什么是用户画像？该怎么分析？
1、用戶畫像是什么
??? 用戶畫像（User Profile），作為大數(shù)據(jù)的根基，它完美地抽象出一個用戶的信息全貌，為進一步精準、快速地分析用戶行為習慣、消費習慣等重要信息，提供了足夠的數(shù)據(jù)基礎(chǔ)，奠定了大數(shù)據(jù)時代的基石。
???
??? 男，31歲，已婚，收入1萬以上，愛美食，團購達人，喜歡紅酒配香煙。這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標簽化。
用戶畫像，即用戶信息標簽化，就是企業(yè)通過收集與分析消費者社會屬性、生活習慣、消費行為等主要信息的數(shù)據(jù)之后，完美地抽象出一個用戶的商業(yè)全貌作是企業(yè)應用大數(shù)據(jù)技術(shù)的基本方式。用戶畫像為企業(yè)提供了足夠的信息基礎(chǔ)，能夠幫助企業(yè)快速找到精準用戶群體以及用戶需求等更為廣泛的反饋信息。
?
??? 用戶畫像有很多的的標簽組成，每個標簽都規(guī)定了觀察、認識、描述用戶的角度。標簽根據(jù)企業(yè)業(yè)務(wù)的發(fā)展情況，或多或少，對外而言都是一個整體，這個整體稱之為用戶畫像。
2、為什么需要用戶畫像
???????? 用戶畫像的核心工作是為用戶打標簽，打標簽的重要目的之一是為了讓人能夠理解并且方便計算機處理，如，可以做分類統(tǒng)計：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？
?
???????? 也可以做數(shù)據(jù)挖掘工作：利用關(guān)聯(lián)規(guī)則計算，喜歡紅酒的人通常喜歡什么運動品牌？利用聚類算法分析，喜歡紅酒的人年齡段分布情況？
?
???????? 大數(shù)據(jù)處理，離不開計算機的運算，標簽提供了一種便捷的方式，使得計算機能夠程序化處理與人相關(guān)的信息，甚至通過算法、模型能夠“理解”人。當計算機具備這樣的能力后，無論是搜索引擎、推薦引擎、廣告投放等各種應用領(lǐng)域，都將能進一步提升精準度，提高信息獲取的效率。
用戶畫像本質(zhì)就是從業(yè)務(wù)角度出發(fā)對用戶進行分析，了解用戶需求，尋找目標客戶。另外一個方面就是，金融企業(yè)利用統(tǒng)計的信息，開發(fā)出適合目標客戶的產(chǎn)品。
?
提到用戶畫像，很多廠商都會提到360度用戶畫像，其實經(jīng)常360度客戶畫像是一個廣告宣傳用語，根本不存數(shù)據(jù)可以全面描述客戶，透徹了解客戶。人是非常復雜的動物，信息緯度非常復雜，僅僅依靠外部信息來刻畫客戶內(nèi)心需要根本不可能。
?
用戶畫像一詞具有很重的場景因素，不同企業(yè)對于用戶畫像有著不同對理解和需求。舉個例子，金融行業(yè)和汽車行業(yè)對于用戶畫像需求的信息完全不一樣，信息緯度也不同，對畫像結(jié)果要求也不同。每個行業(yè)都有一套適合自己行業(yè)的用戶畫像方法，但是其核心都是為客戶服務(wù)，為業(yè)務(wù)場景服務(wù)。
?
3、用戶畫像怎么設(shè)計
一個標簽通常是人為規(guī)定的高度精煉的特征標識。
?
如年齡段標簽：25~35歲，地域標簽：北京，標簽呈現(xiàn)出兩個重要特征：語義化，人能很方便地理解每個標簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務(wù)需求。
?
如，判斷用戶偏好。短文本，每個標簽通常只表示一種含義，標簽本身無需再做過多文本分析等預處理工作，這為利用機器提取標準化信息提供了便利。
?
人制定標簽規(guī)則，并能夠通過標簽快速讀出其中的信息，機器方便做標簽提取、聚合分析。所以，用戶畫像，即：用戶標簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。
?
3.1 數(shù)據(jù)源分析
?
構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。
?
對于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學英語的人，一種是不學英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產(chǎn)品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。
?
這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補充遺漏的信息維度。不必擔心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據(jù)應用場景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。
?
本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動態(tài)信息數(shù)據(jù)兩大類。
?
3.1.1、靜態(tài)信息數(shù)據(jù)
?
用戶相對穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標簽，如果企業(yè)有真實信息則無需過多建模預測，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點。
?
3.2.2、動態(tài)信息數(shù)據(jù)
?
