原文地址：https://www.jianshu.com/p/6e0a0ca5948e

1. 什么是用戶畫像？

2. 用戶畫像的四階段

用戶畫像的焦點(diǎn)工作就是為用戶打“標(biāo)簽”，而一個(gè)標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡、性別、地域、用戶偏好等，最后將用戶的所有標(biāo)簽綜合來看，就可以勾勒出該用戶的立體“畫像”了。

為了精準(zhǔn)地描述用戶特征，可以參考下面的思路，從用戶微觀畫像的建立→用戶畫像的標(biāo)簽建模→用戶畫像的數(shù)據(jù)架構(gòu)，我們由微觀到宏觀，逐層分析。

首先我們從微觀來看，如何給用戶的微觀畫像進(jìn)行分級(jí)呢？如下圖所示

總原則：基于一級(jí)分類上述分類逐級(jí)進(jìn)行細(xì)分。

第一分類：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

4.用戶畫像工作堅(jiān)持的原則

市場(chǎng)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(jìn)行用戶畫像時(shí)，對(duì)眾多緯度的數(shù)據(jù)無從下手，總是認(rèn)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(gè)巨大而復(fù)雜的工程。但是費(fèi)力很大力氣進(jìn)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(yuǎn)，沒有辦法直接支持業(yè)務(wù)運(yùn)營，投入精力巨大但是回報(bào)微小，可以說是得不償失，無法向領(lǐng)導(dǎo)交代。

? ? 事實(shí)上，用戶畫像涉及數(shù)據(jù)的緯度需要業(yè)務(wù)場(chǎng)景結(jié)合，既要簡單干練又要和業(yè)務(wù)強(qiáng)相關(guān)，既要篩選便捷又要方便進(jìn)一步操作。用戶畫像需要堅(jiān)持三個(gè)原則，分別是人口屬性和信用信息為主，強(qiáng)相關(guān)信息為主，定性數(shù)據(jù)為主。下面就分別展開進(jìn)行解釋和分析。

4.1 信用信息和人口屬性為主

描述一個(gè)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(gè)人在社會(huì)中的消費(fèi)能力信息。任何企業(yè)進(jìn)行用戶畫像的目的是尋找目標(biāo)客戶，其必須是具有潛在消費(fèi)能力的用戶。信用信息可以直接證明客戶的消費(fèi)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(gè)道理。其包含消費(fèi)者工作、收入、學(xué)歷、財(cái)產(chǎn)等信息。

4.2? 采用強(qiáng)相關(guān)信息，忽略弱相關(guān)信息

我們需要介紹一下強(qiáng)相關(guān)信息和弱相關(guān)信息。強(qiáng)相關(guān)信息就是同場(chǎng)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(yīng)該定義為強(qiáng)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(jì)算機(jī)專業(yè)畢業(yè)的學(xué)生平均工資高于哲學(xué)專業(yè)學(xué)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(xué)歷、職業(yè)、地點(diǎn)對(duì)收入的影響較大，同收入高低是強(qiáng)相關(guān)關(guān)系。簡單的將，對(duì)信用信息影響較大的信息就是強(qiáng)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(duì)消費(fèi)能力的影響，這些弱相關(guān)信息，這些信息就不應(yīng)該放到用戶畫像中進(jìn)行分析，對(duì)用戶的信用消費(fèi)能力影響很小，不具有較大的商業(yè)價(jià)值。

用戶畫像和用戶分析時(shí)，需要考慮強(qiáng)相關(guān)信息，不要考慮弱相關(guān)信息，這是用戶畫像的一個(gè)原則。

4.3? 將定量的信息歸類為定性的信息

例如可以將年齡段對(duì)客戶進(jìn)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(gè)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(jí)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(duì)定性信息進(jìn)行分類，并進(jìn)行定性化，有利與對(duì)用戶進(jìn)行篩選，快速定位目標(biāo)客戶，是用戶畫像的另外一個(gè)原則。

4.? 數(shù)據(jù)建模方法

下面內(nèi)容將詳細(xì)介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。一個(gè)事件模型包括：時(shí)間、地點(diǎn)、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時(shí)間，什么地點(diǎn)，做了什么事。

什么用戶：關(guān)鍵在于對(duì)用戶的標(biāo)識(shí)，用戶標(biāo)識(shí)的目的是為了區(qū)分用戶、單點(diǎn)定位。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識(shí)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(biāo)識(shí)信息有所差異。

