新媒体用户画像与隐私安全探析

导语：新媒体用户画像与隐私安全探析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：随着大数据时代的到来，各种用途的APP也变得越来越常见。与此同时，用户画像的应用也越来越广泛，人们在感叹APP越来越懂用户的同时，也产生了担忧：大数据时代，各类APP在刻画用户画像的同时，用户的隐私安全问题要如何得到保障？本文对用户画像的应用进行分析，探讨用户隐私安全的保障途径。

关键词：用户画像；隐私安全；大数据时代

大数据给用户的生活工作都带来了便利，但是伴随着便利而来的还有用户隐私安全的问题。各类APP能否在使用新技术的同时保障用户的隐私安全，以及如何去平衡这两者之间的关系是最近颇受关注的热点话题。

一、什么是用户画像

阿兰•库珀认为用户画像是真实反映用户数据特征的虚拟代表，通过对数据的挖掘，对用户的目标、行为和观点进行抽取，可以分析出用户的典型特征，把用户的静态数据和动态数据标签化，从而形成的一个目标用户的模型。在阿兰•库珀的观点中，我们可以大概理解用户画像的概念。简单来说，可以把用户画像理解为给用户贴标签。在新媒体时代，用户使用各种APP和社交媒体必然会遗留痕迹，而大数据［1］就是将用户留痕的信息，如用户的性别年龄、社会属性、消费习惯、偏好特征、生活习惯等各个维度的数据收集起来，然后通过对用户以及产品特征属性进行分析、统计刻画出用户的画像，有时甚至可以挖掘出更为深层次的拥有潜在价值的数据。（一）用户画像的推荐算法。1.基于内容的推荐算法。这个模式的基本思想是根据用户的留痕信息进行运算后推送相关商品。一般包括三个步骤：首先，对用户的浏览数据或者购买的物品进行数据提取；其次，积累目标用户网络购买行为进行用户特征分析；最后，为用户推送与积累特征关联度最高的商品。这种推荐算法具有成本低、算法简单的特点，但是当数据积累较少时，会存在推送不准确、不能发现用户潜在兴趣信息等不足。2.协同过滤推荐算法。在这种模式中，除了用户的个人行为，其好友与关注的人也被作为与用户相关的重要数据被分析。即使用户本身缺乏行为信息，但是用户的好友也会有大量的数据留痕，而这些数据就能帮助平台了解这个用户的潜在价值信息，从而对其进行相关的信息投放。目前大部分推荐系统应用的都是这种模式，这个模式通过对与用户行为相似的用户集合的操作，挖掘出更深层次的用户兴趣，与上一种推荐算法相比有推荐新信息的能力。这种推荐算法的局限性就是需要用户对物品有过行为操作，才能进行用户画像的推算。因此，当系统遇到一个新注册的用户，或者没有任何关注、好友行为的用户，是难以形成有效且有价值的推荐的。（二）新媒体时代用户画像的构建。对用户画像［2］的构建，必然少不了人物、时间、用户行为触点、触发的信息点、用户具体行为这五个要素，简称“4W1A模式”。新媒体时代用户画像的构建有以下三个步骤：1.从用户行为习惯中获取数据。以微博为例，用户个人作品名称、用户ID、评论者ID、关注好友和粉丝等都属于用户被获取的数据。用户在互联网上浏览界面，必然会在后台留下痕迹，这些痕迹被互联网或者企业获取，然后用于用户画像的构建，这是用户画像构建的第一步。2.建立用户标签体系。用户的信息获取之后，就需要对用户的数据进行分析，而这个分析的过程也就是用户画像的核心过程——贴标签。用户的标签可以分为三个方面：其一是社会属性，比如年龄、性别、地域等；其二是生活习惯，比如运动、休闲、旅游等；最后是消费行为，比如消费方式、频率等。3.用户画像的数据可视化构建。数据可视化是为了更直观清晰地显示用户画像，因为数据具有数据量大、不够直观的特点，所以数据可视化在用户画像中的使用十分常见，如常见的矩阵图和云图，云图中不同的颜色以及字体的大小就是在利用可视化手段直观地表述信息。这种可视化手段用于用户画像时，可以根据不同的需求进行多维度用户画像的呈现，可以呈现多维度多角度的用户画像。

