基于用户画像的农产品电商精准营销关键技术研究与应用

傅丽君 潘旭伟

摘 要：
农产品电商迅速发展进一步激发了农产品线上消费的多样化与个性化需求。然而，大数据时代背景下，传统农产品电商营销缺乏用户数据挖掘与分析，对目标用户的定位不够精准。在对用户画像概念与应用分析基础上，对用户画像构建的关键流程与技术进行梳理与阐述，构建农产品用户画像精准营销机制与逻辑框架，并利用某特色农产品电商消费数据进行应用实例论证与分析。该研究有效地完成了某电商平台用户数据采集、数据分析和用户画像构建，实现针对农产品的精准营销、个性化推荐和消费预测分析等，为农产品电商行业发展提供建议。

关键词：农产品；
精准营销；
用户画像；
数据挖掘；
电商

中图分类号：S24 文献标识码：A 文章编号：2095-1795（2024）01-0050-06

DOI：10.19998/j.cnki.2095-1795.2024.01.009

0 引言

随着大数据技术的应用与发展，采用数据深度挖掘进行信息的精细化分析，并制定智慧决策逐渐成为国内外研究人员的研究热点。其中，用户画像技术由于具备精准分析用户特征、描绘用户行为的特点，是目前国内外数据分析较常使用的工具之一。目前，用户画像技术为不同方向的数据分析提供服务，如在市场推广和市场营销过程中采用用户画像技术对销售产品的潜在用户进行分析，继而针对某些特定消费群体进行广告投放，实现精准营销；
在效果评价与效果评估中引入用户画像分析方法提升产品运营数据的精准性，进而提升服务质量，达到快速精准定位目标消费人群并为其提供高质量服务的目的；
在推荐系统中引入用户分析方法构建用户行为标签作用于推荐系统以提高推荐的准确性和多样性。

2022 年2 月国务院印发的《“十四五”推进农业农村现代化规划》中指出，加快数字乡村建设要发展智慧农业，建立和推广应用农业农村大数据体系，推动物联网、大数据、人工智能及区块链等新一代信息技术与农业生产与经营深度融合。与普通商品相比，农产品具有品种繁多、数量大、生产地域性与需求普遍性存在矛盾及营销渠道要求高等特征，因此使用现代信息技术和大数据技术帮助其进行精准营销显得尤为重要。

目前，用户画像技术的应用研究领域进一步拓展到农产品精准营销方面，但是仍然存在应用产品种类单一、精准营销与个性化推荐算法不明确、营销结果缺乏科学评价机制等诸多问题。针对上述问题，本研究对用户画像构建的关键流程进行梳理，构建农产品用户画像，利用标签算法与聚类算法提出农特产品精准营销与个性化推荐算法，构建农产品精准营销机制，利用电商技术与大数据手段为乡村振兴背景下的农产品行业发展提供建议。

1 用户画像技术提出与应用

1.1 用户画像技术提出

用户画像技术由交互设计之父埃兰·库伯（AlanCooper）在1999 年提出并运用于软件开发中，他对用户画像的定义是对真实存在用户的虚拟表示，是建立在一系列属性数据之上的目标用户模型。QUINTANA R M等[1] 在Alan Cooper 的用户画像定义基础上进行了补充，认为用户画像是海量用户信息构成的一种形象集合，能代表群体用户的需求偏好。随着大数据技术深入发展，用户画像作为大数据时代对用户信息进行标签化的有力工具，又有了新的内涵。李雅洁[2] 认为，用户画像是大数据技术与用户数据之间的桥梁，它将目标用户的特征属性标签化，每个标签代表用户的一种维度，用户模型将由所有的标签共同描述。

用户画像技术是通过数据挖掘、数据分析等技术刻画用户的属性与行为，利用标签构建算法形成用户标签数据，进而概括用户的各类需求与行为偏好，这一技术的提出与发展对国内外各领域数据分析与数据应用的提升都起到极大的推动作用。目前，用户画像的应用主要集中于市场精准定位、产品精准营销及个性化推荐等方面。

1.2 用户画像技术在农业方面应用研究

用户画像技术自提出以来，一直备受数字技术领域研究人員关注。目前，该技术被较广泛应用于电子商务产品推荐、图书情报个性化推荐等服务领域。农业领域的用户画像技术研究与应用相对匮乏，目前主要的研究成果集中在农业服务个性化推荐、农产品精准营销与农业经营智慧决策等方面[3]。