什么時(shí)間：時(shí)間包括兩個(gè)重要信息，時(shí)間戳+時(shí)間長度。時(shí)間戳，為了標(biāo)識(shí)用戶行為的時(shí)間點(diǎn)，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時(shí)間戳即可。因?yàn)槲⒚氲臅r(shí)間戳精度并不可靠。瀏覽器時(shí)間精度，準(zhǔn)確度最多也只能到毫秒。時(shí)間長度，為了標(biāo)識(shí)用戶在某一頁面的停留時(shí)間。

什么地點(diǎn)：用戶接觸點(diǎn)，Touch Point。對(duì)于每個(gè)用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個(gè)url鏈接（頁面/屏幕），即定位了一個(gè)互聯(lián)網(wǎng)頁面地址，或者某個(gè)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(jī)上的微博，微信等應(yīng)用某個(gè)功能頁面，某款產(chǎn)品應(yīng)用的特定畫面。如，長城紅酒單品頁，微信訂閱號(hào)頁面，某游戲的過關(guān)頁。

內(nèi)容：每個(gè)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(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。

注：接觸點(diǎn)可以是網(wǎng)址，也可以是某個(gè)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(jià)值，不在于成本，更在于售賣地點(diǎn)。標(biāo)簽均是礦泉水，但接觸點(diǎn)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(duì)于礦泉水的需求程度不同。即愿意支付的價(jià)值不同。

標(biāo)簽 權(quán)重

礦泉水 1 // 超市

礦泉水 3 // 火車

礦泉水 5 // 景區(qū)

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(duì)紅酒喜好度也是有差異的。這里的關(guān)注點(diǎn)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(biāo)簽偏好權(quán)重。網(wǎng)址對(duì)應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息。

什么事：用戶行為類型，對(duì)于電商有如下典型行為：瀏覽、添加購物車、搜索、評(píng)論、購買、點(diǎn)擊贊、收藏 等等。

不同的行為類型，對(duì)于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購買權(quán)重計(jì)為5，瀏覽計(jì)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(biāo)識(shí) + 時(shí)間 + 行為類型 + 接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r(shí)間、地點(diǎn)、做了什么事。所以會(huì)打上**標(biāo)簽。

如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶價(jià)值238元的長城干紅葡萄酒信息。

標(biāo)簽：紅酒，長城

時(shí)間：因?yàn)槭亲蛱斓男袨?#xff0c;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(diǎn)：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(duì)紅酒出于真的喜歡，才會(huì)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(biāo)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(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進(jìn)而能夠逐步細(xì)化模型。

本文并未涉及具體算法，更多的是闡述了一種分析思想，在計(jì)劃構(gòu)建用戶畫像時(shí)，能夠給您提供一個(gè)系統(tǒng)性、框架性的思維指導(dǎo)。

核心在于對(duì)用戶接觸點(diǎn)的理解，接觸點(diǎn)內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址、行為類型、時(shí)間衰減，決定了權(quán)重模型是關(guān)鍵，權(quán)重值本身的二次建模則是水到渠成的進(jìn)階。模型舉例偏重電商，但其實(shí)，可以根據(jù)產(chǎn)品的不同，重新定義接觸點(diǎn)。

比如影視產(chǎn)品，我看了一部電影《英雄本色》，可能產(chǎn)生的標(biāo)簽是：周潤發(fā) 0.6、槍戰(zhàn) 0.5、港臺(tái) 0.3。最后，接觸點(diǎn)本身并不一定有內(nèi)容，也可以泛化理解為某種閾值，某個(gè)行為超過多少次，達(dá)到多長時(shí)間等。

比如游戲產(chǎn)品，典型接觸點(diǎn)可能會(huì)是，關(guān)鍵任務(wù)，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等。如，積分超過1萬分，則標(biāo)記為鉆石級(jí)用戶。鉆石用戶 1.0。

百分點(diǎn)現(xiàn)已全面應(yīng)用用戶畫像技術(shù)于推薦引擎中，在對(duì)某電商客戶，針對(duì)活動(dòng)頁新訪客的應(yīng)用中，依靠用戶畫像產(chǎn)生的個(gè)性化效果，對(duì)比熱銷榜，推薦效果有顯著提升：推薦欄點(diǎn)擊率提升27%， 訂單轉(zhuǎn)化率提升34%。

