網站地圖 原創論文網,覆蓋經濟,法律,醫學,建筑,藝術等800余專業,提供60萬篇論文資料免費參考
主要服務:論文發表、論文修改服務,覆蓋專業有:經濟、法律、體育、建筑、土木、管理、英語、藝術、計算機、生物、通訊、社會、文學、農業、企業

博物館個體用戶畫像可視化與實際運用

來源:原創論文網 添加時間:2020-03-04

  摘    要: 博物館與參觀者在互動過程中產生的數據日益增多,如何分析利用這些數據獲取有效信息,為博物館服務,是博物館智慧化的重要課題。通過對博物館門戶網站、自媒體的線上用戶數據和博物館室內用戶行為數據的綜合采集,建立基于客觀數據的用戶畫像和情感偏向的用戶體驗系統,能夠為博物館自身服務的提升和知識傳播的優化提供可視化的數據支撐。

  關鍵詞: 博物館; 用戶畫像; 人體識別技術; 數據可視化;

  0、 引言

  人機交互技術和互聯網的快速發展使這個時代的數據量迅速增長,博物館在免費開放并提供智能化服務的過程中不可避免的產生了體量龐大、種類繁多的用戶數據,“智慧博物館”概念的提出將博物館大數據分析挖掘正式提上日程。博物館與用戶互動的海量數據為博物館參觀者行為、興趣等特征分析提供了基礎,是博物館調整業務結構、提升用戶觀展體驗、公眾服務質量和教育效果的重要依據。如何完成數據的深度分析挖掘是博物館大數據實踐的核心和挑戰,“用戶畫像”作為一項其他行業普遍應用的數據分析技術,能夠從一定程度上解決這一問題,其對于博物館業務優化具有積極意義。

  1 、用戶畫像(User Profiles)

  “用戶畫像”的概念起源于人機交互設計理念,最早由Alan Cooper提出,他在《交互設計精髓》中將用戶畫像定義為“基于用戶真實數據的虛擬代表”[1]。它的目的是為交互設計者提供一種工具,幫助他們更好的實現對用戶及其需求的關注,鞏固以用戶為中心的產品設計思路[2]。用戶畫像的概念一經提出,就在交互設計和數據挖掘領域迅速傳播[3]。用戶畫像一方面能從群體用戶信息中抽取出典型用戶,生成描述用戶需求的工具,以幫助產品開發者從用戶角度思考產品功能,另一方面能夠根據用戶在產品、服務中的行為、認知等數據,生成用戶標簽集合,確定用戶意圖[4]。隨著這項工具的完善和發展,用戶畫像在數據分析領域變得更加重要,被廣泛應用于勾畫目標用戶、聯系用戶訴求與設計方向、產品運營、精準營銷、圖書館服務、思想動態分析等方面。對用戶信息、行為習慣、認知特征等大數據集合進行分析挖掘,建立用戶標簽,形成用戶檔案模型[5]已經成為用戶畫像的基本功能。

  用戶畫像的核心是通過數據挖掘得到用戶典型特征、完成用戶原型的標簽化。博物館場景下的數據源比較復雜,包括文字、圖片、視頻等多種形式,因此常用的短文本單模態用戶畫像無法滿足博物館數據分析需求,需要建立多模態的用戶畫像。用戶畫像的作用流程通常包括用戶數據采集、數據預處理、用戶畫像建模以及數據可視化[6],數據預處理的準確度和用戶畫像建模的精細度很大程度上取決于計算機算法的選擇和優化,本文著重討論博物館用戶數據的采集以及數據的可視化。

  2 、博物館用戶畫像的數據采集

  數據博物館大數據的來源包括外部用戶活動數據和內部業務數據,外部用戶活動數據是指公眾使用博物館提供的服務產生的單向或雙向線上線下行為數據,內部業務數據則囊括了以藏品為核心的研究型數據以及本體業務產生的管理數據。博物館領域的用戶畫像主要關注外部用戶活動數據,帶有明顯的行業特性和場景特征。
 

