什么是用戶畫像

用戶畫像，英文又叫 User Profile，我們經(jīng)?？吹皆?PPT 中展現(xiàn)出高大上的用戶畫像，展現(xiàn)的方式是采用標(biāo)簽云的方式繪制一個人的形狀，或者在一個人物形象旁邊列出若干人口統(tǒng)計學(xué)屬性，以此來表達(dá)“用戶畫像”這個概念。

上面這種方式看上去非常炫酷，但實際上這么做的目的只是為了對外展現(xiàn)，用戶畫像最應(yīng)該是給機器看，而不是給人看。如果要給機器看，那每個用戶的畫像應(yīng)該就是一個向量。

用戶向量化后的結(jié)果，就是 User Profile，俗稱“用戶畫像”。所以，用戶畫像不是推薦系統(tǒng)的目的，而是在構(gòu)建推薦系統(tǒng)的過程中產(chǎn)生的一個關(guān)鍵環(huán)節(jié)的副產(chǎn)品。

通常大型推薦系統(tǒng)一般都分為召回和排序兩個階段，因為全量物品通常數(shù)量非常大，無法為一個用戶（User）逐一計算每一個物品（Item）的評分，這時候就需要一個召回階段，其實就是預(yù)先篩選一部分物品（Item），從而降低計算量，用戶畫像除了用于最終匹配評分，還要用在召回。所以，構(gòu)建用戶畫像就要以這兩個階段為目的。

用戶畫像關(guān)鍵因素

建立用戶畫像有兩個關(guān)鍵點，一個是維度，另一個是量化。這里舉個簡單的例子來說明下。比如有以下幾家旅店，旅店的屬性（標(biāo)簽）如下:

對價格、環(huán)境、距離分別映射一個評分。假定都分為三個級別，價格越低評分越高，環(huán)境越好評分越高，距離越近評分越高，那么映射后的結(jié)果如下：

映射后生成旅店的特征矩陣（維度矩陣），每個旅店都對應(yīng)一個向量，比如旅店A對應(yīng)的向量就是 [1, 2, 2]。接下來需要對人也映射一個向量，映射方法就是看你多在意這幾個因素，比如我對價格不敏感（不缺錢），但是非常在意環(huán)境和距離，那我這個人對應(yīng)的向量就是[1, 3, 3]。然后將物品的矩陣與人的向量相乘，得到這個人對每個物品的評分。

可以看到，最后會有一個評分列表，分別表示我對每個旅店的預(yù)估評分。了解了上面的例子后，再來看下用戶畫像中關(guān)鍵的兩個因素：維度和量化。

上面例子中選擇的維度分別是：價格、環(huán)境、距離。這幾個維度有以下幾個特點：

• 維度名稱都是可解釋的

• 維度的數(shù)量是拍腦袋拍出來的

• 選擇什么維度也是拍腦袋拍出來的

在實際生產(chǎn)環(huán)境中，維度名稱并不一定需要由可解釋性，維度數(shù)量以及選擇什么維度也不應(yīng)該都以主觀意愿來決定。

再來看下量化，實際生產(chǎn)環(huán)境中，用戶畫像每個維度的量化，應(yīng)該交給機器，而且以目標(biāo)為導(dǎo)向，以推薦效果好壞來反向優(yōu)化出用戶畫像才有意義。像前面的例子中的先行主觀量化而不考慮推薦效果時非常不合理的。

所以用戶畫像的量化是和第三個關(guān)鍵元素“效果”息息相關(guān)的。前面已經(jīng)說過，不要為了用戶畫像而用戶畫像，它只是推薦系統(tǒng)的一個副產(chǎn)品，所以要根據(jù)使用效果（排序好壞、召回覆蓋等指標(biāo)）來指導(dǎo)用戶畫像的量化。

用戶畫像構(gòu)建方法

按照對用戶向量化的手段來分，用戶畫像構(gòu)建方法分成三類：

1. 查戶口

查戶口的意思就是說直接使用原始數(shù)據(jù)作為用戶畫像，比如注冊資料中包含的人口統(tǒng)計學(xué)信息，或者瀏覽歷史、購買歷史，除了數(shù)據(jù)清洗等工作外，數(shù)據(jù)本身沒有做任何抽象和處理。通常對于用戶冷啟動等場景非常有用。

2. 堆數(shù)據(jù)

堆數(shù)據(jù)的意思就是說從歷史數(shù)據(jù)中統(tǒng)計過出需要的結(jié)果，常見的興趣標(biāo)簽就屬于這類：從歷史行為數(shù)據(jù)中去挖掘出標(biāo)簽，然后在標(biāo)簽維度上做數(shù)據(jù)統(tǒng)計，用統(tǒng)計結(jié)果作為量化結(jié)果。一般非常炫酷的用戶畫像都是通過這種方法制作的。

3. 黑盒子

黑盒子的意思是說使用機器學(xué)習(xí)方法，學(xué)習(xí)出人類無法直觀理解的稠密向量，也最不被非技術(shù)人員重視，但實際上在推薦系統(tǒng)中承擔(dān)的作用非常大。

比如使用潛語義模型構(gòu)建用戶閱讀興趣，或者使用矩陣分解得到的隱因子，或者使用深度學(xué)習(xí)模型學(xué)習(xí)用戶的 Embedding 向量。這一類用戶畫像數(shù)據(jù)因為通常是不可解釋，不能直接被人看懂。

總結(jié)

用戶畫像應(yīng)該是讓機器看的，所以就需要是一種結(jié)構(gòu)化的數(shù)據(jù)，可以認(rèn)為是用戶信息的向量化結(jié)果。用戶畫像的關(guān)鍵元素有維度和量化，量化時需要以推薦系統(tǒng)的效果為指導(dǎo)。通常構(gòu)建用戶畫像的方法有三種：采用原始信息（查戶口）、使用統(tǒng)計結(jié)果（可被理解）、使用機器學(xué)習(xí)方法（無法被人理解，但是很重要）。