基于VALS2的电商直播用户群体画像构建研究

摘要：文章利用构建用户画像的方法，对观看电商直播的用户群体特征进行描述，帮助电商直播平台进行相关服务改进。首先借鉴VALS2模型构建了电商直播用户群体画像的指标体系。然后经问卷调查收集数据后，结合因子分析、聚类分析和判别分析等方法进行实证研究。最后利用Python的Wordcloud2模块工具对用户画像的特征进行可视化呈现。电商直播用户群体画像类型分为综合需求型、社交联络型、体验感知型3类，可以为电商直播平台提供有力的支持，助力其实现更精准的营销、更优化的用户体验和更高效的资源分配。

关键词：电商直播；群体画像；用户体验

中图分类号：文献标识码：A文章编号：1005-6432（2024）21-0000-04

[DOI]10.13939/j.cnki.zgsc.2024.21.028

1引言

随着互联网的快速发展和移动设备的普及，“电商直播”这种新兴商业模式作为数字经济的典型代表，近年来得到了迅猛的发展[1]。然而，随着电商直播市场的不断扩大，竞争也日趋激烈。为了更好地满足用户需求，提升用户体验，电商直播平台需要对用户进行深入的了解和分析。因此，文章选取使用过电商直播的用户作为研究对象，借鉴用户画像技术对该群体的价值观、生活方式和购买行为等方面进行深入分析，为电商直播平台提供更精准的营销策略和服务方案。

2相关研究

2.1电商直播

目前关于电商直播的研究主要从直播特性入手，聚焦于用户使用动机、购买行为等方面。例如，在观看动机方面，Cai等研究发现对于目标导向型用户，有用性是他们使用电商直播的显著影响因素，而对于享乐型用户，主播因素才是他们注重考虑的[2]。在购买行为方面，陈晓娜等指出电商直播平台中的信息内容、外观设计与导航系统均显著正向影响服装消费者购买意愿[3]。

2.2用户画像

交互设计之父AlanCooper最早提出用户画像，是指根据用户的属性、偏好、生活习惯、行为等信息，抽象出来的标签化用户模型[4]。目前，国内外学者们也从多个视角对用户画像展开研究。例如，李嘉兴等基于用户属性及行为数据聚类结果对微信老年用户行为特征进行了深入分析[5]。吴剑云等则构建用户视频兴趣标签，以捕获用户兴趣的变化[6]。在研究方法上，任中杰等为了有针对性的舆情引导，采用情感分析法构建模型以预测和把握每个用户情感倾向[7]。

2.3VALS2模型

随着时代的发展和消费者行为的变化，相关学者推出了VALS2模型，在原基础上加入了心理因素，以资源和自我导向两个因素细分市场[8]，使其更适应现代社会的消费者行为和市场环境。陈添源等借鉴VALS2用户细分的态度量表，探究高校移动图书馆用户群体的差异化行为特征[9]。相甍甍等则利用VALS2模型将微信用户隐私悖论行为群体画像划分为体验至上、成熟理智、自我中心3种类型[10]。

通过梳理国内外相关研究发现，用户画像在电子商务已经得到了广泛应用，然而现有研究并未充分聚焦于直播领域。基于此，文章利用VALS2模型整合各项影响因素，对使用电商直播的用户进行分类描述，精准把握不同用户群体的消费心理和行为特点。

3研究设计

3.1用户画像设计思路

文章构建电商直播用户画像的设计思路分为构建标签体系、数据获取处理、特征标签提取、聚类判别分析、标签可视化5个阶段。首先根据研究目的，依据VALS2细分指标设计电商直播用户群体画像标签体系，形成调查问卷后获取相关用户数据。然后将获得的数据进行特征标签提取形成标签数据集，再运用因子分析、聚类分析等方法，提炼关键特征因子，实现差异化用户群体分类。最后使用Python中的Wordcloud工具包对电商直播用户群体标签进行可视化展示，完成用户画像。

3.2用户画像标签体系设计

文章基于电商直播用户的使用情境和相关服务功能，以VALS2量表中的“用户资源为导向”和“用户自我为导向”两部分为细分指标，设计电商直播用户画像的标签体系。这两大指标不仅能够全面反映用户的消费心理和行为特征，还能够为电商直播平台提供有力的数据支持，用于优化服务策略和提升用户体验。

3.2.1用户的资源

VALS2模型中的用户资源指的是消费者在个人生活中所拥有的各种资源，反映了他们的社会地位、经济实力、生活方式以及所能获取的信息等。文章的电商直播用户群体画像标签包含了4个人口统计特征和5个用户使用行为变量，其中用户的性别、年龄、学历和收入为人口统计特征，使用频次、使用习惯、用户体验、用户满意、用户忠诚则作为用户使用行为调查变量。