博物館個體用戶畫像可視化與實際運用
 

  2.1 、數據類別

  博物館用戶畫像需要采集的數據從形態上沿用了常規數據分類——靜態數據和動態數據。

  2.1.1、 靜態數據

  靜態數據的內容相對固定,根據產生源的不同,可區分為用戶維度靜態數據和領域維度靜態數據(參見圖1)。

  用戶維度靜態數據是反映用戶基本屬性的人口統計數據[7]。博物館用戶維度靜態數據的獲取途徑主要為網站注冊信息,包括用戶姓名、性別、年齡、地域、職業、身份證號、聯系方式、教育背景、學科領域、興趣愛好等。這些信息均為預先設定或用戶的自我定義標簽,適用于作為基礎自然屬性信息來構建粗略畫像[8],當用戶因展覽引導或社區交互等因素關注其他學科領域或興趣發生轉向時,這些屬性的作用就顯得十分有限。

  圖1 博物館用戶畫像靜態數據
圖1 博物館用戶畫像靜態數據

  領域維度靜態數據囊括了領域內能夠反映出與用戶相關的其他實體屬性和特征的數據[9]。博物館中與用戶密切相關的實體包括藏品、文創產品和基礎服務設施等。藏品的名稱、出土地、時代、材質、器類、工藝、文化背景、展出位置、參展經歷、相關研究文章等是構建博物館展品知識圖譜的重要信息要素,由展品衍生的文創產品的品類、功能、價格、購買渠道等要素同樣可以加入其中。

  2.1.2、 動態數據

  通過注冊信息獲得的靜態用戶屬性過于簡單,結合實時更新的多數據源動態用戶數據能夠構建更完整的用戶畫像。動態數據主要是指由用戶做出的具體行為產生的數據,博物館動態數據包括線上動態數據和線下動態數據兩部分。

  線上動態數據是將用戶在博物館官方網站、官方微博、官方公眾號、官方商城等移動端上的行為數據納入數據集合,信息要素包括預約、瀏覽、查詢、評論、點贊、分享、購買等線上行為發生的時間、內容、對象等。線下動態數據則主要通過用戶行為獲取信息,涵蓋了用戶在博物館建筑主體內產生的與博物館業務相關的所有行為數據,包括參觀路徑、停留時間、購買行為等。

  2.2 、數據采集方式

  博物館靜態數據的采集相對簡單,用戶維度的靜態數據來源為網站數據庫,數據庫需設定完整的采集要素,支持實時導出,并與分析挖掘所需的數據格式兼容。博物館領域維度的靜態數據則主要依靠博物館對自身藏品信息的整理、研究和信息拓展,即藏品信息知識圖譜的構建。

  博物館動態數據的采集與靜態數據采集相比獲取難度更大,需要及時更新和維護,但能夠更為全面準確的反映用戶特征,具有高度的時效性。線上動態數據的采集依托相對成熟的自媒體數據庫,通過系統后臺用戶的活動日志和爬蟲程序可以完成。線下動態數據的采集是博物館用戶畫像的難點,基于深度學習的人體行為識別技術是目前主要可行的采集方法。

  3、 適合博物館環境的人體行為識別技術

  人體行為識別是物聯網系統中的一項核心技術,指通過主動式或被動式的識別技術,對某個范圍內的個體目標進行體動信息或環境變量的數據監測、收集和分析,從而推斷其行為信息,實現行為識別。目前常用的行為識別技術按照識別對象的狀態分為主動識別和被動識別。

  主動識別技術需要用戶配合監測方要求,佩戴指定設備來提供體動信息,目前最常見的是可穿戴傳感器,根據傳感器接觸位置的不同,采集的行為信息內容和準確率也有所區別。由于借助外部設備,用戶可能會表現出不自然的行為特征,對人流量密集的博物館,設備的佩戴和回收增加了數據收集的復雜度。

  被動識別技術主要包括三種:

  3.1 、基于環境變量的行為識別

  利用置于監測環境中的聲音傳感器[10]、壓力傳感器[11]、光線傳感器[12]等非接觸設備感知人體行為對周圍環境的信息變化,從而推斷人體行為。這些傳感器不需要用戶佩戴,僅需進行合理的空間分布,但受限于傳感器本身的敏感度和識別精度,在博物館室內空間非常龐大的情況下,容易受到環境變化和其他個體的干擾而產生誤判,很難精準的檢測室內人體行為[13]。

  3.2 、基于計算機視覺的行為識別

  利用攝像頭或深度相機進行信息的監測與提取,通過視頻流的圖像處理與目標追蹤技術定位具體事物。微軟2009年推出的體感游戲產品Kinect即是利用數字視頻攝像頭和光編碼技術捕捉肢體動作來實現精準行為識別[14]。傳統的計算機視覺行為識別首先全程采集和保存用戶的活動圖像信息,通過多角度全方位的多攝像頭合作,獲取盡可能全面的行為信息,對視頻圖像進行預處理后完成運動人體檢測和行為特征提取。視頻采集過程中,當有阻斷影像信息的因素(如黑暗環境、煙霧、障礙物等)出現時,攝像頭便無法獲取個體行為信息。

