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），作為大數據的根基，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，提供了足夠的數據基礎，奠定了大數據時代的基石。
???
??? 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據之后，完美地抽象出一個用戶的商業全貌作是企業應用大數據技術的基本方式。用戶畫像為企業提供了足夠的信息基礎，能夠幫助企業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，每個標簽都規定了觀察、認識、描述用戶的角度。標簽根據企業業務的發展情況，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？
?
???????? 也可以做數據挖掘工作：利用關聯規則計算，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？
?
???????? 大數據處理，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。
用戶畫像本質就是從業務角度出發對用戶進行分析，了解用戶需求，尋找目標客戶。另外一個方面就是，金融企業利用統計的信息，開發出適合目標客戶的產品。
?
提到用戶畫像，很多廠商都會提到360度用戶畫像，其實經常360度客戶畫像是一個廣告宣傳用語，根本不存數據可以全面描述客戶，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，不同企業對于用戶畫像有著不同對理解和需求。舉個例子，金融行業和汽車行業對于用戶畫像需求的信息完全不一樣，信息緯度也不同，對畫像結果要求也不同。每個行業都有一套適合自己行業的用戶畫像方法，但是其核心都是為客戶服務，為業務場景服務。
?
3、用戶畫像怎么設計
一個標簽通常是人為規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。能夠較好的滿足業務需求。
?
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 數據源分析
?
構建用戶畫像是為了還原用戶信息，因此數據來源于：所有用戶相關的數據。
?
對于用戶相關數據的分類，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…所有的子分類將構成了類目空間的全部集合。
?
這樣的分類方式，有助于后續不斷枚舉并迭代補充遺漏的信息維度。不必擔心架構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應用場景，業務需求的不同，也許各有道理，按需劃分即可。
?
本文將用戶數據劃分為靜態信息數據、動態信息數據兩大類。
?
3.1.1、靜態信息數據
?
用戶相對穩定的信息，如圖所示，主要包括人口屬性、商業屬性等方面數據。這類信息，自成標簽，如果企業有真實信息則無需過多建模預測，更多的是數據清洗工作，因此這方面信息的數據建模不是本篇文章重點。
?
3.2.2、動態信息數據
?
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控著，廣義上講，一個用戶打開網頁，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。當行為集中到互聯網，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、發表關于鞋品質的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯網用戶行為。
?
本篇文章以互聯網電商用戶，為主要分析對象，暫不考慮線下用戶行為數據（分析方法雷同，只是數據獲取途徑，用戶識別方式有些差異）。
?
在互聯網上，用戶行為，可以看作用戶動態信息的唯一數據來源。如何對用戶行為數據構建數據模型，分析出用戶標簽，將是本文著重介紹的內容。
?
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，以及該標簽的權重。
如，紅酒 0.8、李寧 0.6。
標簽，表征了內容，用戶對該內容有興趣、偏好、需求等等。
權重，表征了指數，用戶的興趣、偏好指數，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 數據建模方法
?
下面內容將詳細介紹，如何根據用戶行為，構建模型產出標簽、權重。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
關鍵在于對用戶的標識，用戶標識的目的是為了區分用戶、單點定位。
?
以上列舉了互聯網主要的用戶標識方法，獲取方式由易到難。視企業的用戶粘性，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：網址 + 內容。網址：每一個url鏈接（頁面/屏幕），即定位了一個互聯網頁面地址，或者某個產品的特定頁面。可以是PC上某電商網站的頁面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，某游戲的過關頁。
?
3.3.4、什么內容
每個url網址（頁面/屏幕）中的內容。可以是單品的相關信息：類別、品牌、描述、屬性、網站信息等等。如，紅酒，長城，干紅，對于每個互聯網接觸點，其中網址決定了權重；內容決定了標簽。
?
注：接觸點可以是網址，也可以是某個產品的特定功能界面。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出了權重差異。這里的權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。
?
標簽權重
礦泉水 1 // 超市
礦泉水 3 // 火車
礦泉水 5 // 景區???????????
