1. 什么是用戶畫像五鲫？

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”溺职，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、性別浪耘、地域乱灵、用戶偏好等，最后將用戶的所有標(biāo)簽綜合來(lái)看七冲，就可以勾勒出該用戶的立體“畫像”了痛倚。

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

首先我們從微觀來(lái)看，如何給用戶的微觀畫像進(jìn)行分級(jí)呢操漠？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)分收津。

第一分類：人口屬性、資產(chǎn)特征颅夺、營(yíng)銷特性朋截、興趣愛(ài)好、購(gòu)物愛(ài)好吧黄、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部服，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拗慨。金融企業(yè)是最早開始用戶畫像的行業(yè)廓八，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)赵抢，對(duì)眾多緯度的數(shù)據(jù)無(wú)從下手剧蹂，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)越豐富越好烦却，某些輸入的數(shù)據(jù)還設(shè)定了權(quán)重甚至建立了模型宠叼，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)行了畫像之后其爵，卻發(fā)現(xiàn)只剩下了用戶畫像冒冬，和業(yè)務(wù)相聚甚遠(yuǎn)，沒(méi)有辦法直接支持業(yè)務(wù)運(yùn)營(yíng)摩渺，投入精力巨大但是回報(bào)微小简烤，可以說(shuō)是得不償失，無(wú)法向領(lǐng)導(dǎo)交代摇幻。

? ? 事實(shí)上横侦，用戶畫像涉及數(shù)據(jù)的緯度需要業(yè)務(wù)場(chǎng)景結(jié)合挥萌，既要簡(jiǎn)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)一步操作枉侧。用戶畫像需要堅(jiān)持三個(gè)原則引瀑，分別是人口屬性和信用信息為主，強(qiáng)相關(guān)信息為主榨馁，定性數(shù)據(jù)為主伤疙。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)用戶的信息很多辆影，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)能力信息黍特。任何企業(yè)進(jìn)行用戶畫像的目的是尋找目標(biāo)客戶蛙讥，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)能力灭衷，是用戶畫像中最重要和基礎(chǔ)的信息次慢。一句戲言，所有的信息都是信用信息就是這個(gè)道理翔曲。其包含消費(fèi)者工作迫像、收入、學(xué)歷瞳遍、財(cái)產(chǎn)等信息闻妓。

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)信息掠械。強(qiáng)相關(guān)信息就是同場(chǎng)景需求直接相關(guān)的信息由缆，其可以是因果信息，也可以是相關(guān)程度很高的信息猾蒂。

如果定義采用0到1作為相關(guān)系數(shù)取值范圍的化均唉，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肚菠，35歲左右人的平均工資高于平均年齡為30歲的人舔箭，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)的平均工資蚊逢，上海的平均工資超過(guò)海南省平均工資层扶。從這些信息可以看出來(lái)人的年齡、學(xué)歷时捌、職業(yè)怒医、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)系奢讨。簡(jiǎn)單的將稚叹，對(duì)信用信息影響較大的信息就是強(qiáng)相關(guān)信息焰薄，反之則是弱相關(guān)信息。

用戶其他的信息扒袖，例如用戶的身高塞茅、體重、姓名季率、星座等信息野瘦，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)信息飒泻，這些信息就不應(yīng)該放到用戶畫像中進(jìn)行分析鞭光，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)值泞遗。

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

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歲定義為年輕人聊倔，25歲-35歲定義為中青年晦毙，36-45定義為中年人等“颐铮可以參考個(gè)人收入信息见妒，將人群定義為高收入人群，中等收入人群甸陌，低收入人群徐鹤。參考資產(chǎn)信息也可以將客戶定義為高、中邀层、低級(jí)別返敬。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)寥院，沒(méi)有固定的模式劲赠。

將金融企業(yè)各類定量信息，集中在一起秸谢，對(duì)定性信息進(jìn)行分類凛澎，并進(jìn)行定性化，有利與對(duì)用戶進(jìn)行篩選估蹄，快速定位目標(biāo)客戶塑煎，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)介紹臭蚁，如何根據(jù)用戶行為最铁，構(gòu)建模型產(chǎn)出標(biāo)簽讯赏、權(quán)重。一個(gè)事件模型包括：時(shí)間冷尉、地點(diǎn)漱挎、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件雀哨，可以詳細(xì)描述為：什么用戶磕谅，在什么時(shí)間，什么地點(diǎn)雾棺，做了什么事膊夹。

