随着网络环境不断完善、网络功能愈发强大,越来越多的智能设备进入互联网家庭。如何更好的了解用户,提升用户体验成为互联网服务领域中最重要的课题。海量的家庭网络用户数据为运营商、电子商务平台提供了丰富的素材,如何利用好这些数据成为研究者关注的热点,研究家庭下的用户画像便是其中之一。随着互联网用户规模及电子商务市场的不断扩大,提升电商平台的竞争力,仅仅研究用户的个人行为是远远不够的。本文采用DPI深度报文检测技术对运营商宽带账号下家庭用户的所有网络流量数据进行采集、清洗、提取和分析,利用DBSCAN算法快速、准确的识别出家庭账号下的真实用户、用户访问的URL、终端信息等。通过对电子商务网站侧用户最终的实际购物数据进行采集和研究,提出了家庭画像构建的研究策略。通过计算用户标签权重,完善用户信息,构建家庭宽带下的用户画像。以用户画像为基础,考虑家庭中用户间的相互影响,设定不同的阈值获取家庭用户的实时兴趣集,结合家庭实际网络消费数据,利用贝叶斯动态模型预测家庭潜在兴趣集,最终采用多元线性回归方程将两者统一,构建较为全面、准确的家庭画像。在家庭画像的基础上,利用组合加权算法获取相似行为偏好的家庭和相似产品并定期为相关家庭推荐其潜在感兴趣的产品和服务。通过搭建实验环境,结合第三方平台统计的用户点击率和广告转化率验证本文个性化家庭推荐系统的有效性和可靠性。在家庭固网宽带下,通过结合运营商拥有的完整用户上网数据,和电子商务平台提供的用户实际消费数据,塑造出一幅完整的家庭画像。对家庭宽带用户进行个性化推荐,不但为运营商提供流量变现的可靠方式,也为电子商务平台的用户挖掘、广告投放、商品推荐等方面提供巨大的支持,从而为固网宽带下的家庭用户提供便捷服务,极大地提升用户体验质量。