?
案例：你是我的優樂美，優樂美用戶促銷
?
類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網瀏覽紅酒信息，表現出對紅酒喜好度也是有差異的。這里的關注點是不同的網址，存在權重差異，權重模型的構建，需要根據各自的業務需求構建。
?
所以，網址本身表征了用戶的標簽偏好權重。網址對應的內容體現了標簽信息。
?
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，對于接觸點的內容產生的標簽信息，具有不同的權重。如，購買權重計為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，用戶畫像的數據模型，可以概括為下面的公式：用戶標識 + 時間 + 行為類型 + 接觸點（網址+內容），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、網址決定了權重，內容決定了標簽，進一步轉換為公式：
標簽權重=衰減因子×行為權重×網址子權重
?
如：用戶A，昨天在品尚紅酒網瀏覽一瓶價值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，假設衰減因子為：r=0.95
行為類型：瀏覽行為記為權重1
地點：品尚紅酒單品頁的網址子權重記為 0.9（相比京東紅酒單品頁的0.7）
?
假設用戶對紅酒出于真的喜歡，才會去專業的紅酒網選購，而不再綜合商城選購。
?
則用戶偏好標簽是：紅酒，權重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城 0.665。
?
上述模型權重值的選取只是舉例參考，具體的權重值需要根據業務需求二次建模，這里強調的是如何從整體思考，去構建用戶畫像模型，進而能夠逐步細化模型。
4、用戶畫像怎么開發
人口屬性、資產特征、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)
市場上用戶畫像的方法很多，許多企業也提供用戶畫像服務，將用戶畫像提升到很有逼格一件事。金融企業是最早開始用戶畫像的行業，由于擁有豐富的數據，金融企業在進行用戶畫像時，對眾多緯度的數據無從下手，總是認為用戶畫像數據緯度越多越好，畫像數據越豐富越好，某些輸入的數據還設定了權重甚至建立了模型，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，卻發現只剩下了用戶畫像，和業務相聚甚遠，沒有辦法直接支持業務運營，投入精力巨大但是回報微小，可以說是得不償失，無法向領導交代。
?
事實上，用戶畫像涉及數據的緯度需要業務場景結合，既要簡單干練又要和業務強相關，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，強相關信息為主，定性數據為主。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、財產等信息。
?
定位完目標客戶之后，金融企業需要觸達客戶，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聯系客戶，將產品和服務推銷給客戶。
?
5.2、采用強相關信息，忽略弱相關信息
我們需要介紹一下強相關信息和弱相關信息。強相關信息就是同場景需求直接相關的信息，其可以是因果信息，也可以是相關程度很高的信息。
?
如果定義采用0到1作為相關系數取值范圍的化，0.6以上的相關系數就應該定義為強相關信息。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，計算機專業畢業的學生平均工資高于哲學專業學生，從事金融行業工作的平均工資高于從事紡織行業的平均工資，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、地點對收入的影響較大，同收入高低是強相關關系。簡單的將，對信用信息影響較大的信息就是強相關信息，反之則是弱相關信息。
?
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，不具有較大的商業價值。
?
用戶畫像和用戶分析時，需要考慮強相關信息，不要考慮弱相關信息，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，金融可以從自身業務出發，沒有固定的模式。
?
將金融企業各類定量信息，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
?
金融企業需要結合業務需求進行用戶畫像，從實用角度出發，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。它們基本覆蓋了業務需求所需要的強相關信息，結合外部場景數據將會產生巨大的商業價值。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應用，不建議金融企業進行采用，其他具有價值的信息，基本上都可以歸納到這五個緯度。金融企業達到其商業需求，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。幫助企業了解客戶資產情況和信用情況，有利于定位目標客戶。客戶職業、收入、資產、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。幫助企業依據客戶消費特點推薦相關金融產品和服務，轉化率將非常高。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，區別在于數據來源不同。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、金融企業用戶畫像的基本步驟
參考金融企業的數據類型和業務需求，可以將金融企業用戶畫像工作進行細化。基本上從數據集中到數據處理，從強相關數據到定性分類數據，從引入外部數據到依據業務場景進行篩選目標用戶。
5.5.1、畫像相關數據的整理和集中
金融企業內部的信息分布在不同的系統中，一般情況下，人口屬性信息主要集中在客戶關系管理系統，信用信息主要集中在交易系統和產品系統之中，也集中在客戶關系管理系統中，消費特征主要集中在渠道和產品系統中。
?