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)分用戶捌浩、單點(diǎn)定位割疾。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識(shí)方法，獲取方式由易到難嘉栓。視企業(yè)的用戶粘性，可以獲取的標(biāo)識(shí)信息有所差異拓诸。

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

什么地點(diǎn)：用戶接觸點(diǎn)，Touch Point载弄。對(duì)于每個(gè)用戶接觸點(diǎn)耘拇。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(yè)面/屏幕）宇攻，即定位了一個(gè)互聯(lián)網(wǎng)頁(yè)面地址惫叛，或者某個(gè)產(chǎn)品的特定頁(yè)面〕阉ⅲ可以是PC上某電商網(wǎng)站的頁(yè)面url嘉涌，也可以是手機(jī)上的微博妻熊，微信等應(yīng)用某個(gè)功能頁(yè)面，某款產(chǎn)品應(yīng)用的特定畫面洛心。如固耘，長(zhǎng)城紅酒單品頁(yè)，微信訂閱號(hào)頁(yè)面词身，某游戲的過(guò)關(guān)頁(yè)厅目。

內(nèi)容：每個(gè)url網(wǎng)址（頁(yè)面/屏幕）中的內(nèi)容》ㄑ希可以是單品的相關(guān)信息：類別损敷、品牌、描述深啤、屬性拗馒、網(wǎng)站信息等等。如溯街，紅酒诱桂，長(zhǎng)城，干紅呈昔，對(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)挥等，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽堤尾。

注：接觸點(diǎn)可以是網(wǎng)址肝劲，也可以是某個(gè)產(chǎn)品的特定功能界面。如郭宝，同樣一瓶礦泉水辞槐，超市賣1元，火車上賣3元粘室，景區(qū)賣5元榄檬。商品的售賣價(jià)值，不在于成本衔统，更在于售賣地點(diǎn)丙号。標(biāo)簽均是礦泉水，但接觸點(diǎn)的不同體現(xiàn)出了權(quán)重差異缰冤。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犬缨。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)

類似的棉浸，用戶在京東商城瀏覽紅酒信息怀薛，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迷郑。這里的關(guān)注點(diǎn)是不同的網(wǎng)址枝恋，存在權(quán)重差異创倔，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)建焚碌。

所以畦攘，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)簽信息十电。

什么事：用戶行為類型知押，對(duì)于電商有如下典型行為：瀏覽、添加購(gòu)物車鹃骂、搜索台盯、評(píng)論、購(gòu)買畏线、點(diǎn)擊贊静盅、收藏 等等。

不同的行為類型寝殴，對(duì)于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息蒿叠，具有不同的權(quán)重。如蚣常，購(gòu)買權(quán)重計(jì)為5市咽，瀏覽計(jì)為1

紅酒 1 // 瀏覽紅酒

紅酒 5 // 購(gòu)買紅酒

綜合上述分析，用戶畫像的數(shù)據(jù)模型史隆，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)間曼验、地點(diǎn)泌射、做了什么事。所以會(huì)打上**標(biāo)簽鬓照。

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

標(biāo)簽：紅酒豺裆，長(zhǎng)城

時(shí)間：因?yàn)槭亲蛱斓男袨榫苊兀僭O(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(yè)的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁(yè)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(gòu)臭猜，而不再綜合商城選購(gòu)躺酒。

則用戶偏好標(biāo)簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665蔑歌，即羹应，用戶Ａ：紅酒 0.665、長(zhǎng)城 0.665次屠。

上述模型權(quán)重值的選取只是舉例參考园匹，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模雳刺，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型裸违，進(jìn)而能夠逐步細(xì)化模型掖桦。

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

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

比如影視產(chǎn)品嘹吨，我看了一部電影《英雄本色》搬味，可能產(chǎn)生的標(biāo)簽是：周潤(rùn)發(fā) 0.6、槍戰(zhàn) 0.5蟀拷、港臺(tái) 0.3碰纬。最后，接觸點(diǎn)本身并不一定有內(nèi)容问芬，也可以泛化理解為某種閾值悦析，某個(gè)行為超過(guò)多少次，達(dá)到多長(zhǎng)時(shí)間等此衅。