二、用户画像在新媒体中的应用

新媒体时代，吃喝住行都可以用一部手机轻松解决。此外，浏览手机获取信息已经成为用户生活的常态，而在这个过程中，一次简单的留痕就实现了数据的上传和用户画像的丰富，“新媒体时代，用户画像更懂你”这句话充分反映了现在大数据技术的应用已经切合到用户生活的方方面面。（一）通过用户画像精准推送营销信息。在大数据算法对不同用户进行了用户画像之后，在得知了用户真正的需求之后，各类APP就可以给用户精准提供用户所需商品。以淘宝为例，用户在浏览淘宝时，对于自己喜爱的商品会加购或收藏，这些行为甚至在同一页面停留时间的长短都会成为用户画像构建的数据。当一位女性用户长期搜索婴儿用品时，大数据算法就可以推算出这位用户是一位母亲，并且需要的产品类型是婴儿用品，所以这位用户打开淘宝后首页推荐的商品多为母婴产品，然后系统还会根据其以往购买商品的价格、品牌、类型进行与之相适应的精准的产品营销，甚至会将优惠力度大的商品精准推送到用户界面最醒目的位置，激起用户的购买欲望，这就是根据用户所需进行的精准营销。（二）通过用户画像给用户进行动态的个性化推荐。个性化推荐在用户日常生活中并不少见，简单来说就是不同的人在使用同一APP时APP会进行不同的推荐。以抖音为例，抖音会根据用户观看视频的时长、类型、关注的人等数据对用户进行画像，以此完成个人专属推荐。比如有的用户喜欢看宠物视频，那么他在刷视频的过程中就会刷到很多关于宠物的视频推荐；而有的用户喜欢影视类视频，那这个用户就会被贴上“影视”的标签，所推荐的作品也会偏向于影视。但是，这个用户画像并不是一成不变的，而是十分复杂的动态更新的过程。他会随着用户的兴趣改变、使用习惯进行动态调整，改变标签，改变推送内容，进而对用户进行个性化调整。例如，当用户的兴趣由影视类转变为新闻类时，首先会体现在用户观看影视类视频的时间减少，当刷到影视作品时会划走，而当刷到新闻类视频时则会观看完，那么观看时长就是APP判断用户兴趣的一个标准，当平台意识到用户兴趣转变时就会进行动态的调整，个性化推荐也会相应发生改变。（三）通过用户画像给用户提供智能社交推荐。用户智能社交推荐主要应用于社交媒体中，社交媒体通过用户画像对用户进行聚类和分群，进行群组分析，生成群体用户画像。例如，在QQ、微博等社交平台上，用户经常会发现“可能认识的好友”这一标签，平台通过对用户关注、用户评论、用户点赞、共同好友等数据的收集，形成一个巨大的数据池，系统会通过智能推算出用户关系网，形成关系群，给用户的社交关系进行画像，然后进行智能化社交推荐。可以说，大数据时代互联网可能比用户更懂他的关系网。（四）通过用户画像进行企业运营推送。用户画像可以帮助企业进行精准的运营推送，减少不必要的资源浪费，节约成本。这主要体现在两个方面：一方面，企业可以利用技术手段对市场方向进行预判以及精准投放目标用户；另一方面，企业可以通过用户画像进行品牌的定位，也可以在用户画像这个过程中剔除无效的用户，达到用户筛选的效果，更可以通过用户画像挖掘用户潜在需求，进而于竞争对手之前抢占市场。

三、新媒体用户画像与隐私安全

（一）用户画像数据获取带来的隐私安全问题。大数据的数据化给我们带来了很多便利，但是同样也带来了用户隐私安全问题。部分用户隐私保护意识滞后，不能与快速发展的大数据技术相适配。所以，用户的隐私安全问题成为一个亟待解决的问题。微信就曾因进行精准的广告投放，而被指控监控用户文字聊天数据，尽管微信已回应所有数据均已脱敏，但是仍然不能消除用户在使用时的担忧。除了腾讯，因为隐私泄露而被质疑的APP也不在少数。从阿里飞猪、携程、滴滴等一系列“大数据杀熟”行为，到美团、饿了么的“偷听门”风波，再到Facebook大量用户信息泄露，这些APP似乎都被质疑“窥探用户隐私”。隐私安全问题的发生让用户不得不担忧自己的数据会不会被倒卖、变现，所以，有很多人提倡“网络遗忘权”和手机的“无痕浏览”，都是为了应对大数据带来的隐私安全问题。（二）如何保障用户隐私安全。1.建立信息安全管理责任制度。要防止用户隐私泄露的问题，首先就要建立完善的法律法规制度治理隐私泄露的问题，要在法律层面约束隐私泄露的问题；其次，要平衡数据获取以及隐私安全的关系；最后，要建立完善的法律机制和责任制度，用法律的手段约束隐私泄露等安全问题，APP要做到依法收集个人信息。2.增强用户隐私保护意识。用户正处于自我隐私意识逐渐增强的阶段，对于个人信息的保护［3］也逐渐重视起来。正如上文所说，用户对于隐私安全的意识的滞后不能与快速发展的大数据技术相适配，所以，单单依靠法律来进行约束还是远远不够的，用户安全意识的提升也尤为重要。要让用户意识到不只是姓名、家庭住址等重要信息是隐私问题，自身的浏览记录、行动轨迹等也都属于隐私范畴。

四、结语

目前，大数据技术已经达到一个相对成熟的阶段，而作为大数据技术根基的用户画像，不管是对企业的长远发展，还是对用户个性化服务的提供都具有十分重要的意义，但是用户画像在给人们生活带来便利的同时也带来了隐私安全问题，这是互联网发展的必经之路也是必须解决的问题。新媒体为了归纳用户的特征属性，需要获取信息进行用户画像，也只有这样用户才能接受到更精准的商品使用服务，这是一个双向的过程。怎么平衡这两者之间的关系则成为目前亟待解决的问题，因此，需要通过各种引导措施慢慢改善整个生态环境，只有这样才能真正地处理好新媒体时代用户画像与隐私安全的问题。

参考文献：

［1］何丹.基于大数据的数据新闻采编研究［J］.科技传播，2020，12（06）：148-149.

［2］董莉莉.剖析大数据时代下用户画像及媒介策略［J］.传媒，2016（2）：82-83.

［3］吴振庭.浅谈大数据背景下的个人信息安全防护［J］.电脑编程技巧与维护，2020（6）：157-159.

作者:曹秦雨 单位:河北师范大学新闻传播学院