  3.3、 基于射頻技術的行為識別

  人體各部位的運動會影響室內環境中無線信號的信道狀態信息[15],利用無線信號的折射和反射可以推斷個體行為,常見的射頻包括UWB超寬帶技術、雷達技術、wifi技術等。

  3.3.1、 基于UWB超寬帶技術的人體識別

  超寬帶技術利用人體行為對回波信號反映出的不同特征來分類檢測不同的行為,在對目標的檢測和追蹤過程中具有抗干擾能力強、消耗低、分辨率高等優勢[16]。UWB超寬帶技術采用的設備比較特殊且功率較大,在博物館室內使用成本過高,且存在一定的安全隱患。

  3.3.2 、基于雷達技術的人體識別

  雷達采用從發射端到接收端的時間差跟蹤目標,常用于室外環境的行為識別。倫敦大學[17]、麻省理工學院[18]近年來相繼研發出利用遠距離穿墻的雷達信號跟蹤和識別人體行為的目標監測系統。這種技術需要特定的設備支持,成本較高。

  3.3.3、 基于wifi技術的人體識別

  Wifi是人們目前最常使用的無線射頻裝置之一,具有感知周圍環境、檢測人體行為的能力,且信號廣泛覆蓋,設備部署簡單,人體行為的運動軌跡具有唯一性,對wifi信號的影響也獨一無二。運用wifi設備采集能夠識別人體生命體征、手勢、身份、特殊行為的CSI數據,構建深度學習識別和分類模型探索人體行為與CSI數據之間的映射關系,從而實現計算機對人體行為的準確識別[19]。

  結合博物館人流密度大、區域廣泛、場景空間差異性大、障礙物多等實際情況,基于計算機視覺的人體識別技術和基于wifi技術的人體識別技術都能夠保證識別精度和數據的穩定性,具有一定的可操作性,而考慮到保護用戶隱私、降低設備鋪設成本等方面,后者相對更為適合。

  4、 博物館個體用戶畫像的可視化呈現

  多源采集的復雜數據需要經過多重算法的分析和迭代,建立統一標簽并完成數據整合后再進行深度分析挖掘,數據集合無法提供直接信息,為了便于信息觀察,用戶標簽和行為模式等數據內容需要進行可視化處理,可視化的數據根據需求的側重點而對不同信息進行提取。博物館兼具知識傳播與公眾服務雙重屬性,因此基于客觀事實的多維標簽體系和基于情感偏向的用戶體驗體系在博物館用戶畫像中可以共同發揮作用。

  4.1 、基于客觀事實的多維標簽體系構建

  博物館通過線上和線下的多源數據采集能夠獲得大量基于客觀事實的靜態數據和動態數據,這些數據標注結構比較復雜,信息多源異構,噪音標簽明顯,傳統的單標簽提取方法難以對參觀者畫像標簽進行深度挖掘,無法細致分析多個標簽屬性間的關聯及多元主體間的聯系,故而博物館的參觀用戶畫像需采用多維度的用戶畫像標簽體系[20]。展覽的本質是提供學習的場景和知識傳播的媒介,因此這種基于客觀事實的用戶標簽借鑒了學習者的多維度標簽分類,將其劃分為基本信息數據、內容偏好數據、學習風格數據和社交互動數據四個維度。

  基本信息標簽主要體現參觀者的基本情況,如姓名、性別、年齡、地域、教育背景等。內容偏好標簽描述參觀者進行線上藏品檢索、網站展覽信息瀏覽、線下參觀展覽選擇、展品參觀停留時間等與博物館藏品相關的行為。學習風格標簽指參觀者在參觀過程中形成的文物知識接受與知識加工的持久性偏好,例如觀展過程中用戶對信息資源展示手段的偏好,通過對VR、視頻、語音導覽、圖片、文字說明等方式的不同反映,分析用戶的參觀策略和學習傾向。社交互動標簽則描述了參觀者在參觀過程中產生的分享、評論、收藏等互動數據。