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能力在社交網站上直接獲得。社交信息往往是實時信息，商業價值較高，轉化率也較高，是大數據預測方面的主要信息來源。例如用戶在社交網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良，客戶購買汽車的可能性就較大。金融企業可以及時介入，為客戶提供金融服務。
?
客戶畫像數據主要分為五類，人口屬性、信用信息、消費特征、興趣愛好、社交信息。這些數據都分布在不同的信息系統，金融企業都上線了數據倉庫（DW），所有畫像相關的強相關信息都可以從數據倉庫里面整理和集中，并且依據畫像商業需求，利用跑批作業，加工數據，生成用戶畫像的原始數據。
?
數據倉庫成為用戶畫像數據的主要處理工具，依據業務場景和畫像需求將原始數據進行分類、篩選、歸納、加工等，生成用戶畫像需要的原始數據。
?
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信息，同業務場景強相關信息，同產品和目標客戶強相關信息即可。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，另外數據的實效性也要重點考慮。
5.5.2、找到同業務場景強相關數據
依據用戶畫像的原則，所有畫像信息應該是五大分類的強相關信息。強相關信息是指同業務場景強相關信息，可以幫助金融行業定位目標客戶，了解客戶潛在需求，開發需求產品。
?
只有強相關信息才能幫助金融企業有效結合業務需求，創造商業價值。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、資產就是客戶信用信息的強相關信息。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信息。社交媒體上發表的旅游需求，旅游攻略，理財咨詢，汽車需求，房產需求等信息代表了用戶的內心需求，是社交信息場景應用的強相關信息。
?
金融企業內部信息較多，在用戶畫像階段不需要對所有信息都采用，只需要采用同業務場景和目標客戶強相關的信息即可，這樣有助于提高產品轉化率，降低投資回報率（ROI），有利于簡單找到業務應用場景，在數據變現過程中也容易實現。
?
千萬不要將用戶畫像工作搞的過于復雜，同業務場景關系不大，這樣就讓很多金融企業特別是領導失去用戶畫像的興趣，看不到用戶畫像的商業，不愿意在大數據領域投資。為企業帶來商業價值才是用戶畫像工作的主要動力和主要目的。
5.4.1、對數據進行分類和標簽化（定量to定性）
金融企業集中了所有信息之后，依據業務需求，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據倉庫進行，不建議在大數據管理平臺（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節，具有較高的業務場景要求，考驗用戶畫像商業需求的轉化。其主要目的是幫助企業將復雜數據簡單化，將交易數據定性進行歸類，并且融入商業分析的要求，對數據進行商業加工。例如可以將客戶按照年齡區間分為學生，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。企業可以利用客戶的收入、學歷、資產等情況將客戶分為低、中、高端客戶，并依據其金融服務需求，提供不同的金融服務。可以參考其金融消費記錄和資產信息，以及交易產品，購買的產品，將客戶消費特征進行定性描述，區分出電商客戶，理財客戶，保險客戶，穩健投資客戶，激進投資客戶，餐飲客戶，旅游客戶，高端客戶，公務員客戶等。利用外部的數據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，科技產品發燒友，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，并依據業務需求進行標簽化，有助于金融企業找到目標客戶，并且了解客戶的潛在需求，為金融行業的產品找到目標客戶，進行精準營銷，降低營銷成本，提高產品轉化率。另外金融企業還可以依據客戶的消費特征、興趣愛好、社交信息及時為客戶推薦產品，設計產品，優化產品流程。提高產品銷售的活躍率，幫助金融企業更好地為客戶設計產品。
5.4.1、依據業務需求引入外部數據
利用數據進行畫像目的主要是為業務場景提供數據支持，包括尋找到產品的目標客戶和觸達客戶。金融企業自身的數據不足以了解客戶的消費特征、興趣愛好、社交信息。
?