5. 金融企業(yè)用戶畫像的基本步驟

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(fèi)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(dòng)設(shè)備到位置信息可以提供較為準(zhǔn)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(jìn)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(shí)時(shí)信息，商業(yè)價(jià)值較高，轉(zhuǎn)化率也較高，是大數(shù)據(jù)預(yù)測(cè)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(duì)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(shí)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(fèi)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(qiáng)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(chǎng)景和畫像需求將原始數(shù)據(jù)進(jìn)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(qiáng)相關(guān)信息，同業(yè)務(wù)場(chǎng)景強(qiáng)相關(guān)信息，同產(chǎn)品和目標(biāo)客戶強(qiáng)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(shí)效性也要重點(diǎn)考慮。

5.2? 找到同業(yè)務(wù)場(chǎng)景強(qiáng)相關(guān)數(shù)據(jù)

依據(jù)用戶畫像的原則，所有畫像信息應(yīng)該是五大分類的強(qiáng)相關(guān)信息。強(qiáng)相關(guān)信息是指同業(yè)務(wù)場(chǎng)景強(qiáng)相關(guān)信息，可以幫助金融行業(yè)定位目標(biāo)客戶，了解客戶潛在需求，開發(fā)需求產(chǎn)品。

只有強(qiáng)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(jià)值。例如姓名、手機(jī)號(hào)、家庭地址就是能夠觸達(dá)客戶的強(qiáng)人口屬性信息，收入、學(xué)歷、職業(yè)、資產(chǎn)就是客戶信用信息的強(qiáng)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(fèi)特征的強(qiáng)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(qiáng)相關(guān)信息。社交媒體上發(fā)表的旅游需求，旅游攻略，理財(cái)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(chǎng)景應(yīng)用的強(qiáng)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(duì)所有信息都采用，只需要采用同業(yè)務(wù)場(chǎng)景和目標(biāo)客戶強(qiáng)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(bào)率（ROI），有利于簡單找到業(yè)務(wù)應(yīng)用場(chǎng)景，在數(shù)據(jù)變現(xiàn)過程中也容易實(shí)現(xiàn)。

千萬不要將用戶畫像工作搞的過于復(fù)雜，同業(yè)務(wù)場(chǎng)景關(guān)系不大，這樣就讓很多金融企業(yè)特別是領(lǐng)導(dǎo)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(jià)值才是用戶畫像工作的主要?jiǎng)恿椭饕康摹?/p>

5.3? 對(duì)數(shù)據(jù)進(jìn)行分類和標(biāo)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(duì)信息進(jìn)行加工整理，需要對(duì)定量的信息進(jìn)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(jìn)行，不建議在大數(shù)據(jù)管理平臺(tái)（DMP）里進(jìn)行加工。

定性信息進(jìn)行定量分類是用戶畫像的一個(gè)重要工作環(huán)節(jié)，具有較高的業(yè)務(wù)場(chǎng)景要求，考驗(yàn)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(fù)雜數(shù)據(jù)簡單化，將交易數(shù)據(jù)定性進(jìn)行歸類，并且融入商業(yè)分析的要求，對(duì)數(shù)據(jù)進(jìn)行商業(yè)加工。例如可以將客戶按照年齡區(qū)間分為學(xué)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(biāo)客戶時(shí)，可以通過人生階段進(jìn)行目標(biāo)客戶定位。企業(yè)可以利用客戶的收入、學(xué)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(fèi)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(fèi)特征進(jìn)行定性描述，區(qū)分出電商客戶，理財(cái)客戶，保險(xiǎn)客戶，穩(wěn)健投資客戶，激進(jìn)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(jìn)行標(biāo)簽化，有助于金融企業(yè)找到目標(biāo)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(biāo)客戶，進(jìn)行精準(zhǔn)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(fèi)特征、興趣愛好、社交信息及時(shí)為客戶推薦產(chǎn)品，設(shè)計(jì)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(jì)產(chǎn)品。

5.4 依據(jù)業(yè)務(wù)需求引入外部數(shù)據(jù)

利用數(shù)據(jù)進(jìn)行畫像目的主要是為業(yè)務(wù)場(chǎng)景提供數(shù)據(jù)支持，包括尋找到產(chǎn)品的目標(biāo)客戶和觸達(dá)客戶。金融企業(yè)自身的數(shù)據(jù)不足以了解客戶的消費(fèi)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(fèi)特征信息，引入移動(dòng)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(xiàng)具有挑戰(zhàn)的工作。外部信息在引入時(shí)需要考慮幾個(gè)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(shí)的一個(gè)重要考慮，敏感的信息例如手機(jī)號(hào)、家庭住址、身份證號(hào)在引入或匹配時(shí)都應(yīng)該注意隱私問題，基本的原則是不進(jìn)行數(shù)據(jù)交換，可以進(jìn)行數(shù)據(jù)匹配和驗(yàn)證。

