数据驱动的高校图书馆用户画像构建研究北大核心

用户画像作为高校图书馆数字化智能化转型过程中实现精准服务的重要手段,近年来受到了普遍关注,但当前研究大多面向单一的业务类型采集用户历史行为数据建模,缺乏具有一定通用性、能切合高校图书馆多种服务场景、基于动态实时的全量数据构建用户画像的理论框架。本研究通过梳理高校图书馆用户画像的理论内涵,结合高校图书馆业务情境探究数据驱动的用户画像新特征,以具体服务场景下的业务流程和与之相关的用户行为路径为主线,借鉴OSM模型自上而下逐层构建适应不同业务场景的用户画像标签体系,提出适应不同数据规模且实时更新的用户画像系统框架,并从宏观、中观和微观层面阐述高校图书馆用户画像的应用实践。     

数据驱动下数字图书馆用户画像模型构建

[目的/意义]为了挖掘用户数据背后隐藏的价值，全面了解用户需求，构建用户画像模型，为数字图书馆实现精准服务提供新动能。[方法/过程]针对数字图书馆用户画像的内涵及特征进行剖析，分析用户画像的数据来源及采集处理过程，提出数据驱动下用户画像数据化→标签化→关联化→可视化的驱动主路线，从自然维度、兴趣维度、社交维度，构建多维度、多层级、立体化的用户画像模型。[结果/结论]详细阐述数字图书馆用户画像模型的构建流程，设计用户画像的框架模型，并将用户画像应用于数字图书馆的精准推荐、个性化检索、精准宣传以及参考决策中，以促进数字图书馆的知识服务升级。     

高校图书馆用户画像构建与精准服务模式研究

用户画像是高校图书馆实现精准服务和智慧服务的重要工具。对高校图书馆开展精准服务的现实需求进行分析,从用户特点出发,通过数据采集、数据处理、数据更新、数据可视化等步骤为用户画像进行模型建构,据此提出针对学习型、科研型、管理型3种用户类型的高校图书馆精准服务模式。     

高校图书馆实体空间用户画像构建实证研究

探讨并应用图书馆用户画像研究方法,对明确图书馆实体空间用户差异化特征、建立精准服务模式、提升多元服务空间的用户体验具有重要参考价值.以武汉大学图书馆实体空间用户为研究对象,构建了以用户基本信息、行为及需求信息组成的用户画像标签体系,通过图书馆系统获取用户基本信息,并依据标签体系设计调查问卷,获取相关行为及需求特征数据,...     

大数据视域下智慧图书馆用户画像研究

用户画像是真实用户的虚拟代表，是大数据时代智慧图书馆用户研究的有力工具，但目前国内图书馆界对用户画像的认识还不够全面深入。为了更加全面清晰地认识用户画像和更好地为智慧图书馆建设服务，本文在厘清用户画像相关概念的基础上，将智慧图书馆用户画像划分为面向设计的图书馆用户画像与面向营销的图书馆用户画像，并介绍了二者在内涵、特征、创建方法和创建步骤上的区别与联系。面向设计的用户画像将用户特征植入独特的人物角色并扎根于团队成员的产品设计中，有利于智慧图书馆产品优化和服务创新；面向营销的用户画像通过与推荐算法结合运用，可以完成智慧图书馆内“书”与“读者”的精确匹配。图３。表４。参考文献３９。     

高校移动图书馆用户画像构建实证

[目的/意义]利用用户画像的构建方法,探究并呈现高校移动图书馆用户群体的差异化行为特征,有利于图书馆更为精准地知晓潜在的用户需求和实际使用行为,对于改进图书馆服务营销策略具有重要的参考意义。[方法/过程]总结用户画像在图书馆的实践现状,提出基于移动图书馆特定情境下构建其用户画像标签体系,借鉴VALS 2用户细分的态度量表从使用心理偏好入手重构标签描述体系。以标签体系设计问卷并调研高校移动图书馆用户的人口统计属性、使用行为和使用心理偏好等变量,利用因子分析、聚类分析和判别分析法选取适宜的用户画像个数。借助R语言wordcloud2软件包可视化展示不同用户画像的特征标签云,针对每个画像,结合人口统计属性、使用行为和特征标签展开描述与讨论。[结果/结论]提出一种构建特定业务情境下用户画像的分析方法,为高校移动图书馆提升精准用户定位和开展差异化服务提供实证研究参考。     

高校移动图书馆流失用户画像模型构建

高校移动图书馆流失用户画像模型能够指导并帮助高校图书馆描绘具体的用户画像,理清用户流失因素,探索不同类型流失用户的特征,方便高校图书馆实施后续个性化管理方案。在“刺激-机体-反应”(S-O-R)理论的指导下,运用扎根理论分析访谈数据并提取用户流失因素、用户变化、用户行为、用户基本属性四个方面的用户画像标签,构建高校移动图书馆流失用户画像标签框架及模型;同时,理清流失用户画像标签间的关系,分析流失原因和流失心理,为高校移动图书馆了解用户流失形成机制、建立流失用户画像和采取应对措施提供参考。图3。表5。参考文献42。     

基于用户画像的高校图书馆学科采访模式研究

随着互联网技术发展,图书馆传统采访模式出现文献资源建设与读者需求不匹配等矛盾,而用户画像技术以挖掘用户行为需求为特点,有利于及时发现并满足读者个性化需求。通过建立用户画像学科采访系统,将线上图采中心、用户画像学科群、分级分类式采访、读者决策等学科采访模式融合,提升文献资源采访精准度和利用率,为学校学科发展提供文献资源保障。     