用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個用戶打開網(wǎng)頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是上帝眼中的用戶行為。當行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。
?
本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識別方式有些差異）。
?
在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動態(tài)信息的唯一數(shù)據(jù)來源。如何對用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標簽，將是本文著重介紹的內(nèi)容。
?
3.2 目標分析
?
用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權(quán)重。
如，紅酒 0.8、李寧 0.6。
標簽，表征了內(nèi)容，用戶對該內(nèi)容有興趣、偏好、需求等等。
權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡單的理解為可信度，概率。
?
3.3 數(shù)據(jù)建模方法
?
下面內(nèi)容將詳細介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標簽、權(quán)重。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質(zhì)上是一次隨機事件，可以詳細描述為：什么用戶，在什么時間，什么地點，做了什么事。
?
3.3.1、什么用戶
關(guān)鍵在于對用戶的標識，用戶標識的目的是為了區(qū)分用戶、單點定位。
?
以上列舉了互聯(lián)網(wǎng)主要的用戶標識方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標識信息有所差異。
?
3.3.2、什么時間
時間包括兩個重要信息，時間戳+時間長度。時間戳，為了標識用戶行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時間戳即可。因為微秒的時間戳精度并不可靠。瀏覽器時間精度，準確度最多也只能到毫秒。時間長度，為了標識用戶在某一頁面的停留時間。
?
3.3.3、什么地點
用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個url鏈接（頁面/屏幕），即定位了一個互聯(lián)網(wǎng)頁面地址，或者某個產(chǎn)品的特定頁面。可以是PC上某電商網(wǎng)站的頁面url，也可以是手機上的微博，微信等應用某個功能頁面，某款產(chǎn)品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關(guān)頁。
?
3.3.4、什么內(nèi)容
每個url網(wǎng)址（頁面/屏幕）中的內(nèi)容。可以是單品的相關(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長城，干紅，對于每個互聯(lián)網(wǎng)接觸點，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標簽。
?
注：接觸點可以是網(wǎng)址，也可以是某個產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區(qū)賣5元。商品的售賣價值，不在于成本，更在于售賣地點。標簽均是礦泉水，但接觸點的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價值不同。
?
標簽權(quán)重
礦泉水 1 // 超市
礦泉水 3 // 火車
礦泉水 5 // 景區(qū)???????????
?
案例：你是我的優(yōu)樂美，優(yōu)樂美用戶促銷
?
類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對紅酒喜好度也是有差異的。這里的關(guān)注點是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。
?
所以，網(wǎng)址本身表征了用戶的標簽偏好權(quán)重。網(wǎng)址對應的內(nèi)容體現(xiàn)了標簽信息。
?
3.3.5、什么事
用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏等等。
?
不同的行為類型，對于接觸點的內(nèi)容產(chǎn)生的標簽信息，具有不同的權(quán)重。如，購買權(quán)重計為5，瀏覽計為1
紅酒 1 // 瀏覽紅酒
紅酒 5 // 購買紅酒
?
綜合上述分析，用戶畫像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標識 + 時間 + 行為類型 + 接觸點（網(wǎng)址+內(nèi)容），某用戶因為在什么時間、地點、做了什么事。所以會打上**標簽。
?
用戶標簽的權(quán)重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標簽，進一步轉(zhuǎn)換為公式：
標簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重
?
如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶價值238元的長城干紅葡萄酒信息。
標簽：紅酒，長城
時間：因為是昨天的行為，假設(shè)衰減因子為：r=0.95
行為類型：瀏覽行為記為權(quán)重1
地點：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）
?
假設(shè)用戶對紅酒出于真的喜歡，才會去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。
?
則用戶偏好標簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城 0.665。
?
上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進而能夠逐步細化模型。
4、用戶畫像怎么開發(fā)
人口屬性、資產(chǎn)特征、營銷特性、興趣愛好、購物愛好、需求特征
5、用戶畫像工作堅持的原則(金融企業(yè))
市場上用戶畫像的方法很多，許多企業(yè)也提供用戶畫像服務(wù)，將用戶畫像提升到很有逼格一件事。金融企業(yè)是最早開始用戶畫像的行業(yè)，由于擁有豐富的數(shù)據(jù)，金融企業(yè)在進行用戶畫像時，對眾多緯度的數(shù)據(jù)無從下手，總是認為用戶畫像數(shù)據(jù)緯度越多越好，畫像數(shù)據(jù)越豐富越好，某些輸入的數(shù)據(jù)還設(shè)定了權(quán)重甚至建立了模型，搞的用戶畫像是一個巨大而復雜的工程。但是費力很大力氣進行了畫像之后，卻發(fā)現(xiàn)只剩下了用戶畫像，和業(yè)務(wù)相聚甚遠，沒有辦法直接支持業(yè)務(wù)運營，投入精力巨大但是回報微小，可以說是得不償失，無法向領(lǐng)導交代。
?