金融企業可以引入外部信息來豐富客戶畫像信息，例如引入銀聯和電商的信息來豐富消費特征信息，引入移動大數據的位置信息來豐富客戶的興趣愛好信息，引入外部廠商的數據來豐富社交信息等。
?
外部信息的緯度較多，內容也很豐富，但是如何引入外部信息是一項具有挑戰的工作。外部信息在引入時需要考慮幾個問題，分別是外部數據的覆蓋率，如何和內部數據打通，和內部信息的匹配率，以及信息的相關程度，還有數據的鮮活度，這些都是引入外部信息的主要考慮緯度。外部數據魚龍混雜，數據的合規性也是金融企業在引入外部數據時的一個重要考慮，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據交換，可以進行數據匹配和驗證。
?
外部數據不會集中在某一家，需要金融企業花費大量時間進行尋找。外部數據和內部數據的打通是個很復雜的問題，手機號／設備號／身份證號的MD5數值匹配是一種好的方法，不涉及隱私數據的交換，可以進行唯一匹配。依據行業內部的經驗，沒有一家企業外部數據可以滿足企業要求，外部數據的引入需要多方面數據。一般情況下，數據覆蓋率達到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應用了。
?
金融行業外部數據源較好合作方有銀聯、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。市場上數據提供商已經很多，并且數據質量都不錯，需要金融行業一家一家去挖掘，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引入外部數據可以降低數據交易成本，同時也可以降低數據合規風險，是一個不錯的嘗試。另外各大城市和區域的大數據交易平臺，也是一個較好的外部數據引入方式。
5.4.1、按照業務需求進行篩選客戶（DMP的作用）
用戶畫像主要目的是讓金融企業挖掘已有的數據價值，利用數據畫像技術尋找到目標客戶和客戶的潛在需求，進行產品推銷和設計改良產品。
?
用戶畫像從業務場景出發，實現數據商業變現重要方式。用戶畫像是數據思維運營過程中的一個重要閉環，幫助金融企業利用數據進行精細化運營和市場營銷，以及產品設計。用戶畫像就是一切以數據商業化運營為中心，以商業場景為主，幫助金融企業深度分析客戶，找到目標客戶。
?
DMP（大數據管理平臺）在整個用戶畫像過程中起到了一個數據變現的作用。從技術角度來講，DMP將畫像數據進行標簽化，利用機器學習算法來找到相似人群，同業務場景深度結合，篩選出具有價值的數據和客戶，定位目標客戶，觸達客戶，對營銷效果進行記錄和反饋。大數據管理平臺DMP過去主要應用在廣告行業，在金融行業應用不多，未來會成為數據商業應用的主要平臺。
?
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（在本行資產很少，但是在他行資產很多），篩選出保障險種，壽險，教育險，車險等客戶，篩選出穩健投資人，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，提高產品轉化率，利用數據進行價值變現。DMP還可以了解客戶的消費習慣、興趣愛好、以及近期需求，為客戶定制金融產品和服務，進行跨界營銷。利用客戶的消費偏好，提高產品轉化率，提高用戶黏度。
?
DMP還作為引入外部數據的平臺，將外部具有價值的數據引入到金融企業內部，補充用戶畫像數據，創建不同業務應用場景和商業需求，特別是移動大數據、電商數據、社交數據的應用，可以幫助金融企業來進行數據價值變現，讓用戶畫像離商業應用更加近一些，體現用戶畫像的商業價值。
?
用戶畫像的關鍵不是360度分析客戶，而是為企業帶來商業價值，離開了商業價值談用戶畫像就是耍流氓。金融企業用戶畫像項目出發點一定要從業務需求出發，從強相關數據出發，從業務場景應用出發。用戶畫像的本質就是深度分析客戶，掌握具有價值數據，找到目標客戶，按照客戶需求來定制產品，利用數據實現價值變現。
?
