需要帶上概率值或者偏好值（權重值）等。

我們接下來就聊一聊，在推薦系統中，這種帶了一些列數字的用戶畫像怎麼構建出來的。

二、用戶畫像怎麼用？

第一章的介紹過，推薦過程分為：召回、初排和精排三個階段。用戶畫像主要用在召回和初排兩個階段。

召回階段使用用戶畫像，主要是通過用戶畫像召回相似的物品。比如一個短視頻APP上，用戶海賊王偏好值比較高，就可以針對海賊王進行内容召回。

初排階段使用用戶畫像，是在模型上使用的。模型将用戶畫像數據作為一部分的特征值，用于模型的離線訓練或者實時模型更新。

三、用戶畫像的分類

用戶畫像是一個比較大而全的概念，标簽是用戶畫像最基本的單元，用戶畫像是有成千上萬個标簽組合而成的。當我們想對用戶畫像進行分類時，通過對用戶标簽的分類就可以了。每個平台有自己的用戶畫像體系。對推薦系統的構建來說，一般從以下維度來做标簽分類。

如下圖所示：

其中：

（1）基礎用戶畫像

• 人口統計學标簽：用戶的性别，年齡，地區等信息。
• 行為特征标簽：用戶在互聯網平台的注冊，活躍，付費，浏覽等方面的行為記錄産生的用戶标簽。
• 性格标簽：豪爽大方，精打細算，沖動消費等類型标簽

（2）偏好用戶畫像

• 長期偏好标簽：用戶對較長時間内，幾個月甚至是幾年内，對某類事物的穩定偏好。
• 短期偏好标簽：用戶最近較短時間内，七天内甚至是幾分鐘内，對某類事物的偏好。
• 泛化偏好标簽：衆多的用戶偏好中，不同的偏好之間有關聯性或者相似性，就像啤酒和尿布那樣。用戶對啤酒有過直接的行為，但對尿布還沒有，那麼尿布可能是他的泛化偏好。

以上的五小分類中，前面兩類隻占了用戶标簽數量的很小一部分。而推薦系統中，數量最為龐大的要數偏好類的标簽了。平台有多少個物品标簽，就會産生多少偏好标簽。另一方面，偏好類的标簽的産生，依賴于物品标簽。因為用戶對物品的偏好程度，是通過他對平台物品的曝光，點擊，購買等行為計算出來的。

四、基礎用戶畫像的怎麼來？

那基礎的用戶畫像是怎麼産生的呢？一般可分以下幾種來源：

• 簡單信息提取：基于實際基本事實而産生标簽，如注冊時間，渠道來源，用戶所在地區等。
• 邏輯或公式計算：使用簡單的邏輯或公式，對用戶的行為進行統計而産生标簽，如用戶活躍天數，用戶消費金額等。
• 算法學習：基于機器學習模型對用戶的屬性預測産生的标簽，如性别，年齡，有車一族等。

五、簡單舉例：通過模型産生基礎用戶畫像

國内某公司，在Kaggle舉行過一個預測用戶年齡和性别的比賽。他們公布了一個用戶數據集，數據集中包含了手機上安裝的APP列表，手機型号和GPS信息等數據用于模型訓練。參賽選手通過這些數據建模，預測用戶的性别和年齡。準确度高的獲勝。

一個用戶的手機裡安裝的APP，跟他的年齡和性别存在着一定的關聯。如：女性用戶常用美柚，小紅書等APP；而男性用戶可能會裝更多的遊戲。

如下圖：

這個是有監督學習，橙色部分數據是特征，藍色部分數據是label。Label就是我們需要預測的目标。通過大量的數據和算法調優，就可以訓練出較為準确的模型。

用訓練好的模型，就可以給其他的未知性别和年齡的用戶做評分預測。這部分比較簡單，就簡單舉例一下。

六、物品标簽

物品畫像，則是每個物品的一系列标簽。物品畫像其中一個作用就是可以作為推薦模型中的物品特征。另外一方面，在推薦系統中，物品畫像是用戶畫像的基礎：物品畫像 用戶行為=用戶畫像。

舉個簡單的例子，一個用戶點擊了一系列的阿克蘇蘋果（物品畫像：阿克蘇，蘋果，阿克蘇蘋果），這個用戶就會被打上阿克蘇，蘋果和阿克蘇蘋果的偏好标簽。

物品畫像的産生，不同的内容形式有不同的做法。但大體可分為兩類：

• 人工的方式給物品打标簽；
• 機器學習的方式給物品打标簽。

如在音樂領域，一些音樂平台是通過一組音樂專家對平台的音樂進行打标簽後，再對用戶進行推薦。這種人工的方式成本比較高，而且依賴于專家的專業程度。另外，不同專家之間的标準可能不一樣，需要統一标準或者拉平差異。但是這也是沒有辦法的辦法，有些場景下，物品标簽匮乏，不得不依賴與人工打标的方式。