1.2.1 农业服务个性化推荐

人工智能与大数据背景下，个性化推荐服务的应用研究备受关注。用户画像的构建是关注用户需求与服务有效性的表现，在对用户信息的数据分析基础上，把用户的属性特征以视觉可视方式加以呈现，为个性化信息推荐服务提供了新方法[4]。在农业领域，个性化农业服务的应用研究主要集中于农业情报推荐、个性化信息检索推荐等方面。石毅[5] 选择农业科技期刊推荐服务为研究主题，通过数据挖掘与智能推荐，设计农业科技期刊用户特性的画像设计模型，在协同过滤机制作用下设计基于农业科技期刊内容的推荐算法，进行实现个性化推荐服务。甄珠米等[6] 在Web 日志和协同过滤算法研究基础上，优化信息检索推荐功能，设计开发一个基于Web 日志的水产养殖推荐系统，满足不同系统用户的特定信息检索需求，包括针对养殖农户的水产品交易信息、养殖技术与政府优惠政策的精确推荐及针对政府工作人员的农户物联网数据等。

1.2.2 农产品精准营销

随着农产品电商的发展，研究人员尝试将用户画像技术融入农产品电商，实现农产品精准营销。企业在应用研究基础上使用用户画像技术，可以通过分析用户数据得出支撑经营决策的数据与信息，具体包括用户的消费模式、产品偏好、日常浏览和兴趣记录等。企业在数据分析基础上，针对产品用户的不同需求提供产品精准营销服务。李若枫[7] 设计开发了农产品新零售平台，并对用户历史访问记录进行数据统计分析，通过移动画像中 K-means 算法和ANN 分类算法抽取用户不同权重的实时兴趣标签，并利用CNN 算法对用户标签分类预测，利用协同过滤算法计算同用户画像偏好农产品，实现农产品新零售的精准营销。李尹舒[8]将用户画像技术运用于吉林大米电商数据分析中，精准定位吉林大米目标消费人群，并运用4C 消费者营销理论提出针对吉林大米的电商精准营销策略与营销方案。

1.2.3 农业经营智慧决策

用户画像技术的发展与模型的完善为农业经营活动的数字化与智能化决策提供理论与技术支持。于晗笑[9] 利用用户画像技术进行标签化计算， 并利用K-means 算法对粮食用户群体与种类进行划分，最后用支持向量机实现机制提出粮食产后损失预测模型并进行模型评价，准确率达到92.6%，为相关行政管理部门制定决策提供了辅助支持。李望月等[10] 从乡村发展现实基础、乡村发展现状及乡村发展行为模式3 个方面建立了基于大数据乡村画像的概念模型，探索了数据分析基础上乡村未来的研究方向，为乡村振兴布局提供创新型发展思路。

2 农产品精准营销逻辑实现体系与关键技术

为更好地解决农产品消费需求信息掌握不足、营销手段落后、生产端与销售端信息不对称及产品市场竞争力薄弱等诸多问题，本研究引入用户画像技术与大数据分析工具帮助实现农产品电商平台的精准营销推荐、消费决策指引、平台流量带动，进而提升电商平台用户农产品消费体验，实现电商赋能、助力乡村振兴的愿景。基于用户画像技术的农产品精准营销逻辑体系如图1 所示[11]。

2.1 农产品用户数据采集与预处理机制

农产品用户数据采集主要基于电商平台农产品销售的用户数据，包括用户属性数据、浏览数据、购买行为及评价信息等。数据导出之后形成的原始数据需要进行数据预处理工作，主要包括对数据的清洗、异构数据源的数据集成、数据规范处理和属性规约等。数据预处理是保障数据质量的基本环节，更是数据建模的需要。在数据预处理中，尤其要关注用户评价信息的处理，该类信息以文本形式为主。文本预处理主要步骤包括去除无效评价，对有效评价进行文本分段、分句、切词和词性标注等。文本预处理的目的是过滤噪声与干扰数据，提高数据检测与分析的准确性。

2.2 农产品用户画像构建机制

将预处理完成的有效数据分为基础信息与行为信息两大类，针对两大类别信息建立用户标签体系，并通过用户标签进行用户画像刻画，进而为农产品用户提供精准营销的服务。本研究构建的农产品用户画像标签分为属性标签、行为标签和偏好标签3 部分。属性标签包括用户性别、年龄段、收入水平、消费水平、购买需求、教育程度和所处地域等，由用户基础信息提取、分析形成。行为标签包括社交类型、购买类型、促销灵敏度和评价关注等，通过机器学习算法（分类、聚类、回归等）建立数学模型分析形成。偏好标签由SPSS 软件对属性数据与行为数据进行频率统计形成，是针对用户在产品选择上兴趣与关注程度的统计与反馈。