6、銀行用戶畫像實踐介紹
銀行具有豐富的交易數據、個人屬性數據、消費數據、信用數據和客戶數據，用戶畫像的需求較大。但是缺少社交信息和興趣愛好信息。
?
到銀行網點來辦業務的人年紀偏大，未來消費者主要在網上進行業務辦理。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、為客戶設計其需要的產品，成了銀行進行用戶畫像的主要目的。銀行的主要業務需求集中在消費金融、財富管理、融資服務，用戶畫像要從這幾個角度出發，尋找目標客戶。
?
銀行的客戶數據很豐富，數據類型和總量較多，系統也很多。可以嚴格遵循用戶畫像的五大步驟。先利用數據倉庫進行數據集中，篩選出強相關信息，對定量信息定性化，生成DMP需要的數據。利用DMP進行基礎標簽和應用定制，結合業務場景需求，進行目標客戶篩選或對用戶進行深度分析。同時利用DMP引入外部數據，完善數據場景設計，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，衡量數據產品的商業價值。利用反饋數據來修正營銷活動和提高ROI。形成市場營銷的閉環，實現數據商業價值變現的閉環。另外DMP還可以深度分析客戶，依據客戶的消費特征、興趣愛好、社交需求、信用信息來開發設計產品，為金融企業的產品開發提供數據支撐，并為產品銷售方式提供場景數據。
?
簡單介紹一些DMP可以做到的數據場景變現。
A 尋找分期客戶
利用發卡機構數據＋自身數據＋信用卡數據，發現信用卡消費超過其月收入的用戶，推薦其進行消費分期。
B 尋找高端資產客戶
利用發卡機構數據＋移動位置數據（別墅／高檔小區）＋物業費代扣數據＋銀行自身數據＋汽車型號數據，發現在銀行資產較少，在其他行資產較多的用戶，為其提供高端資產管理服務。ookilllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll
C 尋找理財客戶
利用自身數據（交易＋工資）＋移動端理財客戶端／電商活躍數據。發現客戶將工資／資產轉到外部，但是電商消費不活躍客戶，其互聯網理財可能性較大，可以為其提供理財服務，將資金留在本行。
D 尋找境外游客戶
利用自身卡消費數據＋移動設備位置信息＋社交好境外強相關數據（攻略，航線，景點，費用），尋找境外游客戶為其提供金融服務。
E 尋找貸款客戶
利用自身數據（人口屬性＋信用信息）＋移動設備位置信息＋社交購房／消費強相關信息，尋找即將購車／購房的目標客戶，為其提供金融服務（抵押貸款／消費貸款）。
7、保險行業用戶畫像實踐
保險行業的產品是一個長周期產品，保險客戶再次購買保險產品的轉化率很高，經營好老客戶是保險公司一項重要任務。保險公司內部的交易系統不多，交易方式不是很復雜，數據主要集中在產品系統和交易系統之中，客戶關系管理系統中也包含豐富了信息，但是數據集中在很多保險公司還沒有完成，數據倉庫建設可能需要在用戶畫像建設前完成。
?
保險公司主要數據有人口屬性信息，信用信息，產品銷售信息，客戶家人信息。缺少興趣愛好、消費特征、社交信息等信息。保險產品主要有壽險，車險，保障，財產險，意外險，養老險，旅游險。
?
保險行業DMP用戶畫像的業務場景都是圍繞保險產品進行的，簡單的應用場景可以是。
A
依據自身數據（個人屬性）＋外部養車App活躍情況，為保險公司找到車險客戶。
B
依據自身數據（個人屬性）＋移動設備位置信息，為保險企業找到商旅人群，推銷意外險和保障險。
C
依據自身數據（家人數據）＋人生階段信息，為用戶推薦理財保險，壽險，保障保險，養老險，教育險。
D
依據自身數據＋外部數據，為高端人士提供財產險和壽險。
6.3
?
總結
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