事實上，用戶畫像涉及數(shù)據(jù)的緯度需要業(yè)務(wù)場景結(jié)合，既要簡單干練又要和業(yè)務(wù)強相關(guān)，既要篩選便捷又要方便進一步操作。用戶畫像需要堅持三個原則，分別是人口屬性和信用信息為主，強相關(guān)信息為主，定性數(shù)據(jù)為主。下面就分別展開進行解釋和分析。
?
5.1、信用信息和人口屬性為主
描述一個用戶的信息很多，信用信息是用戶畫像中重要的信息，信用信息是描述一個人在社會中的消費能力信息。任何企業(yè)進行用戶畫像的目的是尋找目標客戶，其必須是具有潛在消費能力的用戶。信用信息可以直接證明客戶的消費能力，是用戶畫像中最重要和基礎(chǔ)的信息。一句戲言，所有的信息都是信用信息就是這個道理。其包含消費者工作、收入、學歷、財產(chǎn)等信息。
?
定位完目標客戶之后，金融企業(yè)需要觸達客戶，人口屬性信息就是起到觸達客戶的作用，人口屬性信息包含姓名、性別，電話號碼，郵件地址，家庭住址等信息。這些信息可以幫助金融企業(yè)聯(lián)系客戶，將產(chǎn)品和服務(wù)推銷給客戶。
?
5.2、采用強相關(guān)信息，忽略弱相關(guān)信息
我們需要介紹一下強相關(guān)信息和弱相關(guān)信息。強相關(guān)信息就是同場景需求直接相關(guān)的信息，其可以是因果信息，也可以是相關(guān)程度很高的信息。
?
如果定義采用0到1作為相關(guān)系數(shù)取值范圍的化，0.6以上的相關(guān)系數(shù)就應該定義為強相關(guān)信息。例如在其他條件相同的前提下，35歲左右人的平均工資高于平均年齡為30歲的人，計算機專業(yè)畢業(yè)的學生平均工資高于哲學專業(yè)學生，從事金融行業(yè)工作的平均工資高于從事紡織行業(yè)的平均工資，上海的平均工資超過海南省平均工資。從這些信息可以看出來人的年齡、學歷、職業(yè)、地點對收入的影響較大，同收入高低是強相關(guān)關(guān)系。簡單的將，對信用信息影響較大的信息就是強相關(guān)信息，反之則是弱相關(guān)信息。
?
用戶其他的信息，例如用戶的身高、體重、姓名、星座等信息，很難從概率上分析出其對消費能力的影響，這些弱相關(guān)信息，這些信息就不應該放到用戶畫像中進行分析，對用戶的信用消費能力影響很小，不具有較大的商業(yè)價值。
?
用戶畫像和用戶分析時，需要考慮強相關(guān)信息，不要考慮弱相關(guān)信息，這是用戶畫像的一個原則。
?
5.3將定量的信息歸類為定性的信息
用戶畫像的目的是為產(chǎn)品篩選出目標客戶，定量的信息不利于對客戶進行篩選，需要將定量信息轉(zhuǎn)化為定性信息，通過信息類別來篩選人群。
?
例如可以將年齡段對客戶進行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等。可以參考個人收入信息，將人群定義為高收入人群，中等收入人群，低收入人群。參考資產(chǎn)信息也可以將客戶定義為高、中、低級別。定性信息的類別和方式方法，金融可以從自身業(yè)務(wù)出發(fā)，沒有固定的模式。
?
將金融企業(yè)各類定量信息，集中在一起，對定性信息進行分類，并進行定性化，有利與對用戶進行篩選，快速定位目標客戶，是用戶畫像的另外一個原則。
5.4、用戶畫像的方法介紹，不要太復雜
?
金融企業(yè)需要結(jié)合業(yè)務(wù)需求進行用戶畫像，從實用角度出發(fā)，我們可以將用戶畫像信息分成五類信息。分別是人口屬性，信用屬性，消費特征，興趣愛好，社交屬性。它們基本覆蓋了業(yè)務(wù)需求所需要的強相關(guān)信息，結(jié)合外部場景數(shù)據(jù)將會產(chǎn)生巨大的商業(yè)價值。我們先了解下用戶畫像的五大類信息的作用，以及涉及的強相關(guān)信息。特別復雜的用戶畫像緯度例如八個緯度，十個緯度信息都不利于商業(yè)應用，不建議金融企業(yè)進行采用，其他具有價值的信息，基本上都可以歸納到這五個緯度。金融企業(yè)達到其商業(yè)需求，從這五個緯度信息進行應用就可以了，不需要過于復雜用戶畫像這個工作，同時商業(yè)意義也不太大。
?
