计算广告中用户画像的技术使用与对策

侯冬青

随着人工智能和机器学习等技术的不断发展，计算广告中的用户画像技术也得到了极大的提升。通过分析大量的用户数据，可以挖掘出用户的兴趣爱好、消费习惯、社交关系等特征，从而更好地理解用户需求和行为模式。本文通过探讨计算广告中用户画像的技术使用与对策，介绍计算广告中用户画像的现状、用户画像的构建包括数据收集、清洗和特征提取等流程，让用户画像在计算广告中的应用更加清晰。用户画像的应用导致广告投放模式的转变，使广告效果评估更加可视化，同时也促进了广告内容的私密化。本文还尝试分析计算广告的发展困境，包括技术挑战和用户需求变化等因素。面对广告伦理问题给计算广告带来的困扰，本文提出了AIGC下的计算广告发展策略。这包括制定法律规约来保护用户隐私和权益，规范新兴技术在计算广告中的应用，以及增强广告人的自律意识。通过采取这些策略，可以促进计算广告的健康发展并解决相关的伦理问题。

用户画像在计算广告中的应用现状

用户画像在计算广告中的应用已经相对成熟，并且得到了广泛的应用。通过对用户特征的分析和建模，可以更好地理解用户需求和行为模式，从而提供更精准的广告投放服务。

一、用户画像的构建

用户画像的构建是指根据用户的个人信息、行为数据和偏好等，将用户划分为不同的群体并进行标签化的过程。在当今数字化时代，大量的用户数据被产生和记录，这为构建用户画像提供了丰富的数据基础。传统的广告投放方式往往无法准确定位目标受众，导致广告效果不佳。而通过构建用户画像，可以将广告精准地传递给特定的用户群体，从而提高广告的效果和投资回报率。

特别是随着人工智能和机器学习等技术的不断发展，大规模数据的处理和分析能力得到了极大的提升。这些技术被应用于用户画像的构建过程中，帮助挖掘出用户的特征和行为模式。

（一）用户画像的构建流程

用户画像最初是应用于电商领域。在大数据时代背景下，用户信息充斥在网络中。将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

用户画像，又称为客户人物画像，是根据用户的人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。它是对真实用户的虚拟代表，通过海量数据分析和挖掘，提取用户的标签和特征。用户画像的构建流程可以根据业务情况稍作调整，但整体来说，多采用定性的研究方法来进行角色划分，主要可采用的资料来源有人种学研究、情境调查、观察法、访谈法、桌面研究等。

一般来说，用户画像的构建流程可以分为目标分析、体系构建、画像建立三步。其中，目标分析主要是对用户需求进行分析，体系构建则是对用户信息进行整合，画像建立则是将整合后的信息进行具体的呈现。

具体来看，用户画像的体系构建是指通过对用户数据的收集、整理、分析，建立用户画像体系，从而实现对用户的精细化运营。用户画像体系包括标签建模、画像系统、画像应用三个部分。其中，标签建模是核心部分。它是通过对用户数据进行分类、聚类、打标签等处理，将用户划分为不同的群体，并为每个群体打上相应的标签。

画像建立则是将用户标签转化为具体的人物形象，以便于运营人员更好地了解和接触用户，从而提高用户体验和满意度。画像建立的过程包括：定性研究、用户分类、定量验证和建立画像。其中，定性研究是从用户访谈开始，对产品的使用情况、接触渠道和方式、接触原因、第一印象、使用产品的关注因素、使用频率等进行访谈；用户分类是对收集到的用户数据进行分析和处理，将用户划分为不同的群体，并为每个群体打上相应的标签；定量验证是对定性研究所搜集到的问卷调查结果和产品行为数据进行分析和检验，检查上一阶段形成的用户细分群体之间是否存在差异和遗漏；建立画像是设置形象照，可以是图片或卡通形象，看上去更真实。揭示关键差异（目标行为和观点）则是给用户一个比较典型的名字，这个名字要把产品最关键的特点突显出来，也可以从目标行为和观点上去定义。

（二）用户画像的标签

用户画像的标签，是对用户的某一类特定群体或对象的某项特征进行的抽象分类和概括。这种抽象分类和概括具有可分类性，其值（标签值）具备互斥性和完备性。

标签可以是任何能够描述用户特征的词语或短语，例如年龄、性别、职业、收入、教育程度、兴趣爱好等。在建立用户画像时，需要对用户进行分类，每个类别对应一个或多个标签，这些标签可以帮助企业更好地了解用户，从而更好地满足他们的需求。常见的用户画像的标签主要有三种类型：统计类标签、规则类标签和机器学习挖掘类标签。

二、用户画像在计算广告中的应用分析

用户画像是计算广告产生、发展并不断优化的重要驱动力。用户画像以用户为中心，通过算法技术收集用户的行为数据，并根据这些数据对用户进行深入的画像建模，以此洞察用户的兴趣点和爱好特征，细分出不同的用户群，从而实现对特定场景下的广告精准投放。