  4.2、 基于情感偏向的用戶體驗標簽構建

  另一種用戶標簽是在對用戶行為進行客觀描述的基礎上,加入用戶的情感體驗和心理特征。交互設計領域提出的“人物頭像+屬性特征+動機文字+態度文字+行為文字+其他要素文字”的用戶畫像圖形結構[21]就是一種基于情感偏向的用戶體驗標簽。表1將一位博物館用戶參觀一次展覽的情感偏向用戶畫像進行了可視化處理。

  為了創新提升產品和服務,2002年Shaw在用戶畫像的基礎上進一步細化用戶體驗的可視化內容,為產品經理、設計師、開發者和戰略管理者設計了“用戶體驗圖”(某類用戶群體在某個特定領域經歷和體驗的可視化圖形),主要關注用戶的行為過程和每個步驟中的用戶體驗[22]。表2根據這種傳統的用戶體驗矩形方陣[23]模擬了博物館參觀用戶體驗圖,這張圖將用戶參觀過程和體驗水平變得更加清晰,能夠為博物館展覽、文創產品、基礎服務設施的設計提供依據。

  表1 一位博物館參觀者的用戶畫像
表1 一位博物館參觀者的用戶畫像

  表2 博物館參觀的用戶體驗圖
表2 博物館參觀的用戶體驗圖

  隨著用戶體驗圖的不斷發展,用戶體驗研究專家提出了內容更為全面的“用戶旅程圖”——一種包含了“用戶畫像+用戶旅程+體驗評價+痛點和機會點”的綜合結構圖,“用戶旅程”的特征可以概括為以下五點:

  (1)用戶旅程反映完整的用戶經歷,是由每一個關鍵時刻連接起來的完整旅程。
  (2)用戶旅程不僅關注每個關鍵時刻的體驗,更重視整個經歷中的體驗,關鍵時刻點的滿意度不能代表旅程的整體滿意。
  (3)用戶旅程的描述語言從用戶的角色出發,以第一人稱進行表達。
  (4)用戶旅程需要涵蓋線上和線下的多渠道經歷。
  (5)用戶旅程的持續時間可以很長,并且可以重復[24]。

  這種用戶旅程圖與用戶體驗圖側重有所不同,它專注于市場、銷售和服務人員,常用于增加銷售、改善客戶關系和提升品牌形象。根據行業特性,博物館用戶旅程體驗圖可采用“用戶畫像(個人)+用戶旅程(參觀前、參觀中和參觀后)+交互行為(預約、查詢、購買、分享)+用戶體驗(感官、情感)+需求分析+完善建議”的圖形結構。

  Norman曾提出認知的三個層次——本能、行為和反思,本能層次的問題是“用戶想要怎樣的感覺”,行為層次的問題是“用戶想做什么”,反思層次的問題為“用戶要成為什么樣的人”[25]。而作為三種用戶分析工具,用戶畫像著重呈現反思層次“用戶是誰”的問題,用戶體驗圖主要關注用戶希望在服務中獲得什么感覺的本能,用戶旅程圖則側重于通過行為步驟分析用戶想做什么。三種工具將靜態屬性和動態屬性結合在一起,通過一定的邏輯便能夠清晰完整的構建出綜合性的“用戶畫像”[26]。博物館基于情感偏向的用戶體驗體系可以根據實際業務的需求不同使用三種工具獨立或共同完成。

  5、 用戶畫像在博物館業務優化中的實際應用

  基于客觀事實的用戶畫像主要功能在于通過數據挖掘和深度學習,發掘潛在用戶群體,利用關聯規則算法或聚類、分類算法分析得到用戶的觀展興趣偏好,構建智能推薦系統,實現個性化藏品推薦、互動伙伴推薦和觀展路徑導航等[27];谇楦衅虻挠脩趔w驗系統則可以通過用戶行為表象分析用戶深層動機和心理,確定真實需求,預測用戶潛在行為,根據具體的業務數據提取存在問題,尋求解決的辦法和改進方向,優化展覽和文創產品設計,從而提高參觀者對博物館的體驗滿意度,逐步打造博物館的文化品牌。