5.4.1、人口屬性
用于描述一個人基本特征的信息，主要作用是幫助金融企業(yè)知道客戶是誰，如何觸達用戶。姓名，性別，年齡，電話號碼，郵箱，家庭住址都屬于人口屬性信息。
?
5.4.2、信用屬性
用于描述用戶收入潛力和收入情況，支付能力。幫助企業(yè)了解客戶資產(chǎn)情況和信用情況，有利于定位目標客戶。客戶職業(yè)、收入、資產(chǎn)、負債、學歷、信用評分等都屬于信用信息。
?
5.4.3、消費特征
用于描述客戶主要消費習慣和消費偏好，用于尋找高頻和高價值客戶。幫助企業(yè)依據(jù)客戶消費特點推薦相關(guān)金融產(chǎn)品和服務(wù)，轉(zhuǎn)化率將非常高。為了便于篩選客戶，可以參考客戶的消費記錄將客戶直接定性為某些消費特征人群，例如差旅人群，境外游人群，旅游人群，餐飲用戶，汽車用戶，母嬰用戶，理財人群等。
?
5.4.4、興趣愛好
用于描述客戶具有哪方面的興趣愛好，在這些興趣方面可能消費偏好比較高。幫助企業(yè)了解客戶興趣和消費傾向，定向進行活動營銷。興趣愛好的信息可能會和消費特征中部分信息有重復，區(qū)別在于數(shù)據(jù)來源不同。消費特征來源于已有的消費記錄，但是購買的物品和服務(wù)不一定是自己享用，但是興趣愛好代表本人的真實興趣。例如戶外運動愛好者，旅游愛好者，電影愛好者，科技發(fā)燒友，健身愛好者，奢侈品愛好者等。興趣愛好的信息可能來源于社交信息和客戶位置信息。
?
5.5、金融企業(yè)用戶畫像的基本步驟
參考金融企業(yè)的數(shù)據(jù)類型和業(yè)務(wù)需求，可以將金融企業(yè)用戶畫像工作進行細化。基本上從數(shù)據(jù)集中到數(shù)據(jù)處理，從強相關(guān)數(shù)據(jù)到定性分類數(shù)據(jù)，從引入外部數(shù)據(jù)到依據(jù)業(yè)務(wù)場景進行篩選目標用戶。
5.5.1、畫像相關(guān)數(shù)據(jù)的整理和集中
金融企業(yè)內(nèi)部的信息分布在不同的系統(tǒng)中，一般情況下，人口屬性信息主要集中在客戶關(guān)系管理系統(tǒng)，信用信息主要集中在交易系統(tǒng)和產(chǎn)品系統(tǒng)之中，也集中在客戶關(guān)系管理系統(tǒng)中，消費特征主要集中在渠道和產(chǎn)品系統(tǒng)中。
?
興趣愛好和社交信息需要從外部引入，例如客戶的行為軌跡可以代表其興趣愛好和品牌愛好，移動設(shè)備到位置信息可以提供較為準確的興趣愛好信息。社交信息，可以借助于金融行業(yè)自身的文本挖掘能力進行采集和分析，也是可以借助于廠商的技術(shù)能力在社交網(wǎng)站上直接獲得。社交信息往往是實時信息，商業(yè)價值較高，轉(zhuǎn)化率也較高，是大數(shù)據(jù)預測方面的主要信息來源。例如用戶在社交網(wǎng)站上提出羅馬哪里好玩的問題，就代表用戶未來可能有出國旅游的需求；如果客戶在對比兩款汽車的優(yōu)良，客戶購買汽車的可能性就較大。金融企業(yè)可以及時介入，為客戶提供金融服務(wù)。
?
客戶畫像數(shù)據(jù)主要分為五類，人口屬性、信用信息、消費特征、興趣愛好、社交信息。這些數(shù)據(jù)都分布在不同的信息系統(tǒng)，金融企業(yè)都上線了數(shù)據(jù)倉庫（DW），所有畫像相關(guān)的強相關(guān)信息都可以從數(shù)據(jù)倉庫里面整理和集中，并且依據(jù)畫像商業(yè)需求，利用跑批作業(yè)，加工數(shù)據(jù)，生成用戶畫像的原始數(shù)據(jù)。
?
數(shù)據(jù)倉庫成為用戶畫像數(shù)據(jù)的主要處理工具，依據(jù)業(yè)務(wù)場景和畫像需求將原始數(shù)據(jù)進行分類、篩選、歸納、加工等，生成用戶畫像需要的原始數(shù)據(jù)。
?