外部數(shù)據(jù)不會(huì)集中在某一家，需要金融企業(yè)花費(fèi)大量時(shí)間進(jìn)行尋找。外部數(shù)據(jù)和內(nèi)部數(shù)據(jù)的打通是個(gè)很復(fù)雜的問題，手機(jī)號(hào)／設(shè)備號(hào)／身份證號(hào)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(jìn)行唯一匹配。依據(jù)行業(yè)內(nèi)部的經(jīng)驗(yàn)，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(dá)到70%以上，就是一個(gè)非常高的覆蓋率。覆蓋率達(dá)到20%以上就可以進(jìn)行商業(yè)應(yīng)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(yùn)營商、中航信、騰云天下、騰訊、微博、前海征信，各大電商平臺(tái)等。市場(chǎng)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(cuò)，需要金融行業(yè)一家一家去挖掘，或者委托一個(gè)廠商代理引入也可以。獨(dú)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(shí)也可以降低數(shù)據(jù)合規(guī)風(fēng)險(xiǎn)，是一個(gè)不錯(cuò)的嘗試。另外各大城市和區(qū)域的大數(shù)據(jù)交易平臺(tái)，也是一個(gè)較好的外部數(shù)據(jù)引入方式。

5.5? 按照業(yè)務(wù)需求進(jìn)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(jià)值，利用數(shù)據(jù)畫像技術(shù)尋找到目標(biāo)客戶和客戶的潛在需求，進(jìn)行產(chǎn)品推銷和設(shè)計(jì)改良產(chǎn)品。

用戶畫像從業(yè)務(wù)場(chǎng)景出發(fā)，實(shí)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(yùn)營過程中的一個(gè)重要閉環(huán)，幫助金融企業(yè)利用數(shù)據(jù)進(jìn)行精細(xì)化運(yùn)營和市場(chǎng)營銷，以及產(chǎn)品設(shè)計(jì)。用戶畫像就是一切以數(shù)據(jù)商業(yè)化運(yùn)營為中心，以商業(yè)場(chǎng)景為主，幫助金融企業(yè)深度分析客戶，找到目標(biāo)客戶。

DMP（大數(shù)據(jù)管理平臺(tái)）在整個(gè)用戶畫像過程中起到了一個(gè)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(jìn)行標(biāo)簽化，利用機(jī)器學(xué)習(xí)算法來找到相似人群，同業(yè)務(wù)場(chǎng)景深度結(jié)合，篩選出具有價(jià)值的數(shù)據(jù)和客戶，定位目標(biāo)客戶，觸達(dá)客戶，對(duì)營銷效果進(jìn)行記錄和反饋。大數(shù)據(jù)管理平臺(tái)DMP過去主要應(yīng)用在廣告行業(yè)，在金融行業(yè)應(yīng)用不多，未來會(huì)成為數(shù)據(jù)商業(yè)應(yīng)用的主要平臺(tái)。

DMP可以幫助信用卡公司篩選出未來一個(gè)月可能進(jìn)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(cái)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(xiǎn)種，壽險(xiǎn)，教育險(xiǎn)，車險(xiǎn)等客戶，篩選出穩(wěn)健投資人，激進(jìn)投資人，財(cái)富管理等方面等客戶，并且可以觸達(dá)這些客戶，提高產(chǎn)品轉(zhuǎn)化率，利用數(shù)據(jù)進(jìn)行價(jià)值變現(xiàn)。DMP還可以了解客戶的消費(fèi)習(xí)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(jìn)行跨界營銷。利用客戶的消費(fèi)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(tái)，將外部具有價(jià)值的數(shù)據(jù)引入到金融企業(yè)內(nèi)部，補(bǔ)充用戶畫像數(shù)據(jù)，創(chuàng)建不同業(yè)務(wù)應(yīng)用場(chǎng)景和商業(yè)需求，特別是移動(dòng)大數(shù)據(jù)、電商數(shù)據(jù)、社交數(shù)據(jù)的應(yīng)用，可以幫助金融企業(yè)來進(jìn)行數(shù)據(jù)價(jià)值變現(xiàn)，讓用戶畫像離商業(yè)應(yīng)用更加近一些，體現(xiàn)用戶畫像的商業(yè)價(jià)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(jià)值，離開了商業(yè)價(jià)值談?dòng)脩舢嬒窬褪撬Ａ髅ァ＝鹑谄髽I(yè)用戶畫像項(xiàng)目出發(fā)點(diǎn)一定要從業(yè)務(wù)需求出發(fā)，從強(qiáng)相關(guān)數(shù)據(jù)出發(fā)，從業(yè)務(wù)場(chǎng)景應(yīng)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(jià)值數(shù)據(jù)，找到目標(biāo)客戶，按照客戶需求來定制產(chǎn)品，利用數(shù)據(jù)實(shí)現(xiàn)價(jià)值變現(xiàn)。

