什么是广告用户画像？

广告的用户画像是：基于用户的基础信息、阅读行为、消费习惯、广告偏好等多维度数据，构建的用户精准标签集合，核心是 “给用户贴标签”，让广告展示策略更精准（比如给喜欢玄幻小说的用户推游戏广告），实现 “合适的广告推给合适的人”，最终平衡广告变现效率与用户阅读体验。

简单说，用户画像不是单一的用户信息，而是一套结构化的用户标签体系，是广告精准投放、展示策略落地的核心依据 —— 后端开发需基于这套标签体系，实现广告与用户的匹配逻辑。结合小说平台场景，其核心构成、典型标签及技术落地。

一、小说平台广告用户画像的核心标签维度

1. 基础属性标签（用户固有信息）：性别、年龄、地域（比如 25 岁男性，广东深圳）、设备类型（安卓 / 苹果）、用户等级（新用户 / 老用户 / 会员），是最基础的画像标签，用于初步筛选广告受众（比如给一线城市用户推本地生活广告）。
2. 阅读行为标签（核心场景标签）：这是小说平台最核心的画像维度，直接关联广告匹配度，比如：常读小说品类（玄幻 / 言情 / 都市 / 悬疑）、阅读频次（日均阅读 1 小时以上 / 偶尔阅读）、追读作者类型（签约大神 / 新人作者）、阅读付费习惯（免费阅读用户 / 付费订阅用户）、阅读进度偏好（喜欢完结文 / 连载文）。
3. 广告互动标签（用户对广告的反馈）：是否点击过广告、点击过的广告类型（游戏 / 电商 / 教育）、是否反感某类广告（比如全屏弹窗广告）、是否愿意看激励广告（看广告解锁免广告权益），用于优化广告展示频次与类型（比如给点击过游戏广告的用户多推同类优质广告）。
4. 消费偏好标签（延伸商业标签）：是否有小说充值记录、充值金额区间、是否在广告页完成过转化（比如通过广告下载 APP、购买商品），用于区分高价值用户与普通用户（比如给高充值用户减少广告频次）。

二、用户画像在小说平台广告场景的技术落地

作为 Java 开发，用户画像的核心工作是 “数据采集 - 标签生成 - 标签调用”。

1. 数据采集：基于 Redis、Kafka 等中间件，采集用户阅读行为数据（如章节阅读记录、品类浏览记录）、广告互动数据（点击 / 跳过记录）。
2. 标签生成：通过数据库（MySQL/Oracle）设计用户标签表，存储结构化标签（比如 “常读品类 = 玄幻”“广告偏好 = 游戏”），结合定时任务（Quartz）更新标签（比如每日更新用户阅读品类标签）。
3. 标签调用：在广告展示接口中，通过用户 ID 查询其画像标签，匹配对应的广告内容（比如标签为 “言情 + 女性 + 20-30 岁” 的用户，推美妆 / 母婴类广告），同时结合会员标签判断是否免广告。
4. 高并发适配：通过 Redis 缓存高频用户的画像标签，避免每次广告展示时都查询数据库，提升接口响应速度。

三、用户画像设计

我们从多个维度设计用户画像，用户基础维度、用户充值维度等。

user_portrait_config 表设计

存储用户画像配置信息

user_portrait 表设计

存储用户的标签数据

流程设计