2.3 精准营销机制构建与应用

农产品用户画像构建的最终目的是更好地进行农产品营销，帮助农户与企业解决产销信息不对称带来的诸多问题，提高农产品市场营销的针对性与精准性，进而实现电商赋能、助力乡村振兴的目标。本研究构建的基于用户画像的农产品营销机制包括农产品精准推荐、个性化促销方案制定和消费趋势预测。

2.4 农产品精准营销关键技术分析

采用数据?标签映射法构建农产品用户画像，这是一种典型的数据驱动用户画像方法，通过对采集到的用户全量数据进行数据的预处理，再利用机器学习算法K-means 算法建立数学模型，将建模分析的结果转化为用户标签，进而形成用户画像。数据?标签映射法的优势在于利用大数据和数据挖掘技术对海量的用户真实数据进行建模定量分析，过程更加智能和高效，结果更加可信和具有说服力。其中，在用户?标签映射环节的用户标签信息提取与构建方法如下。

（1）原始数据层。主要是用mysql 数据库对电商平台抓取到的农产品用户画像数据进行存储，以及对原始数据的预处理，包括对数据的去重、删除、清洗、集成和变换等。

（2）事实标签层。对预处理后的用户数据进行统计分析，通过各种统计策略形成用户标签，经过直接抽取得到和统计分析得到的标签都是农产品消费者的事实标签。

（3）模型标签层。利用自动分类、K-means 算法等机器学习算法对己有的用户数据进行建模分析，通过挖掘农产品消费者的深层个性或群体性特征，进行农产品消费者的价值分类等工作。

（4）预测标签层。采用预测算法和协同过滤、关联挖掘算法，通常运用有监督学习的方式对农产品消费者的未知信息作出合理科学的预测，实现精准匹配和个性化服务。

综上所述，用户画像维度设计与标签体系构建是本研究的重点工作之一，合理的画像维度设计与构建才能使农产品消费者的信息更直观更全面，进而更好地实现精准营销机制的构建。

3 技术应用与分析

本研究构建的基于用户画像技术实现农产品精准营销技术在某特色农产品电商上进行了应用与实现，该平台包含了浙江省台州市各县区域的特色农产品，产品种类包含涌泉蜜桔、玉环文旦、临海西兰花和仙居杨梅等多种特色农产品及其衍生产品。有效地帮助电商平台实现用户数据采集、数据分析、用户画像构建、产品精准营销及个性化推荐等业务形式。

3.1 特色農产品用户数据采集

采集和处理的数据来自台州市特色农产品仙居杨梅和玉环文旦。具体数据信息包括两部分：关于登录账号、用户性别、用户年龄和所处地域的用户基础数据；
与用户行为相关的行为数据，行为数据系统主要采集了购买记录和评价记录。采集形成数据列表3 000余条，部分数据信息表如图2 所示。

3.2 提取特色农产品用户标签

在对上述数据进行删除重复、过滤无效词语等方式进行数据预处理后，通过LDA 算法模型对上述数据的评论主题进行抽取与形成，具体包括词频分析、LDA 模型训练及统计计算评论词主题概率3 个步骤。文本数据处理主要是针对用户基础信息数据、评价数据和采购交易数据与信息开展实施。利用LDA 模型对上述信息进行主题词的解析与提取，可得出平台用户对于上述两种特色农产品评论中最为关注的10 个主题特征词汇，分别是新鲜程度、口感味道、规格、品类、产地、设计包装、营养价值、物流配送、服务态度和售后保障，如表1 所示。提取形成的这10 个主题特征词设置为上述两种农特产品的产品偏好属性标签，用于用户画像属性构建分析。

3.3 特色农产品用户画像建模

结合用户画像技术与研究现状，将电商平台的特色农产品用户画像划分3 个方面，分别是用户基础属性、用户行为属性和用户偏好属性。根据仙居杨梅和玉环文旦两种特色农产品在电商平台反馈评论中提取的主题词汇，确定上述特色农产品电商消费群体用户画像的属性因素。用户基础属性包含了大多数电商平台应涵盖的用户基础数据，如用户性别、年龄、收入水平、所在区域、职业身份和受教育程度等；
用户行为属性包含了消费行为与电商行为两方面的属性维度；
用户偏好属性则包含了消费者对于特色农产品在品牌选择、包装规格、口感偏好和新品关注度等方面因素。特色农产品电商消费者用户画像属性构建如图3 所示。