比如游戲產(chǎn)品强戴，典型接觸點(diǎn)可能會(huì)是，關(guān)鍵任務(wù)挡鞍，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等骑歹。如，積分超過(guò)1萬(wàn)分墨微，則標(biāo)記為鉆石級(jí)用戶陵刹。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)某電商客戶衰琐，針對(duì)活動(dòng)頁(yè)新訪客的應(yīng)用中也糊，依靠用戶畫像產(chǎn)生的個(gè)性化效果，對(duì)比熱銷榜羡宙，推薦效果有顯著提升：推薦欄點(diǎn)擊率提升27%狸剃， 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)中狗热，一般情況下钞馁，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)之中匿刮，也集中在客戶關(guān)系管理系統(tǒng)中僧凰，消費(fèi)特征主要集中在渠道和產(chǎn)品系統(tǒng)中。

興趣愛(ài)好和社交信息需要從外部引入熟丸，例如客戶的行為軌跡可以代表其興趣愛(ài)好和品牌愛(ài)好训措，移動(dòng)設(shè)備到位置信息可以提供較為準(zhǔn)確的興趣愛(ài)好信息。社交信息光羞，可以借助于金融行業(yè)自身的文本挖掘能力進(jìn)行采集和分析绩鸣，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)信息纱兑，商業(yè)價(jià)值較高呀闻，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(lái)源潜慎。例如用戶在社交網(wǎng)站上提出羅馬哪里好玩的問(wèn)題捡多，就代表用戶未來(lái)可能有出國(guó)旅游的需求；如果客戶在對(duì)比兩款汽車的優(yōu)良铐炫，客戶購(gòu)買汽車的可能性就較大垒手。金融企業(yè)可以及時(shí)介入，為客戶提供金融服務(wù)驳遵。

客戶畫像數(shù)據(jù)主要分為五類淫奔，人口屬性山涡、信用信息堤结、消費(fèi)特征、興趣愛(ài)好鸭丛、社交信息竞穷。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(cāng)庫(kù)（DW）鳞溉，所有畫像相關(guān)的強(qiáng)相關(guān)信息都可以從數(shù)據(jù)倉(cāng)庫(kù)里面整理和集中瘾带，并且依據(jù)畫像商業(yè)需求，利用跑批作業(yè)熟菲，加工數(shù)據(jù)看政，生成用戶畫像的原始數(shù)據(jù)朴恳。

數(shù)據(jù)倉(cāng)庫(kù)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)行分類允蚣、篩選于颖、歸納、加工等嚷兔，生成用戶畫像需要的原始數(shù)據(jù)森渐。

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)信息冒晰，同業(yè)務(wù)場(chǎng)景強(qiáng)相關(guān)信息同衣，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度的用戶畫像信息壶运，也不存在豐富的信息可以完全了解客戶耐齐，另外數(shù)據(jù)的實(shí)效性也要重點(diǎn)考慮前弯。

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

依據(jù)用戶畫像的原則醉者，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)信息罚屋，可以幫助金融行業(yè)定位目標(biāo)客戶雇逞，了解客戶潛在需求的畴，開發(fā)需求產(chǎn)品渊抄。

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)值丧裁。例如姓名护桦、手機(jī)號(hào)、家庭地址就是能夠觸達(dá)客戶的強(qiáng)人口屬性信息煎娇，收入二庵、學(xué)歷、職業(yè)缓呛、資產(chǎn)就是客戶信用信息的強(qiáng)相關(guān)信息催享。差旅人群、境外游人群哟绊、汽車用戶因妙、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(ài)好者攀涵、游戲愛(ài)好者铣耘、健身愛(ài)好者、電影人群以故、戶外愛(ài)好者就是客戶興趣愛(ài)好的強(qiáng)相關(guān)信息涡拘。社交媒體上發(fā)表的旅游需求，旅游攻略据德，理財(cái)咨詢鳄乏，汽車需求，房產(chǎn)需求等信息代表了用戶的內(nèi)心需求棘利，是社交信息場(chǎng)景應(yīng)用的強(qiáng)相關(guān)信息橱野。

金融企業(yè)內(nèi)部信息較多，在用戶畫像階段不需要對(duì)所有信息都采用善玫，只需要采用同業(yè)務(wù)場(chǎng)景和目標(biāo)客戶強(qiáng)相關(guān)的信息即可水援，這樣有助于提高產(chǎn)品轉(zhuǎn)化率，降低投資回報(bào)率（ROI）茅郎，有利于簡(jiǎn)單找到業(yè)務(wù)應(yīng)用場(chǎng)景蜗元，在數(shù)據(jù)變現(xiàn)過(guò)程中也容易實(shí)現(xiàn)。