（一）用户画像导致广告投放模式的转变

随着计算广告的发展，用户画像在广告投放运作模式中扮演着越来越重要的角色。通过对用户进行分析和处理，将用户划分为不同的群体，并为每个群体打上相应的标签，企业可以更好地了解用户，从而更好地满足他们的需求。这种以用户为中心的投放模式，可以使广告投放更加精准、高效、低成本。

（二）用户画像导致广告效果评估可视化

通常情况下，我们评估广告效果主要指短期价值效果，即常说的广告带来的浏览量、点击量、转化率等。通过用户画像分析可以实现广告效果评估可视化。用户画像的价值主要体现在精准营销方面，如互联网广告投放中，画像效果主要看使用画像以后点击率和收入的提升；精准营销过程中，主要看使用画像后销量的提升；等等。

（三）用户画像導致广告内容的私密化

在广告领域，个性化和隐私似乎是天平的两端：个性化做得很好的广告，通常都要收集很多用户数据，对用户画像有清晰的认识；如果将用户数据都屏蔽掉，个性化的广告很难取得效果。随着隐私计算技术的应用落地，也在从技术层面保障用户数据安全，打消用户对个人信息及隐私受侵犯的担忧，成为平衡用户体验与个性化广告产业发展的保障。

用户画像在计算广告中的发展困境

一、计算广告的发展困境

（一）数据质量问题

首先，数据噪声，如用户行为数据的异常值、广告投放数据的异常值等；其次，数据不完整，如用户个人信息不全、广告投放数据不全等；最后，数据不一致，如用户行为数据与广告投放数据之间的不一致等。

（二）算法问题

预估问题，如点击率预估、转化率预估等；排序问题，如广告排序、流量分配等；多样性问题，如多样性匹配、多样性投放等；隐私保护问题，如数据隐私保护、模型隐私保护等。

（三）广告主需求与投放效果之间的矛盾

广告主对投放效果的评估标准不同，如有些广告主更关注曝光量，而有些则更关注转化率；广告主对投放效果的期望值不同，如有些广告主希望投放效果能够在短时间内得到提升，而有些则更注重长期效果；广告主对投放效果的关注度不同，如有些广告主每天都会关注投放效果，而有些则只是偶尔关注。

二、广告伦理问题

（一）广告的真实性问题

虚假广告，如虚假宣传、虚假评论等；夸大宣传，如夸大产品功效、夸大服务效果等；恶意攻击，如恶意诋毁、恶意抹黑等。

（二）广告的公平性问题

性别歧视，如根据性别分类投放广告等；种族歧视，如根据种族分类投放广告等；年龄歧视，如根据年龄分类投放广告等；地域歧视，如根据地域分类投放广告等。

（三）广告的安全性问题

个人隐私泄露，如个人身份信息、联系方式等泄露；恶意软件，如病毒、木马等。

（四）广告的法律合规问题

如广告内容是否符合法律法规，广告是否侵犯他人权益，广告是否违反公序良俗等。

计算广告在AIGC背景下的发展策略

一、计算广告的相关法律法规

《中华人民共和国广告法》规定，广告主、广告经营者、广告发布者在中华人民共和国境内从事广告活动，都应当遵守相关法律。同时，《中华人民共和国电子商务法》也对互联网广告活动进行了规范，以保护消费者的合法权益，促进互联网广告业健康发展，维护公平竞争的市场经济秩序。同时，《中华人民共和国广告法》《互联网广告管理办法》等法律法规，也对广告经营者，广告的设计、制作、代理及发布，作出了相关规定。

二、新兴技术对计算广告的规范

首先，去中心化分布记录可以提高数据的安全性和可信度。其次，区块链的不可篡改性可以保证数据的真实性。此外，区块链技术还可以为广告提供更多的可能性。除了以上几个方面外，区块链技术还可以应用于计算广告的隐私保护方面。传统的计算广告平台通常会收集大量的用户数据，包括个人信息、消费习惯等敏感信息。这些数據可能会被滥用或泄露给第三方机构，给用户带来隐私侵犯的风险。而区块链技术可以通过隐私计算技术来实现数据的匿名化和去标识化处理，保护用户的隐私权和个人信息安全。

三、计算广告中广告人的自律

广告人的自律，是广告从业者在广告活动中应该具备的基本素质和道德准则。

广告人除了应当遵守现有相关法律法规外，还应该遵守一定的职业道德与规范，以诚信、公正、合法、合规的方式开展广告活动。广告人的自律是维护广告市场公平竞争和健康发展的重要保障。只有遵守相关法律法规、行业规范和职业道德，以诚信、公正、合法、合规的方式开展广告活动，才能树立良好的企业形象，赢得消费者的信任和支持。［基金项目：2020年河南省本科一流课程《广告创意》。作者单位：郑州西亚斯学院新闻与传播学院］