3.2.2用户的自我导向

VALS2模型中的用户自我导向涉及消费者的行为和价值观，是激励用户消费的底层逻辑，包含三种类型：以原则为导向、以地位为导向、以行为为导向。以原则为导向是指用户按照自己接受到的客观信息行事，不会轻易被他人观点所左右，比如电商直播中的商品呈现、服务场景、权益保障等；以地位为导向是指用户会因为他人的行为和观点做出改变，比如电商直播中的点赞、评论、分享行为等；以行为为导向是指用户容易受到自身利益相关或外部环境刺激而产生改变，如电商直播中的促销折扣、时尚潮流、等都容易影响用户的购买行为。基于上述两个角度的描述和分析，本研究最终构建的电商直播用户群体画像标签体系如图所示，其中用户资源包含9个测量项，用户自我导向包含21个测量项。

3.3用户画像标签权重设计

电商直播用户画像的差异通过标签权重设计体现，即不同的电商直播用户群体特征在同一标签上的重要程度（权重）是不同的。文章以VALS2指标体系构建的心理行为偏好标签能够代表电商直播用户短期内稳定的购买行为需求和感知态度值，因此借助李克特5级量表来表示电商直播用户在某一标签的需求和偏好程度。其中人口统计和用户行为特征运用属性值方法进行描述，如性别、收入、使用频次等相关题项，其余测量项的标签权重由用户在各量表中得分的均值来确定，由此形成本次研究的用户画像标签权重值。

4实证分析

4.1问卷设计及数据获取

本次研究的调查问卷主要由两部分组成，第一部分是用户资源，包含用户的人口统计特征和用户使用行为调查；第二部分是用户自我导向量表，主要针对电商直播用户的心理偏好设置的测量题项，为确保问卷的有效性，剔除回收问卷中缺失值较多、填写时间少于30秒的无效问卷，最终得到有效问卷200份。

4.2信效度检验

经SPSS27.0软件发现基于标准化的克隆巴赫系数为0.935，说明该样本数据的信度较好，题项内部的一致性比较高。另外KMO值为0.930，显著性小于0.001，说明该数据具有一定效度，适合做因子分析。

4.3因子分析与分类标签抽取

为了有效区分用户类型，构建出电商直播用户的群体差异画像，文章利用SPSS27.0软件进行了探索性因子分析。在此过程中，采用了主成分因子分析方法，通过精炼文字来替代标签题项，并设置了最大收敛迭代次数为25次，仅选取特征值大于1的因子进行分析。成分数为4时，特征值大于1，累计总方差解释为73.592%，大于60%，符合研究要求。

根据各因子在变量上的载荷数据情况，总结电商直播用户的分类特征因子：特征因子1：该特征因子与轻松解压、时尚追随、热门直播、信息获取、亲友影响、感知愉悦以及促销折扣等因子相关，深刻揭示了用户在电商直播环境中丰富多样的心理动机。用户会根据自身的实际需求和心理状态，灵活选择使用电商直播的方式和频率，以期满足自身的各种心理需求。因此，文章将该公因子命名为心理需求类因子。特征因子2：该特征因子与社交分享、知名主播、从众购买、解疑及时、期待交互、活跃氛围以及点赞评论等因子有关，集中反映了用户在电商直播中注重社交互动与交流，既期待能够与他人分享心得体验，也希望通过与主播的互动，获得购物决策的参考与指导。因此，文章将该公因子命名为社交互动类因子。特征因子3：该特征因子与场景契合、专业推介、权益保障、习惯使然、商品呈现以及快捷购需等因子相关，这些因子展现了用户对电商直播相关功能的评判，是影响用户选择和使用电商直播的重要因素。因此，文章将这一公因子命名为功能需求类因子。特征因子4：该特征因子与服务满意、内容质量、需求明确、观看方便以及持续使用等因子有关，这些因子揭示了用户在电商直播使用过程中对服务体验的重视。他们会根据自身的体验感受来评估电商直播的价值，从而影响到他们的使用习惯。因此，将该公因子命名为服务体验类因子。

4.4用户画像聚类分析

在提取上述4个差异化特征因子后，采用聚类算法将其分为相似性尽可能大的类或簇。本研究选择利用K-means均值算法来对数据进行聚类，实现用户画像的分群。K-means算法在进行前要确定好分成的簇的数量K，参考以往相关领域学者的研究，文章将聚类个数界定在3-6个，同时结合判别分析中的WilksLambda方法，最终确定K值个数，结果如表1所示。

4.5用户画像特征可视化

根据上述分析得到的用户画像聚类分析结果，文章将电商直播用户群体画像类型分为3类：综合需求型、社交联络型和体验感知型。接着采用Python中Wordcloud工具包绘制用户标签云，如表2所示。其中，每个标签字体大小由该类用户画像对应的均值决定，标签云中的字体越大，证明此特征在该类群体中越显著。

5用户画像描述与讨论

根据上述分析和可视化结果的呈现，对每一类电商直播用户画像的关键特征进行描述：

5.1综合需求型用户的画像特征

综合需求型用户体现了该用户群体比较注重多方面的体验和需求满足。该用户群体的男女比例趋于平衡，每周观看电商直播的次数集中在3-4次，说明这类用户对电商直播有着较高的兴趣和参与度，可将此用户划分为需求明确型和娱乐导向型两类。