  5.1 、延時性和及時性的個性化信息推送

  根據用戶畫像中內容偏好標簽的提取和挖掘,用戶畫像可以在用戶與博物館互動的各個階段提供延時性和及時性的個性化信息推送服務。

  延時性的個性化信息推送可以實現潛在用戶的轉化。用戶在登錄博物館官網、官微、官方公眾號等媒體時留下的注冊信息和發布的文本內容是藏品偏好標簽和社交互動標簽的提取環境之一,這部分用戶中的一些人可能從未到過博物館參觀或參觀頻率過低,以往通過經驗分析其驅動力不足的原因通常過于主觀,而通過藏品偏好和社交互動數據能夠更加客觀的分析出其中哪些人是博物館的潛在用戶,并進行有針對性的展覽、活動信息推送,就有極大可能將其轉化為實際用戶。

  即時推送服務可以幫助用戶在預約階段明確觀展目的。大部分剛接觸博物館的用戶在預約博物館參觀和到達博物館時通常無法立刻確定觀展目標,他們根據展覽名稱和海報做出直覺式選擇,這樣參觀的展覽內容可能與其興趣偏好并不一致,而受到觀展時間的限制,無法一次性參觀多個展覽,因此獲得信息和情感滿足的可能性相對較低。在博物館實現預約參觀后,這一問題可以通過用戶畫像得到有效改善,用戶預約成功的同時,系統根據個體的興趣標簽(如器類、材質、時代等)與展覽標簽進行匹配,選擇相關度較高的展覽信息進行即時推送,這種有目的性的觀展引導能夠幫助參觀用戶在體驗初期順利融入博物館環境并獲得個體需求的滿足。

  對于博物館的老用戶而言,結合用戶歷史參觀信息中的標簽,進行個性化的展覽、展品、文創衍生品和教育活動等信息的推送,能夠大幅度提升用戶體驗,增加用戶忠誠度。系統可以根據用戶畫像為每位用戶建立博物館檔案,當用戶完成一次博物館參觀后,系統將本次行程的單次獨立信息和行為細節統計加工,生成用戶體驗圖或旅程圖推送給用戶,幫助用戶完成自我認知總結的同時,量化博物館參觀的收獲和價值,并可以與歷史參觀記錄對比分析,給予用戶能力或知識提升等積極反饋,強化用戶的參與感。

  5.2 、興趣伙伴推薦與用戶間互動

  完善的用戶畫像系統能夠對博物館用戶進行動態評級,根據其行為特征判定為簡單體驗用戶、主動探索型用戶或其他類別,對具有相近屬性的用戶進行特征分類并建立群體畫像,同一個體用戶可以分布在不同的群體畫像中。博物館可以為不同群體畫像標簽的用戶提供具有標簽特色的科普教育活動,或在社區中建立興趣小組,不再以講解員為中心,而是去中心化的發揮每個興趣小組的個體優勢,為興趣小組提供一定的基礎信息,由小組成員相互交流探討,共同深入學習展品背后的文化內涵。

  5.3 、智慧導覽的優化

  基于用戶畫像的智慧導覽可以優化觀展路線。有了用戶畫像的大數據分析結果支撐,智慧導覽的設定不再僅停留在導覽設備的改變上,而可以將用戶的年齡、性別等基本信息與用戶選擇的參觀偏好和行程安排相結合,為用戶規劃符合自身體力情況的合理觀展路線,并在用戶觀展過程中根據展廳人流量的變化實時調整,以減少參觀的擁擠程度和等待時間。

  智慧導覽能夠根據定位信息即時推送展品介紹。在傳統的觀展過程中,用戶要了解展品的相關信息,需要走到展品旁近距離查看文字說明或掃描二維碼獲得背景資料,這種信息查詢方式由用戶主動完成且消耗一定的操作時間。用戶畫像系統可以通過展廳內的定位和行為識別設備即時判斷用戶狀態,當參觀者進入展品一定范圍內時自動推送文物的相關信息到移動端,文物信息的呈現可以根據用戶的學習風格標簽選擇視頻、音頻、圖片或文字等形式,降低用戶在信息獲取和讀取上的復雜度。

  博物館用戶畫像對博物館業務優化上的幫助還有很多,例如通過用戶體驗圖增加文創產品的品類、預測用戶購買行為、優化自動售賣機位置,甚至由多用戶共同設計展覽陳列、文創產品方案等。用戶畫像不僅是博物館了解用戶需求、改進自身服務的手段,隨著對其技術和應用的深入探索和發掘,用戶畫像必將成為用戶與博物館互動的橋梁,為博物館打造文化品牌、傳承中華優秀傳統文化奠定堅實基礎。