用戶畫像的緯度信息不是越多越好，只需要找到這五大類畫像信息強相關(guān)信息，同業(yè)務(wù)場景強相關(guān)信息，同產(chǎn)品和目標客戶強相關(guān)信息即可。根本不存在360度的用戶畫像信息，也不存在豐富的信息可以完全了解客戶，另外數(shù)據(jù)的實效性也要重點考慮。
5.5.2、找到同業(yè)務(wù)場景強相關(guān)數(shù)據(jù)
依據(jù)用戶畫像的原則，所有畫像信息應該是五大分類的強相關(guān)信息。強相關(guān)信息是指同業(yè)務(wù)場景強相關(guān)信息，可以幫助金融行業(yè)定位目標客戶，了解客戶潛在需求，開發(fā)需求產(chǎn)品。
?
只有強相關(guān)信息才能幫助金融企業(yè)有效結(jié)合業(yè)務(wù)需求，創(chuàng)造商業(yè)價值。例如姓名、手機號、家庭地址就是能夠觸達客戶的強人口屬性信息，收入、學歷、職業(yè)、資產(chǎn)就是客戶信用信息的強相關(guān)信息。差旅人群、境外游人群、汽車用戶、旅游人群、母嬰人群就是消費特征的強相關(guān)信息。攝影愛好者、游戲愛好者、健身愛好者、電影人群、戶外愛好者就是客戶興趣愛好的強相關(guān)信息。社交媒體上發(fā)表的旅游需求，旅游攻略，理財咨詢，汽車需求，房產(chǎn)需求等信息代表了用戶的內(nèi)心需求，是社交信息場景應用的強相關(guān)信息。
?
金融企業(yè)內(nèi)部信息較多，在用戶畫像階段不需要對所有信息都采用，只需要采用同業(yè)務(wù)場景和目標客戶強相關(guān)的信息即可，這樣有助于提高產(chǎn)品轉(zhuǎn)化率，降低投資回報率（ROI），有利于簡單找到業(yè)務(wù)應用場景，在數(shù)據(jù)變現(xiàn)過程中也容易實現(xiàn)。
?
千萬不要將用戶畫像工作搞的過于復雜，同業(yè)務(wù)場景關(guān)系不大，這樣就讓很多金融企業(yè)特別是領(lǐng)導失去用戶畫像的興趣，看不到用戶畫像的商業(yè)，不愿意在大數(shù)據(jù)領(lǐng)域投資。為企業(yè)帶來商業(yè)價值才是用戶畫像工作的主要動力和主要目的。
5.4.1、對數(shù)據(jù)進行分類和標簽化（定量to定性）
金融企業(yè)集中了所有信息之后，依據(jù)業(yè)務(wù)需求，對信息進行加工整理，需要對定量的信息進行定性，方便信息分類和篩選。這部分工作建議在數(shù)據(jù)倉庫進行，不建議在大數(shù)據(jù)管理平臺（DMP）里進行加工。
?
定性信息進行定量分類是用戶畫像的一個重要工作環(huán)節(jié)，具有較高的業(yè)務(wù)場景要求，考驗用戶畫像商業(yè)需求的轉(zhuǎn)化。其主要目的是幫助企業(yè)將復雜數(shù)據(jù)簡單化，將交易數(shù)據(jù)定性進行歸類，并且融入商業(yè)分析的要求，對數(shù)據(jù)進行商業(yè)加工。例如可以將客戶按照年齡區(qū)間分為學生，青年，中青年，中年，中老年，老年等人生階段。源于各人生階段的金融服務(wù)需求不同，在尋找目標客戶時，可以通過人生階段進行目標客戶定位。企業(yè)可以利用客戶的收入、學歷、資產(chǎn)等情況將客戶分為低、中、高端客戶，并依據(jù)其金融服務(wù)需求，提供不同的金融服務(wù)。可以參考其金融消費記錄和資產(chǎn)信息，以及交易產(chǎn)品，購買的產(chǎn)品，將客戶消費特征進行定性描述，區(qū)分出電商客戶，理財客戶，保險客戶，穩(wěn)健投資客戶，激進投資客戶，餐飲客戶，旅游客戶，高端客戶，公務(wù)員客戶等。利用外部的數(shù)據(jù)可以將定性客戶的興趣愛好，例如戶外愛好者，奢侈品愛好者，科技產(chǎn)品發(fā)燒友，攝影愛好者，高端汽車需求者等信息。
?