千萬(wàn)不要將用戶畫像工作搞的過(guò)于復(fù)雜系冗，同業(yè)務(wù)場(chǎng)景關(guān)系不大奕扣，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)掌敬，不愿意在大數(shù)據(jù)領(lǐng)域投資惯豆。為企業(yè)帶來(lái)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)需求奔害，對(duì)信息進(jìn)行加工整理楷兽，需要對(duì)定量的信息進(jìn)行定性，方便信息分類和篩選华临。這部分工作建議在數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行芯杀，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)雅潭，具有較高的業(yè)務(wù)場(chǎng)景要求揭厚，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(jiǎn)單化寻馏，將交易數(shù)據(jù)定性進(jìn)行歸類棋弥，并且融入商業(yè)分析的要求核偿，對(duì)數(shù)據(jù)進(jìn)行商業(yè)加工诚欠。例如可以將客戶按照年齡區(qū)間分為學(xué)生，青年，中青年轰绵，中年粉寞，中老年，老年等人生階段左腔。源于各人生階段的金融服務(wù)需求不同唧垦，在尋找目標(biāo)客戶時(shí)，可以通過(guò)人生階段進(jìn)行目標(biāo)客戶定位液样。企業(yè)可以利用客戶的收入振亮、學(xué)歷、資產(chǎn)等情況將客戶分為低鞭莽、中坊秸、高端客戶，并依據(jù)其金融服務(wù)需求澎怒，提供不同的金融服務(wù)褒搔。可以參考其金融消費(fèi)記錄和資產(chǎn)信息喷面，以及交易產(chǎn)品星瘾，購(gòu)買的產(chǎn)品，將客戶消費(fèi)特征進(jìn)行定性描述惧辈，區(qū)分出電商客戶琳状，理財(cái)客戶，保險(xiǎn)客戶盒齿，穩(wěn)健投資客戶算撮，激進(jìn)投資客戶，餐飲客戶县昂，旅游客戶肮柜，高端客戶，公務(wù)員客戶等倒彰。利用外部的數(shù)據(jù)可以將定性客戶的興趣愛(ài)好审洞，例如戶外愛(ài)好者，奢侈品愛(ài)好者待讳，科技產(chǎn)品發(fā)燒友芒澜，攝影愛(ài)好者，高端汽車需求者等信息创淡。

將定量信息歸納為定性信息痴晦，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)客戶琳彩，并且了解客戶的潛在需求誊酌，為金融行業(yè)的產(chǎn)品找到目標(biāo)客戶部凑，進(jìn)行精準(zhǔn)營(yíng)銷，降低營(yíng)銷成本碧浊，提高產(chǎn)品轉(zhuǎn)化率涂邀。另外金融企業(yè)還可以依據(jù)客戶的消費(fèi)特征、興趣愛(ài)好箱锐、社交信息及時(shí)為客戶推薦產(chǎn)品比勉，設(shè)計(jì)產(chǎn)品，優(yōu)化產(chǎn)品流程驹止。提高產(chǎn)品銷售的活躍率浩聋，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)支持臊恋，包括尋找到產(chǎn)品的目標(biāo)客戶和觸達(dá)客戶赡勘。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(ài)好捞镰、社交信息闸与。

金融企業(yè)可以引入外部信息來(lái)豐富客戶畫像信息，例如引入銀聯(lián)和電商的信息來(lái)豐富消費(fèi)特征信息岸售，引入移動(dòng)大數(shù)據(jù)的位置信息來(lái)豐富客戶的興趣愛(ài)好信息践樱，引入外部廠商的數(shù)據(jù)來(lái)豐富社交信息等。

外部信息的緯度較多凸丸，內(nèi)容也很豐富拷邢，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(wèn)題屎慢，分別是外部數(shù)據(jù)的覆蓋率瞭稼，如何和內(nèi)部數(shù)據(jù)打通，和內(nèi)部信息的匹配率腻惠，以及信息的相關(guān)程度环肘，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集灌。外部數(shù)據(jù)魚龍混雜悔雹，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)欣喧、家庭住址腌零、身份證號(hào)在引入或匹配時(shí)都應(yīng)該注意隱私問(wèn)題，基本的原則是不進(jìn)行數(shù)據(jù)交換唆阿，可以進(jìn)行數(shù)據(jù)匹配和驗(yàn)證益涧。