6.? 金融行業(yè)用戶畫像實(shí)踐

6.1 銀行用戶畫像實(shí)踐介紹

銀行具有豐富的交易數(shù)據(jù)、個(gè)人屬性數(shù)據(jù)、消費(fèi)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(diǎn)來辦業(yè)務(wù)的人年紀(jì)偏大，未來消費(fèi)者主要在網(wǎng)上進(jìn)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(dá)客戶的手段。分析客戶、了解客戶、找到目標(biāo)客戶、為客戶設(shè)計(jì)其需要的產(chǎn)品，成了銀行進(jìn)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(fèi)金融、財(cái)富管理、融資服務(wù)，用戶畫像要從這幾個(gè)角度出發(fā)，尋找目標(biāo)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(yán)格遵循用戶畫像的五大步驟。先利用數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)集中，篩選出強(qiáng)相關(guān)信息，對(duì)定量信息定性化，生成DMP需要的數(shù)據(jù)。利用DMP進(jìn)行基礎(chǔ)標(biāo)簽和應(yīng)用定制，結(jié)合業(yè)務(wù)場(chǎng)景需求，進(jìn)行目標(biāo)客戶篩選或?qū)τ脩暨M(jìn)行深度分析。同時(shí)利用DMP引入外部數(shù)據(jù)，完善數(shù)據(jù)場(chǎng)景設(shè)計(jì)，提高目標(biāo)客戶精準(zhǔn)度。找到觸達(dá)客戶的方式，對(duì)客戶進(jìn)行營銷，并對(duì)營銷效果進(jìn)行反饋，衡量數(shù)據(jù)產(chǎn)品的商業(yè)價(jià)值。利用反饋數(shù)據(jù)來修正營銷活動(dòng)和提高ROI。形成市場(chǎng)營銷的閉環(huán)，實(shí)現(xiàn)數(shù)據(jù)商業(yè)價(jià)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(fèi)特征、興趣愛好、社交需求、信用信息來開發(fā)設(shè)計(jì)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(chǎng)景數(shù)據(jù)。

簡單介紹一些DMP可以做到的數(shù)據(jù)場(chǎng)景變現(xiàn)。

A 尋找分期客戶

利用發(fā)卡機(jī)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(fèi)超過其月收入的用戶，推薦其進(jìn)行消費(fèi)分期。

B 尋找高端資產(chǎn)客戶

利用發(fā)卡機(jī)構(gòu)數(shù)據(jù)＋移動(dòng)位置數(shù)據(jù)（別墅／高檔小區(qū)）＋物業(yè)費(fèi)代扣數(shù)據(jù)＋銀行自身數(shù)據(jù)＋汽車型號(hào)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)。

C 尋找理財(cái)客戶

利用自身數(shù)據(jù)（交易＋工資）＋移動(dòng)端理財(cái)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(fèi)不活躍客戶，其互聯(lián)網(wǎng)理財(cái)可能性較大，可以為其提供理財(cái)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(fèi)數(shù)據(jù)＋移動(dòng)設(shè)備位置信息＋社交好境外強(qiáng)相關(guān)數(shù)據(jù)（攻略，航線，景點(diǎn)，費(fèi)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(dòng)設(shè)備位置信息＋社交購房／消費(fèi)強(qiáng)相關(guān)信息，尋找即將購車／購房的目標(biāo)客戶，為其提供金融服務(wù)（抵押貸款／消費(fèi)貸款）。

來源: 錢塘大數(shù)據(jù)二次整理，TalkingData的鮑忠鐵原文出處，

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的金融行业如何用大数据构建精准用户画像？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。