將定量信息歸納為定性信息，并依據(jù)業(yè)務(wù)需求進行標簽化，有助于金融企業(yè)找到目標客戶，并且了解客戶的潛在需求，為金融行業(yè)的產(chǎn)品找到目標客戶，進行精準營銷，降低營銷成本，提高產(chǎn)品轉(zhuǎn)化率。另外金融企業(yè)還可以依據(jù)客戶的消費特征、興趣愛好、社交信息及時為客戶推薦產(chǎn)品，設(shè)計產(chǎn)品，優(yōu)化產(chǎn)品流程。提高產(chǎn)品銷售的活躍率，幫助金融企業(yè)更好地為客戶設(shè)計產(chǎn)品。
5.4.1、依據(jù)業(yè)務(wù)需求引入外部數(shù)據(jù)
利用數(shù)據(jù)進行畫像目的主要是為業(yè)務(wù)場景提供數(shù)據(jù)支持，包括尋找到產(chǎn)品的目標客戶和觸達客戶。金融企業(yè)自身的數(shù)據(jù)不足以了解客戶的消費特征、興趣愛好、社交信息。
?
金融企業(yè)可以引入外部信息來豐富客戶畫像信息，例如引入銀聯(lián)和電商的信息來豐富消費特征信息，引入移動大數(shù)據(jù)的位置信息來豐富客戶的興趣愛好信息，引入外部廠商的數(shù)據(jù)來豐富社交信息等。
?
外部信息的緯度較多，內(nèi)容也很豐富，但是如何引入外部信息是一項具有挑戰(zhàn)的工作。外部信息在引入時需要考慮幾個問題，分別是外部數(shù)據(jù)的覆蓋率，如何和內(nèi)部數(shù)據(jù)打通，和內(nèi)部信息的匹配率，以及信息的相關(guān)程度，還有數(shù)據(jù)的鮮活度，這些都是引入外部信息的主要考慮緯度。外部數(shù)據(jù)魚龍混雜，數(shù)據(jù)的合規(guī)性也是金融企業(yè)在引入外部數(shù)據(jù)時的一個重要考慮，敏感的信息例如手機號、家庭住址、身份證號在引入或匹配時都應該注意隱私問題，基本的原則是不進行數(shù)據(jù)交換，可以進行數(shù)據(jù)匹配和驗證。
?
外部數(shù)據(jù)不會集中在某一家，需要金融企業(yè)花費大量時間進行尋找。外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)的打通是個很復雜的問題，手機號／設(shè)備號／身份證號的MD5數(shù)值匹配是一種好的方法，不涉及隱私數(shù)據(jù)的交換，可以進行唯一匹配。依據(jù)行業(yè)內(nèi)部的經(jīng)驗，沒有一家企業(yè)外部數(shù)據(jù)可以滿足企業(yè)要求，外部數(shù)據(jù)的引入需要多方面數(shù)據(jù)。一般情況下，數(shù)據(jù)覆蓋率達到70%以上，就是一個非常高的覆蓋率。覆蓋率達到20%以上就可以進行商業(yè)應用了。
?
金融行業(yè)外部數(shù)據(jù)源較好合作方有銀聯(lián)、芝麻信用、運營商、中航信、騰云天下、騰訊、微博、前海征信，各大電商平臺等。市場上數(shù)據(jù)提供商已經(jīng)很多，并且數(shù)據(jù)質(zhì)量都不錯，需要金融行業(yè)一家一家去挖掘，或者委托一個廠商代理引入也可以。獨立第三方幫助金融行業(yè)引入外部數(shù)據(jù)可以降低數(shù)據(jù)交易成本，同時也可以降低數(shù)據(jù)合規(guī)風險，是一個不錯的嘗試。另外各大城市和區(qū)域的大數(shù)據(jù)交易平臺，也是一個較好的外部數(shù)據(jù)引入方式。
5.4.1、按照業(yè)務(wù)需求進行篩選客戶（DMP的作用）
用戶畫像主要目的是讓金融企業(yè)挖掘已有的數(shù)據(jù)價值，利用數(shù)據(jù)畫像技術(shù)尋找到目標客戶和客戶的潛在需求，進行產(chǎn)品推銷和設(shè)計改良產(chǎn)品。
?
用戶畫像從業(yè)務(wù)場景出發(fā)，實現(xiàn)數(shù)據(jù)商業(yè)變現(xiàn)重要方式。用戶畫像是數(shù)據(jù)思維運營過程中的一個重要閉環(huán)，幫助金融企業(yè)利用數(shù)據(jù)進行精細化運營和市場營銷，以及產(chǎn)品設(shè)計。用戶畫像就是一切以數(shù)據(jù)商業(yè)化運營為中心，以商業(yè)場景為主，幫助金融企業(yè)深度分析客戶，找到目標客戶。
?