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)行尋找驯鳖。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(wèn)題闲询，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久免，不涉及隱私數(shù)據(jù)的交換，可以進(jìn)行唯一匹配嘹裂。依據(jù)行業(yè)內(nèi)部的經(jīng)驗(yàn)，沒(méi)有一家企業(yè)外部數(shù)據(jù)可以滿足企業(yè)要求摔握，外部數(shù)據(jù)的引入需要多方面數(shù)據(jù)寄狼。一般情況下，數(shù)據(jù)覆蓋率達(dá)到70%以上氨淌，就是一個(gè)非常高的覆蓋率泊愧。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)盛正、芝麻信用删咱、運(yùn)營(yíng)商、中航信豪筝、騰云天下痰滋、騰訊、微博续崖、前海征信敲街，各大電商平臺(tái)等。市場(chǎng)上數(shù)據(jù)提供商已經(jīng)很多严望，并且數(shù)據(jù)質(zhì)量都不錯(cuò)多艇，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像吻。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)交易成本峻黍，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)的嘗試拨匆。另外各大城市和區(qū)域的大數(shù)據(jù)交易平臺(tái)姆涩，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)值惭每，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阵面，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)洪鸭，實(shí)現(xiàn)數(shù)據(jù)商業(yè)變現(xiàn)重要方式样刷。用戶畫像是數(shù)據(jù)思維運(yùn)營(yíng)過(guò)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(yíng)和市場(chǎng)營(yíng)銷览爵，以及產(chǎn)品設(shè)計(jì)置鼻。用戶畫像就是一切以數(shù)據(jù)商業(yè)化運(yùn)營(yíng)為中心，以商業(yè)場(chǎng)景為主蜓竹，幫助金融企業(yè)深度分析客戶箕母，找到目標(biāo)客戶储藐。

DMP（大數(shù)據(jù)管理平臺(tái)）在整個(gè)用戶畫像過(guò)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(lái)講嘶是，DMP將畫像數(shù)據(jù)進(jìn)行標(biāo)簽化钙勃，利用機(jī)器學(xué)習(xí)算法來(lái)找到相似人群，同業(yè)務(wù)場(chǎng)景深度結(jié)合聂喇，篩選出具有價(jià)值的數(shù)據(jù)和客戶辖源，定位目標(biāo)客戶，觸達(dá)客戶希太，對(duì)營(yíng)銷效果進(jìn)行記錄和反饋克饶。大數(shù)據(jù)管理平臺(tái)DMP過(guò)去主要應(yīng)用在廣告行業(yè)，在金融行業(yè)應(yīng)用不多誊辉，未來(lái)會(huì)成為數(shù)據(jù)商業(yè)應(yīng)用的主要平臺(tái)矾湃。

DMP可以幫助信用卡公司篩選出未來(lái)一個(gè)月可能進(jìn)行分期付款的客戶，電子產(chǎn)品重度購(gòu)買客戶堕澄，篩選出金融理財(cái)客戶邀跃，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）蛙紫，篩選出保障險(xiǎn)種坞嘀，壽險(xiǎn)，教育險(xiǎn)惊来，車險(xiǎn)等客戶丽涩，篩選出穩(wěn)健投資人，激進(jìn)投資人裁蚁，財(cái)富管理等方面等客戶矢渊，并且可以觸達(dá)這些客戶，提高產(chǎn)品轉(zhuǎn)化率枉证，利用數(shù)據(jù)進(jìn)行價(jià)值變現(xiàn)矮男。DMP還可以了解客戶的消費(fèi)習(xí)慣、興趣愛(ài)好室谚、以及近期需求毡鉴，為客戶定制金融產(chǎn)品和服務(wù)，進(jìn)行跨界營(yíng)銷秒赤。利用客戶的消費(fèi)偏好猪瞬，提高產(chǎn)品轉(zhuǎn)化率，提高用戶黏度入篮。

DMP還作為引入外部數(shù)據(jù)的平臺(tái)陈瘦，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)潮售，創(chuàng)建不同業(yè)務(wù)應(yīng)用場(chǎng)景和商業(yè)需求痊项，特別是移動(dòng)大數(shù)據(jù)锅风、電商數(shù)據(jù)、社交數(shù)據(jù)的應(yīng)用鞍泉，可以幫助金融企業(yè)來(lái)進(jìn)行數(shù)據(jù)價(jià)值變現(xiàn)皱埠，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)值咖驮。

