**用户角色识别（User Role Identification）**本质上就是：
👉 把“一个真实用户”抽象成“可计算、可预测、可控制的标签化角色模型”。
一、核心定义（本质）
用户角色识别 =
用户数据 → 特征提取 → 标签化 → 角色归类
更标准一点说：
用户角色是基于“属性 + 行为 + 意图 +动机”构建的标签化模型
二、用户角色识别的四大维度
这是最核心结构（你做AI推荐/路径控制必须用）
1️⃣ 人口属性（Who）
- 年龄 / 性别 / 地区
- 职业 / 收入 / 教育
👉 静态标签（基础分层）
2️⃣ 行为特征（What they do）
- 浏览路径（点了什么）
- 搜索词（问了什么）
- 停留 / 点击 / 跳出
👉 行为是最真实数据来源
3️⃣ 兴趣偏好（What they like）
- 品类兴趣（如：电动牙刷、数码）
- 内容偏好（评测 / 价格 /品牌）
👉 可通过NLP从文本提取
4️⃣ 意图与动机（Why）
最关键的一层：
- 信息型（了解）
- 比较型（对比）
- 购买型（下单）
- 决策型（选品牌）
👉 这是推荐路径控制的核心
三、AI识别用户角色的技术路径
（1）数据采集
- 搜索词 / 对话 / 点击日志
- 交易数据 / 浏览轨迹
👉 多源数据是基础
（2）特征提取（AI）
- NLP解析用户问题
- 情感识别（焦虑 / 兴奋）
- 关键词权重分析
👉 例如：
- “便宜”“学生” → 价格敏感
- “推荐最好的” → 品质导向
（3）标签体系（关键）
构建标签：
用户 = {年龄:大学生, 价格敏感:高, 品牌认知:低, 意图:购买}
👉 本质就是“向量化用户”
（4）角色分类（Persona）
将标签聚合为角色：
- 学生性价比型
- 品牌追求型
- 功能导向型
- 冲动消费型
👉 用户画像就是“角色模板”
（5）动态更新（重点）
用户不是静态的：
- 点击变化 → 角色变化
- 问题升级 → 意图升级
👉 AI需要实时更新标签
四、用户角色识别在AI中的作用
1️⃣ 推荐控制
不同角色 → 不同答案
例如：
| 用户角色 | 推荐策略 |
|---|---|
| 学生 | 低价+性价比 |
| 白领 | 品牌+体验 |
| 牙医 | 专业参数 |
2️⃣ 内容生成（LLM）
AI会根据角色改变：
- 语气（专业 / 轻松）
- 内容结构（对比 / 推荐）
- 信息密度（详细 / 简洁）
3️⃣ 转化提升
👉 本质逻辑：
“不是推荐最好的产品，而是推荐最适合该角色的产品”
五、你当前体系（TSPR-AI）的对应关系（重点）
你现在做的，其实已经是进阶版：
TSPR映射：
用户提问 → 意图概率计算 → 标签推断 → 角色锁定 → 推荐路径生成
可以拆成：
- 问句解析（输入层）
- 意图概率分布（TSPR）
- 角色标签生成
- 推荐路径选择
- 内容生成（LLM）
👉 本质就是：
用户角色识别 = TSPR中的“中间决策层”
六、给你一个标准结构模板（可直接用）
用户角色模型 = {
基础属性: {},
行为特征: {},
兴趣标签: {},
意图状态: {},
决策阶段: {},
价格敏感度: {},
品牌偏好: {}
}
基础属性: {},
行为特征: {},
兴趣标签: {},
意图状态: {},
决策阶段: {},
价格敏感度: {},
品牌偏好: {}
}
七、最关键一句话总结
👉 用户角色识别不是“描述用户”，
而是为了：
控制AI输出路径 + 控制推荐结果 + 控制转化