DMP（大數(shù)據(jù)管理平臺）在整個用戶畫像過程中起到了一個數(shù)據(jù)變現(xiàn)的作用。從技術(shù)角度來講，DMP將畫像數(shù)據(jù)進行標簽化，利用機器學習算法來找到相似人群，同業(yè)務(wù)場景深度結(jié)合，篩選出具有價值的數(shù)據(jù)和客戶，定位目標客戶，觸達客戶，對營銷效果進行記錄和反饋。大數(shù)據(jù)管理平臺DMP過去主要應用在廣告行業(yè)，在金融行業(yè)應用不多，未來會成為數(shù)據(jù)商業(yè)應用的主要平臺。
?
DMP可以幫助信用卡公司篩選出未來一個月可能進行分期付款的客戶，電子產(chǎn)品重度購買客戶，篩選出金融理財客戶，篩選出高端客戶（在本行資產(chǎn)很少，但是在他行資產(chǎn)很多），篩選出保障險種，壽險，教育險，車險等客戶，篩選出穩(wěn)健投資人，激進投資人，財富管理等方面等客戶，并且可以觸達這些客戶，提高產(chǎn)品轉(zhuǎn)化率，利用數(shù)據(jù)進行價值變現(xiàn)。DMP還可以了解客戶的消費習慣、興趣愛好、以及近期需求，為客戶定制金融產(chǎn)品和服務(wù)，進行跨界營銷。利用客戶的消費偏好，提高產(chǎn)品轉(zhuǎn)化率，提高用戶黏度。
?
DMP還作為引入外部數(shù)據(jù)的平臺，將外部具有價值的數(shù)據(jù)引入到金融企業(yè)內(nèi)部，補充用戶畫像數(shù)據(jù)，創(chuàng)建不同業(yè)務(wù)應用場景和商業(yè)需求，特別是移動大數(shù)據(jù)、電商數(shù)據(jù)、社交數(shù)據(jù)的應用，可以幫助金融企業(yè)來進行數(shù)據(jù)價值變現(xiàn)，讓用戶畫像離商業(yè)應用更加近一些，體現(xiàn)用戶畫像的商業(yè)價值。
?
用戶畫像的關(guān)鍵不是360度分析客戶，而是為企業(yè)帶來商業(yè)價值，離開了商業(yè)價值談用戶畫像就是耍流氓。金融企業(yè)用戶畫像項目出發(fā)點一定要從業(yè)務(wù)需求出發(fā)，從強相關(guān)數(shù)據(jù)出發(fā)，從業(yè)務(wù)場景應用出發(fā)。用戶畫像的本質(zhì)就是深度分析客戶，掌握具有價值數(shù)據(jù)，找到目標客戶，按照客戶需求來定制產(chǎn)品，利用數(shù)據(jù)實現(xiàn)價值變現(xiàn)。
?
6、銀行用戶畫像實踐介紹
銀行具有豐富的交易數(shù)據(jù)、個人屬性數(shù)據(jù)、消費數(shù)據(jù)、信用數(shù)據(jù)和客戶數(shù)據(jù)，用戶畫像的需求較大。但是缺少社交信息和興趣愛好信息。
?
到銀行網(wǎng)點來辦業(yè)務(wù)的人年紀偏大，未來消費者主要在網(wǎng)上進行業(yè)務(wù)辦理。銀行接觸不到客戶，無法了解客戶需求，缺少觸達客戶的手段。分析客戶、了解客戶、找到目標客戶、為客戶設(shè)計其需要的產(chǎn)品，成了銀行進行用戶畫像的主要目的。銀行的主要業(yè)務(wù)需求集中在消費金融、財富管理、融資服務(wù)，用戶畫像要從這幾個角度出發(fā)，尋找目標客戶。
?
銀行的客戶數(shù)據(jù)很豐富，數(shù)據(jù)類型和總量較多，系統(tǒng)也很多。可以嚴格遵循用戶畫像的五大步驟。先利用數(shù)據(jù)倉庫進行數(shù)據(jù)集中，篩選出強相關(guān)信息，對定量信息定性化，生成DMP需要的數(shù)據(jù)。利用DMP進行基礎(chǔ)標簽和應用定制，結(jié)合業(yè)務(wù)場景需求，進行目標客戶篩選或?qū)τ脩暨M行深度分析。同時利用DMP引入外部數(shù)據(jù)，完善數(shù)據(jù)場景設(shè)計，提高目標客戶精準度。找到觸達客戶的方式，對客戶進行營銷，并對營銷效果進行反饋，衡量數(shù)據(jù)產(chǎn)品的商業(yè)價值。利用反饋數(shù)據(jù)來修正營銷活動和提高ROI。形成市場營銷的閉環(huán)，實現(xiàn)數(shù)據(jù)商業(yè)價值變現(xiàn)的閉環(huán)。另外DMP還可以深度分析客戶，依據(jù)客戶的消費特征、興趣愛好、社交需求、信用信息來開發(fā)設(shè)計產(chǎn)品，為金融企業(yè)的產(chǎn)品開發(fā)提供數(shù)據(jù)支撐，并為產(chǎn)品銷售方式提供場景數(shù)據(jù)。
?
