一文告诉你什么是用户画像

什么是用户画像

用户画像，英文又叫 User Profile，我们经常看到在 PPT 中展现出高大上的用户画像，展现的方式是采用标签云的方式绘制一个人的形状，或者在一个人物形象旁边列出若干人口统计学属性，以此来表达“用户画像”这个概念。

上面这种方式看上去非常炫酷，但实际上这么做的目的只是为了对外展现，用户画像最应该是给机器看，而不是给人看。如果要给机器看，那每个用户的画像应该就是一个向量。

用户向量化后的结果，就是 User Profile，俗称“用户画像”。所以，用户画像不是推荐系统的目的，而是在构建推荐系统的过程中产生的一个关键环节的副产品。

通常大型推荐系统一般都分为召回和排序两个阶段，因为全量物品通常数量非常大，无法为一个用户（User）逐一计算每一个物品（Item）的评分，这时候就需要一个召回阶段，其实就是预先筛选一部分物品（Item），从而降低计算量，用户画像除了用于最终匹配评分，还要用在召回。所以，构建用户画像就要以这两个阶段为目的。

用户画像关键因素

建立用户画像有两个关键点，一个是维度，另一个是量化。这里举个简单的例子来说明下。比如有以下几家旅店，旅店的属性（标签）如下:

名称	价格	环境	距离
A	100/晚	中	5km
B	200/晚	优	2km
C	150/晚	差	10km
D	150/晚	优	1km

对价格、环境、距离分别映射一个评分。假定都分为三个级别，价格越低评分越高，环境越好评分越高，距离越近评分越高，那么映射后的结果如下：

名称	价格	环境	距离
A	3	2	2
B	1	3	3
C	2	1	1
D	2	3	3

映射后生成旅店的特征矩阵（维度矩阵），每个旅店都对应一个向量，比如旅店A对应的向量就是 [1, 2, 2]。接下来需要对人也映射一个向量，映射方法就是看你多在意这几个因素，比如我对价格不敏感（不缺钱），但是非常在意环境和距离，那我这个人对应的向量就是[1, 3, 3]。然后将物品的矩阵与人的向量相乘，得到这个人对每个物品的评分。

可以看到，最后会有一个评分列表，分别表示我对每个旅店的预估评分。了解了上面的例子后，再来看下用户画像中关键的两个因素：维度和量化。

上面例子中选择的维度分别是：价格、环境、距离。这几个维度有以下几个特点：

• 维度名称都是可解释的

• 维度的数量是拍脑袋拍出来的

• 选择什么维度也是拍脑袋拍出来的

在实际生产环境中，维度名称并不一定需要由可解释性，维度数量以及选择什么维度也不应该都以主观意愿来决定。

再来看下量化，实际生产环境中，用户画像每个维度的量化，应该交给机器，而且以目标为导向，以推荐效果好坏来反向优化出用户画像才有意义。像前面的例子中的先行主观量化而不考虑推荐效果时非常不合理的。

所以用户画像的量化是和第三个关键元素“效果”息息相关的。前面已经说过，不要为了用户画像而用户画像，它只是推荐系统的一个副产品，所以要根据使用效果（排序好坏、召回覆盖等指标）来指导用户画像的量化。

用户画像构建方法

按照对用户向量化的手段来分，用户画像构建方法分成三类：

1. 查户口

查户口的意思就是说直接使用原始数据作为用户画像，比如注册资料中包含的人口统计学信息，或者浏览历史、购买历史，除了数据清洗等工作外，数据本身没有做任何抽象和处理。通常对于用户冷启动等场景非常有用。

2. 堆数据

堆数据的意思就是说从历史数据中统计过出需要的结果，常见的兴趣标签就属于这类：从历史行为数据中去挖掘出标签，然后在标签维度上做数据统计，用统计结果作为量化结果。一般非常炫酷的用户画像都是通过这种方法制作的。

3. 黑盒子

黑盒子的意思是说使用机器学习方法，学习出人类无法直观理解的稠密向量，也最不被非技术人员重视，但实际上在推荐系统中承担的作用非常大。

比如使用潜语义模型构建用户阅读兴趣，或者使用矩阵分解得到的隐因子，或者使用深度学习模型学习用户的 Embedding 向量。这一类用户画像数据因为通常是不可解释，不能直接被人看懂。

总结

用户画像应该是让机器看的，所以就需要是一种结构化的数据，可以认为是用户信息的向量化结果。用户画像的关键元素有维度和量化，量化时需要以推荐系统的效果为指导。通常构建用户画像的方法有三种：采用原始信息（查户口）、使用统计结果（可被理解）、使用机器学习方法（无法被人理解，但是很重要）。