1. 需求明确型：需求明确型用户通常已经有明确的购物目标或需求，他们进入直播间主要是为了寻找满足自己需求的产品，并希望获得更详细的产品信息、优惠活动或专业的购买建议。

（2）娱乐导向型：娱乐导向型用户进入电商直播间更多地是出于消磨时间、放松心情的目的，或是希望能从中获得一些有趣的购物建议和灵感。这类用户更倾向于享受直播过程中的轻松氛围和愉悦体验，他们可能会受到亲友推荐、热门直播等因素的影响而进入直播间，对于这类用户，营造出一个轻松愉快的直播氛围至关重要。

5.2社交联络型用户的画像特征

社交联络型用户主要集中在26-33岁的年龄段，这个年龄段的人群往往具有较为稳定的工作和生活，有一定的消费能力和社交需求。该类用户每周观看电商直播的次数集中在1-2次，很有可能是他们将更多的时间和精力投入到了其他社交平台中，寻找更多的社交机会和互动体验。对该类型用户的特征因子进行整理，可分为两类：社交互动型和信息获取型。

（1）社交互动型：这类用户注重直播过程中的社交体验，具有较高的活跃度和粘性，并对直播平台的社交属性有着较高的期待。为了更好地满足他们的需求，电商平台应该加强社交功能的开发和完善，提供更多的互动机会和社交场景，让用户在购物的同时也能享受到社交的乐趣。

（2）信息获取型：在电商直播场景中，该类用户可能会频繁提问，寻求主播或其他用户的意见和建议。另外由于该类群体往往注重信息的时效性和真实性，所以他们更倾向于关注那些信誉良好、口碑可靠的主播和直播间。

5.3体验感知型用户的画像特征

体验感知型用户在使用电商直播时，对于服务的满意度有着较高的要求。其中年龄较小的用户占比较少，可能是因为他们在消费观念和购物习惯上还未完全成熟。此外，大部分人每周观看电商直播的次数在3次及以上，这也进一步说明了他们对于电商直播的高频使用和依赖。综合以上因子和关键特征，可以将该类用户群体划分为品质稳定型和灵活探索型两类。

（1）品质稳定型：在今天电商直播的环境中，这类用户更加注重直播内容的真实性和可靠性，针对此类用户，直播平台可以积极与优质品牌和产品进行合作，这不仅可以提升平台的整体形象和信誉，还可以吸引更多的潜在用户。

（2）灵活探索型：与高品质稳定型的客户相比，灵活探索型用户更加注重购物的多样性和新颖性，对价格、品质和服务都有一定的要求，但更看重整体的购物体验是否满足其个性化需求。针对灵活探索型用户的特点和需求，直播平台可以创新直播内容，吸引用户的关注和参与。

6研究结论与展望

文章以用户画像技术为指导，借鉴VALS2的用户市场细分方法，构建了电商直播用户的标签体系。通过对使用电商直播的用户进行群体画像和分类，可以更清晰地理解他们的需求、动机和行为模式。然后通过问卷收集数据并经实证细分，识别出综合需求型、社交联络型、体验感知型这3个差异化群体，并进一步细分为需求明确型、娱乐导向型、社交互动型、信息获取型、品质稳定型、灵活探索型这6类具体的差异化用户群体画像类型。研究发现，使用电商直播的用户具有明显的群体差异，不同群体在购物目的、社交需求、内容偏好等方面存在显著差异，因此，直播平台应该根据不同用户群体的特征，制定针对性的服务策略，以满足他们的个性化需求。

参考文献

• 李国昊，梅婷，梁永滔.政府监管下直播带货平台合谋行为的奖惩机制研究[J].江苏大学学报（社会科学版），2024，26（2）：100-112.
• CAIJ，WOHNDY，MITTALA，etal.Utilitarianandhedonicmotivationsforlivestreamingshopping[C]//AcmInternationalConference，2018：81-88.
• 陈晓娜，刘晶.电商直播平台特征对服装消费者购买意愿的影响[J].毛纺科技，2021，49（11）：88-93.
• COOPERA.交互设计之路—让高科技产品回归人性（第2版）[M].北京：电子工业出版社，2006.
• 李嘉兴，王晰巍，常颖，等.基于移动终端日志的微信老年用户使用行为画像研究[J].图书情报工作，2019，63（22）：31-40.
• 吴剑云，胥明珠.基于用户画像和视频兴趣标签的个性化推荐[J].情报科学，2021，39（1）：128-134.
• 任中杰，张鹏，兰月新.面向突发事件的网络用户画像情感分析——以天津“8·12”事故为例[J].情报杂志，2019，38（11）：126-133.
• MITCHELLA.ThenineAmericanlifestyles：Whoweareandwherewe’regoing[M].NewYork：Macmillan，1983.
• 陈添源.高校移动图书馆用户画像构建实证[J].图书情报工作，2018，62（7）：38-46.
• 相甍甍，冯丽，王佳栋.社交媒体用户隐私悖论行为群体画像构建研究——以微信为例[J/OL].情报科学：1-21[2024-03-27].