簡單介紹一些DMP可以做到的數(shù)據(jù)場景變現(xiàn)。
A 尋找分期客戶
利用發(fā)卡機構(gòu)數(shù)據(jù)＋自身數(shù)據(jù)＋信用卡數(shù)據(jù)，發(fā)現(xiàn)信用卡消費超過其月收入的用戶，推薦其進行消費分期。
B 尋找高端資產(chǎn)客戶
利用發(fā)卡機構(gòu)數(shù)據(jù)＋移動位置數(shù)據(jù)（別墅／高檔小區(qū)）＋物業(yè)費代扣數(shù)據(jù)＋銀行自身數(shù)據(jù)＋汽車型號數(shù)據(jù)，發(fā)現(xiàn)在銀行資產(chǎn)較少，在其他行資產(chǎn)較多的用戶，為其提供高端資產(chǎn)管理服務(wù)。ookilllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll
C 尋找理財客戶
利用自身數(shù)據(jù)（交易＋工資）＋移動端理財客戶端／電商活躍數(shù)據(jù)。發(fā)現(xiàn)客戶將工資／資產(chǎn)轉(zhuǎn)到外部，但是電商消費不活躍客戶，其互聯(lián)網(wǎng)理財可能性較大，可以為其提供理財服務(wù)，將資金留在本行。
D 尋找境外游客戶
利用自身卡消費數(shù)據(jù)＋移動設(shè)備位置信息＋社交好境外強相關(guān)數(shù)據(jù)（攻略，航線，景點，費用），尋找境外游客戶為其提供金融服務(wù)。
E 尋找貸款客戶
利用自身數(shù)據(jù)（人口屬性＋信用信息）＋移動設(shè)備位置信息＋社交購房／消費強相關(guān)信息，尋找即將購車／購房的目標客戶，為其提供金融服務(wù)（抵押貸款／消費貸款）。
7、保險行業(yè)用戶畫像實踐
保險行業(yè)的產(chǎn)品是一個長周期產(chǎn)品，保險客戶再次購買保險產(chǎn)品的轉(zhuǎn)化率很高，經(jīng)營好老客戶是保險公司一項重要任務(wù)。保險公司內(nèi)部的交易系統(tǒng)不多，交易方式不是很復雜，數(shù)據(jù)主要集中在產(chǎn)品系統(tǒng)和交易系統(tǒng)之中，客戶關(guān)系管理系統(tǒng)中也包含豐富了信息，但是數(shù)據(jù)集中在很多保險公司還沒有完成，數(shù)據(jù)倉庫建設(shè)可能需要在用戶畫像建設(shè)前完成。
?
保險公司主要數(shù)據(jù)有人口屬性信息，信用信息，產(chǎn)品銷售信息，客戶家人信息。缺少興趣愛好、消費特征、社交信息等信息。保險產(chǎn)品主要有壽險，車險，保障，財產(chǎn)險，意外險，養(yǎng)老險，旅游險。
?
保險行業(yè)DMP用戶畫像的業(yè)務(wù)場景都是圍繞保險產(chǎn)品進行的，簡單的應用場景可以是。
A
依據(jù)自身數(shù)據(jù)（個人屬性）＋外部養(yǎng)車App活躍情況，為保險公司找到車險客戶。
B
依據(jù)自身數(shù)據(jù)（個人屬性）＋移動設(shè)備位置信息，為保險企業(yè)找到商旅人群，推銷意外險和保障險。
C
依據(jù)自身數(shù)據(jù)（家人數(shù)據(jù)）＋人生階段信息，為用戶推薦理財保險，壽險，保障保險，養(yǎng)老險，教育險。
D
依據(jù)自身數(shù)據(jù)＋外部數(shù)據(jù)，為高端人士提供財產(chǎn)險和壽險。
6.3
?
總結(jié)
以上是生活随笔為你收集整理的什么是用户画像？该怎么分析？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： visibility的常见用法（小白专用
- 下一篇： Azure机器学习模型搭建