面向情景化推荐服务的高校图书馆用户画像构建研究

用户画像能够在用户、图书馆之间搭起交流桥梁,为图书馆情景化推荐服务提供基础性指导,为"互联网+"时代高校图书馆增强用户体验提供契机。在简要分析高校图书馆情景化推荐服务基本需求的基础上,详细阐述了用户画像在高校图书馆情景化推荐服务中的价值体现,即提供精准需求、实现精准宣传、实现精准推荐和提供参考依据,从数据收集、用户建模和画像勾勒三方面构建面向情景化推荐服务的高校图书馆用户画像,并提出在高校图书馆用户画像构建过程中要重点关注的"个人信息保护"问题。     

基于用户画像的高校图书馆知识推荐服务优化研究

在资源越来越丰富而利用率却越来越低的背景下,如何有效利用高校图书馆资源开展知识推荐服务是现阶段的一个研究主题.文章基于用户画像在高校图书馆知识推荐服务方面的应用优势,梳理了当前高校图书馆知识推荐服务的不足,并借助用户画像的构建过程对高校图书馆开展知识推荐服务提出优化策略.即高校图书馆要不断完善自身理念,动态把握用户需求,开发特色馆藏资源,建立健全的用户隐私保障制度,及时处理用户反馈信息.     

基于“大数据+小数据”的智慧图书馆用户精准画像模型构建

在当前智慧图书馆理论研究与实践探索的基础上,文章从智慧服务、精准服务和个性化服务出发,利用“大数据+小数据”模式构建用户画像模型。通过精准的用户画像为智慧图书馆提供智慧服务,实现“以人为本”的个性化服务,实现智慧图书馆海量学习资源与用户确实需求之间的精准匹配。     

基于用户画像的高校图书馆精准服务构建

图书馆精准服务是"互联网+"时代的图书馆发展的必然趋势,要实现"精准"必须关注的基础就是用户。文章在对用户画像理念及国内外研究梳理的基础上,从现有大数据利用状况、主观上精准服务转型的需要和客观上该技术执行可行性三方面分析用户画像技术实现高校图书馆精准服务的可行性。最后在搭建图书馆精准服务架构系统的基础上,提出围绕用户画像实现高校图书馆精准服务的技术过程。     

图书馆用户画像服务系统的构建研究

解析用户画像的概念和方法,分析用户画像应用于图书馆的可行性,并利用该技术构建图书馆精准服务系统,将用户画像所反映出的特征信息用以提升图书馆的建设。合理地利用"用户画像"技术,挖掘用户信息中的特征和行为,进而满足用户日益变化的新需求,是增强自身竞争力的有效途径,也是图书馆服务的新趋势。     

基于用户画像的高校图书馆信息素养教育

用户画像是高校图书馆理解用户需求和实现个性化服务、智慧服务的有力工具。文章简述了用户画像在图情领域的研究应用情况,提出高校信息素养教育用户画像模型框架,阐述用户画像在高校图书馆信息素养教育中的应用。     

基于改进RFM聚类的高校图书馆用户画像研究

用户画像技术作为实现精准营销及服务的有效工具,在很多领域已经得到广泛验证和应用,也为高校图书馆的精准服务提供了新的思路。文章以某高校图书馆的读者信息和行为数据为例,引入并改进客户细分领域中的RFM模型,对读者群体进行聚类细分,同时建立了具有不同行为特征的图书馆读者群体的用户画像。最后,提出了基于改进RFM聚类的高校图书馆用户画像构建方法,以期为高校图书馆用户描述和精准服务提供参考。     

基于用户画像的经典阅读推广模式构建——以高校图书馆为例

文章简述了用户画像的概念及我国图情领域用户画像的研究现状,在融合构建用户画像和经典阅读资源画像模型的基础上,依据读者维度、资源维度、情境维度构建了基于用户画像的高校图书馆经典阅读推广模式,以期实现用户画像与经典阅读资源画像的融合。     

数据驱动下的高校图书馆课程地图构建

文章探索数据驱动下高校图书馆课程地图构建的变革及实现:建立图书馆多维数据与课程地图各核心要素之间的逻辑关系,利用数据库技术、文献计量法、问卷调查等方式收集数据,综合运用统计学原理、词频分析工具、比较分析方法、学习热度公式来分析数据,以更贴近学生需求的方式生成课程计划,构建基于多维数据的课程地图。实践结果显示:文章提出的课程地图构建新路径简单清晰、易于分享和推广、具有可用性和可扩展性,可为课程地图的构建提供新的思路——由"以经验描述为主要依据和以静态标准为单一导向"转向"基于数据全面分析"。     

面向用户认知需求的图书馆用户画像研究

借鉴用户认知需求的研究现状以及用户画像在图书馆的应用实践,提出面向用户认知需求的图书馆用户画像系统模型,在标签体系中选取用户基本属性数据、动态行为属性数据、互动属性数据、偏好属性数据,借助文本处理、深度学习等技术以及社区发现、标签传播等监督技术对数据分别处理和预测,并提出基于用户认知的需求预测、个性化体现、社区发现、决策调整4大分析应用,对于构建、完善用户画像认知体系有较大的促进作用。