大規模地給物品打标簽，大部分還是靠機器學習的方式。如何給物品打标簽不是本文重點，這裡略過。

七、偏好畫像的怎麼計算得來？

偏好畫像如何産生？為了直觀簡單，直接以圖文數據的方式來講述。假設一個短視頻平台有4個用戶使用，有4個視頻需要被推薦。

其中，4個視頻分别為：

整理一下，我們可以得到以上4個視頻的物品畫像：

另外，為了簡單一點，這裡隻考慮用戶的觀看行為，看完一次得分為1。4個用戶的數據分别如下，數字代表觀看次數。如下圖中，用戶A看了視頻1一共2次。

先說結論，一般地，用戶畫像的公式為：用戶偏好程度 = 行為類型權重值 × 次數 × 時間衰減 × TFIDF值。

• 行為類型權重值是人為給用戶行為的賦值。比如：看完=1，收藏=2，分享=3，購買=4等。我們這裡隻考慮“看完”這個行為。
• 次數則是行為發生的次數。
• 時間衰減則是按一定的衰減系數，随着時間衰減。一般用牛頓熱力學公式來取衰減系數。
• TFIDF值本來是文本處理領域的算法，用來提取一篇文章中的關鍵字。這裡用來衡量标簽的對一個用戶的關鍵程度。

下面我們來計算用戶A的用戶畫像和偏好值。

第一步：列一下行為類型權重值，因為我們隻考慮觀看行為，權重都為1：

第二步：統計用戶A的行為次數。用戶A看了視頻1兩次，所以視頻1帶的标簽“金融戰争”和“做空”次數都記為2：

第三步：計算時間衰減，假設用戶A看視頻1是兩天前的行為，看視頻4是今天的行為。衰減按照天來計算，衰減系數等于0.1556，熱度計算公式為：熱度=1×exp(-0.1556×天數)。按照這個衰減系數，45天後熱度衰減到0.5。

按照這個計算方式，視頻1的熱度 = 1×exp(-0.1556×2) = 0.73，今天看的視頻4，熱度還為1。

第四步：計算TFIDF值。

這步比較複雜。我們先說下TFIDF的公式，TF和IDF是兩個不同的值，兩兩相乘可以得到TFIDF值。

首先說TF。

TF是Term Frequency的縮寫，意思是可以理解為詞頻，計算公式如下：

TF計算的是在用戶的所有标簽中，某個标簽的重要程度。如果标簽出現頻率高，那麼TF值就會比較高。對于用戶A，每個标簽都出現了一次（因為看過的視頻中，沒有标簽重複的），标簽的TF值=1÷4=0.25。

而對于用戶B，因為有看過兩個海賊王的視頻。一個視頻帶标簽：海賊王，路飛。另外一個視頻帶标簽：海賊王，路飛，甚平。所以，海賊王和路飛标簽個數都是2，甚平的标簽個數是1。

這樣，計算出用戶B的TF值為：

然後說IDF。

IDF是Inverse Document Frequency，意思是逆文檔頻率。先說怎麼計算，公式如下：

這個是為了計算一個标簽的稀缺程度。如果一個标簽全部的用戶都，IDF值就比較小。相反，一個标簽隻有少部分用戶有，則IDF值比較大。公式中，“帶該标簽的用戶數 1”部分加1是為了防止分母為0的情況。

下表的灰色部分是每個用戶行為，計算出用戶的标簽個數統計。如海賊王标簽，因為有三個用戶帶了這個标簽，所以“帶該标簽的用戶數”為3。它的IDF值 = 4 ÷ 3 = 1.33，這裡4是因為有4個用戶。

第五步，彙總計算出用戶A的每個标簽偏好值。

如下圖中，用戶A對三傻大鬧寶萊塢的偏好值為：1×3×1×0.25×2=1.5。

用這種方式，我們就可以為用戶打上海量的标簽，隻用用戶行為足夠多，我們就能捕捉的用戶的偏好數據。

八、總結

1. 推薦系統的用戶畫像主要有兩種：基本畫像和偏好畫像。
2. 基本畫像是用戶的個人屬性，如年齡，性别，居住城市等。
3. 用戶偏好畫像是推薦系統中的重點，它一般用用戶偏好程度 = 行為類型權重值 × 次數 × 時間衰減 × TFIDF值計算出來。
4. 用戶畫像在推薦系統中用于召回和模型訓練。

作者：菠蘿王子；公衆号：菠蘿王子AI分享

本文由 @菠蘿王子 原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部