3.4 特色农产品用户画像数据可视化

利用可视化工具形成了仙居杨梅和玉环文旦两类特色农产品的电商消费者用户画像，采用标签云的形式展现这两种产品的用户基础属性、用户行为属性与用户偏好特征。标签云模型具有直观形象、深刻具体、动态更新等优点，标签云关键词会随着平台用户数量的增加、产品类目的丰富、促销活动的开展及客户关系的维护动态更新，可以为特色农产品的精准营销提供思路。仙居杨梅与玉环文旦两种特色农产品用户画像可视化形成的标签云图如图4 所示。

3.5 特色农产品精准营销机制与策略

分析对于不同特色农产品消费者画像制定相关的营销策略，如通过仙居杨梅用户画像和玉环文旦用户画像的对比发现，数据来源所在电商平台上仙居杨梅产品的用户女性比例更大，玉环文旦产品的用户男性比例更大，同时仙居杨梅用户复购频率更高。购买杨梅的用户更注重包装，购买文旦的用户更注重产地。这些数据结论与分析对于商家深入了解目标用户的购买需求并为后续开展更精准的电商營销策略打好基础。针对上述结果，提出产品差异化、价格差异化和提高电商服务水平等措施。在产品差异化上，农产品销售企业根据目标用户的需求特征与消费趋势，提供具有定制化、个性化特点的农产品营销方案，如个性化包装设计、IP 人物打造和自媒体私域定向推广等。在价格差异化上，对目标用户的基础属性、行为属性和偏好特征进行分析，挖掘其内在消费需求与购买动力，刻画目标用户的消费能力、产品忠诚度和关注偏好等方面的特征，并在上述分析基础上制定针对用户群体需求的差异化定价策略，包括会员机制、促销折扣手段和团购套餐等。在提高电商服务水平方面，根据用户的反馈提出提升物流配送服务质量，完善售后服务质量保障，丰富网络营销推广方式等措施[12]。

4 结束语

近年来，随着我国乡村振兴战略的实施，电商助农、电商兴农的举措也越加丰富化，农产品电商营销模式发展较快。然而，受到信息化、大数据分析技术应用门槛较高、应用覆盖范围较小等影响，农户与农产品销售企业在产品营销过程中无法获取和分析大数据时代所产生的海量农产品营销数据，因此无法有效了解该类用户的群体特征、消费心理与消费需求，选择的农产品营销策略与手段也依然更多依靠个人的主观判断，农产品精准营销能力薄弱。本研究构建了基于用户画像技术的农产品精准营销逻辑体系，并以仙居杨梅和玉环文旦两种特色农产品为研究对象展开实践应用阐述。在构建农产品用户画像时，采用数据?标签映射法，建立训练模型，形成以基础属性、行为属性与偏好属性为主的用户标签数据，并通过可视化方式形成用户画像。最后，根据形成的用户画像为用户提供产品精准营销、个性化推荐等精准营销策略。

提出的用户画像技术在农产品电商营销中的应用是一次有益的尝试，有助于农产品电商企业与农户为平台消费者提供精准推荐、智慧指引与个性化促销服务，帮助企业调节所销售产品市场的供需关系，实行动态定价，最大限度地挖掘市场的潜在收益，引导客户购买产品，提升营销效果和降低成本以促进产品销售，最终扩大农产品的市场份额，提高农户收入水平，促进农特产品可持续发展，加速推进农产品特色区域产业化，进而实现激发乡村振兴新动能的目的。

猜你喜欢 用户画像精准营销数据挖掘 探讨人工智能与数据挖掘发展趋势大众投资指南(2021年35期)2021-02-16基于并行计算的大数据挖掘在电网中的应用电力与能源(2017年6期)2017-05-14把声音的魅力发挥到极致中国广播(2017年1期)2017-02-21浅谈大数据时代的精准营销商情(2016年43期)2016-12-23移动用户画像构建研究现代情报(2016年10期)2016-12-15基于微博的大数据用户画像与精准营销现代经济信息(2016年24期)2016-11-09电信行业不同目标群成长期客户忠诚度影响因素分析中国市场(2016年35期)2016-10-19场景：大数据挖掘的新标准今传媒(2016年9期)2016-10-15移动互联网下手机用户使用行为特征的研究电脑知识与技术(2016年7期)2016-05-19一种基于Hadoop的大数据挖掘云服务及应用信息通信技术(2015年6期)2015-12-26