用戶畫像的關(guān)鍵不是360度分析客戶边器，而是為企業(yè)帶來(lái)商業(yè)價(jià)值，離開了商業(yè)價(jià)值談?dòng)脩舢嬒窬褪撬Ａ髅ビ窝亍＝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)饰抒，從強(qiáng)相關(guān)數(shù)據(jù)出發(fā)肮砾，從業(yè)務(wù)場(chǎng)景應(yīng)用出發(fā)诀黍。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)仗处，找到目標(biāo)客戶眯勾，按照客戶需求來(lái)定制產(chǎn)品，利用數(shù)據(jù)實(shí)現(xiàn)價(jià)值變現(xiàn)婆誓。

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)吃环、個(gè)人屬性數(shù)據(jù)、消費(fèi)數(shù)據(jù)洋幻、信用數(shù)據(jù)和客戶數(shù)據(jù)郁轻，用戶畫像的需求較大。但是缺少社交信息和興趣愛(ài)好信息文留。

到銀行網(wǎng)點(diǎn)來(lái)辦業(yè)務(wù)的人年紀(jì)偏大好唯，未來(lái)消費(fèi)者主要在網(wǎng)上進(jìn)行業(yè)務(wù)辦理。銀行接觸不到客戶燥翅，無(wú)法了解客戶需求骑篙，缺少觸達(dá)客戶的手段。分析客戶森书、了解客戶靶端、找到目標(biāo)客戶、為客戶設(shè)計(jì)其需要的產(chǎn)品凛膏，成了銀行進(jìn)行用戶畫像的主要目的杨名。銀行的主要業(yè)務(wù)需求集中在消費(fèi)金融、財(cái)富管理猖毫、融資服務(wù)镣煮，用戶畫像要從這幾個(gè)角度出發(fā)，尋找目標(biāo)客戶鄙麦。

銀行的客戶數(shù)據(jù)很豐富典唇，數(shù)據(jù)類型和總量較多镊折，系統(tǒng)也很多〗橄危可以嚴(yán)格遵循用戶畫像的五大步驟恨胚。先利用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)集中，篩選出強(qiáng)相關(guān)信息炎咖，對(duì)定量信息定性化赃泡，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)用定制乘盼，結(jié)合業(yè)務(wù)場(chǎng)景需求升熊，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)绸栅，完善數(shù)據(jù)場(chǎng)景設(shè)計(jì)级野，提高目標(biāo)客戶精準(zhǔn)度。找到觸達(dá)客戶的方式粹胯，對(duì)客戶進(jìn)行營(yíng)銷蓖柔，并對(duì)營(yíng)銷效果進(jìn)行反饋，衡量數(shù)據(jù)產(chǎn)品的商業(yè)價(jià)值风纠。利用反饋數(shù)據(jù)來(lái)修正營(yíng)銷活動(dòng)和提高ROI况鸣。形成市場(chǎng)營(yíng)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)竹观。另外DMP還可以深度分析客戶镐捧，依據(jù)客戶的消費(fèi)特征、興趣愛(ài)好臭增、社交需求懂酱、信用信息來(lái)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)支撐速址，并為產(chǎn)品銷售方式提供場(chǎng)景數(shù)據(jù)玩焰。

簡(jiǎn)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)芍锚，發(fā)現(xiàn)信用卡消費(fèi)超過(guò)其月收入的用戶昔园，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)并炮，發(fā)現(xiàn)在銀行資產(chǎn)較少默刚，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)逃魄。

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)荤西。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)可能性較大邪锌，可以為其提供理財(cái)服務(wù)勉躺，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)（攻略觅丰，航線饵溅，景點(diǎn)，費(fèi)用）妇萄，尋找境外游客戶為其提供金融服務(wù)蜕企。

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(gòu)房／消費(fèi)強(qiáng)相關(guān)信息，尋找即將購(gòu)車／購(gòu)房的目標(biāo)客戶冠句，為其提供金融服務(wù)（抵押貸款／消費(fèi)貸款）轻掩。

來(lái)源: 錢塘大數(shù)據(jù)二次整理，TalkingData的鮑忠鐵原文出處懦底，