  參考文獻

  [1]Cooper A.About Face:the Essentials of User Interface Design[M].Manhattan:John Wiley&Sons,1995:5.
  [2]Pruitt J,Adlin T.The Persona Lifecycle:Keeping People in Mind Throughout Product Design[M].Morgan Kaufmann Publishers Inc,2010:48.
  [3]談松英,楊敏.大數據分析視野下的用戶畫像及其在開放教育中的運用研究綜述--基于知網2010-2017年全文收錄文獻的數據分析[J].中國教育信息化,2018(16):1.
  [4]Mianowska B,Nguyen N T.Tuning User Profiles Based on Analyzing Dynamic Preference in Document Retrieval Systems[J].Multimedia Tools and Applications,2013,65(1):93-118.
  [5]翟秀鳳.基于用戶畫像的個性化資源智慧推薦系統研究[J].圖書情報導刊,2018(12):17.
  [6]黃秀.基于多模態社交媒體數據源的用戶畫像構建的研究[D].電子科技大學,2018(3).
  [7] 何娟.基于用戶個人及群體畫像相結合的圖書個性化推薦應用研究[J].情報理論與實踐,2019(1):130.
  [8]王美月,王萍,賈瓊,等.基于動態用戶畫像的學術虛擬社區粘性驅動機制研究[J].現代情報,2019(7):12.
  [9]何娟.基于用戶個人及群體畫像相結合的圖書個性化推薦應用研究[J].情報理論與實踐,2019(1):130.
  [10]Li Y,Ho K C,Popescu M.A microphone array system for automatic fall detection[J].IEEE Transactions on Biomedical Engineering,2012,59(5):1291-1301.
  [11]Chee Y,Han J,Youn J,et al.Air mattress sensor system with balancing tube for unconstrained measurement of respiration and heart beat movements[J].Physiological measurement,2005,26(4):413.
  [12]Gu T,Wang L,Wu Z,et al.A pattern mining approach to sensor-based human activity recognition[J].IEEE Transactions on Knowledge and Data Engineering,2011,23(9):1359-1372.
  [13]盧欣欣.基于Device-free技術的被動式行為感知及應用研究[D].鄭州大學,2019(4):4.
  [14]Stone E E,Skubic M.Fall Detection in Homes of Older Adults Using the Microsoft Kinect[J].IEEE Journal of Biomedical and Health Informatics,2015,19(1):290-301.
  [15]崔然.基于CSI的人體行為識別方法研究[D].太原理工大學,2019(6):3.
  [16]蔣留兵,李驄,車俐.超寬帶雷達人體動作識別[J].電子測量與儀器學報,2018(1):129-134.
  [17]Chetty K,Smith G E,Woodbridge K.Through-the-wall sensing of personnel using passive bistatic wifi radar at standoff distances[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(4):1218-1226.
  [18]ADIBF,KATABID.See through walls with Wi Fi![J].ACMSIGCOMM Computer Communication Review,2013,43(4):75-86.
  [19] 盧欣欣.基于Device-free技術的被動式行為感知及應用研究[D].鄭州大學,2019(4):7.
  [20] 劉海鷗,劉旭,姚蘇梅,等.基于大數據深度畫像的個性化學習精準服務研究[J].圖書館學研究,2019:68-72.
  [21]陳抒,陳振華.交互設計的用戶研究踐行之路[M].北京:清華大學出版社,2018:3-20.
  [22]SHAWC.IVENSJ.Building Great Customer Experiences[M],Palgrave Macrmillan,2002:5.
  [23]SHAWC.IVENSJ.Building Great Customer Experiences[M],Palgrave Macrmillan,2002:6.
  [24]尼古拉斯·梅克勒,凱文·內爾,羅伯特·派克.從接觸點到客戶旅程--如何從顧客的角度看世界[J].上海質量,2016(12):41.
  [25]NORMAN D A.Emotion Desigh[M].New York:Basic Book,2005:6-10.
  [26]李飛.全渠道客戶旅程體驗圖--基于用戶畫像、客戶體驗圖和客戶旅程圖的整合研究[J].技術經濟,2019(5):50-51.
  [27]劉海鷗,劉旭,姚蘇梅,等.基于大數據深度畫像的個性化學習精準服務研究[J].圖書館學研究,2019:68-72.

重要提示:轉載本站信息須注明來源:原創論文網,具體權責及聲明請參閱網站聲明。
閱讀提示:請自行判斷信息的真實性及觀點的正誤,本站概不負責。
极速11选5哪里查开奖