什麼是用戶畫像？金融行業大數據用戶畫像實踐

1、用戶畫像背後的緣由

一、金融消費行爲的改變，企業沒法接觸到客戶

80後、90後總計共有3.4億人口，並日益成爲金融企業主要的消費者。年輕人將主要的時間都消費在移動互聯網，消費在智能手機上。移動APP也成爲全部金融企業的客戶入口、服務入口、消費入口、數據入口。

金融企業愈來愈難面對面接觸到年輕人，瞭解年輕人金融產品的需求。

二、消費者需求出現分化，須要尋找目標客戶

客戶羣體正在出現分化，市場上不多有一種產品和一種金融服務能夠知足全部用戶的需求。金融產品也須要進行細化，爲不一樣客戶提供不一樣產品。

金融企業須要藉助於戶畫像，來了解客戶，找到目標客戶，觸達客戶。

2、用戶畫像的目的

用戶畫像是在瞭解客戶需求和消費能力，以及客戶信用額度的基礎上，尋找潛在產品的目標客戶，並利用畫像信息爲客戶開發產品。

3、用戶畫像工做堅持的原則

用戶畫像涉及數據的緯度須要業務場景結合，既要簡單幹練又要和業務強相關，既要篩選便捷又要方便進一步操做。用戶畫像須要堅持三個原則。

一、信用信息和人口屬性爲主

信用信息是描述一我的在社會中的消費能力信息。信用信息能夠直接證實客戶的消費能力，是用戶畫像中最重要和基礎的信息。包含消費者工做、收入、學歷、財產等信息。

定位完目標客戶以後，金融企業須要觸達客戶，人口屬性信息就是起到觸達客戶的做用，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。這些信息能夠幫助金融企業聯繫客戶，將產品和服務推銷給客戶。

二、採用強相關信息，忽略弱相關信息

強相關信息就是同場景需求直接相關的信息，其能夠是因果信息，也能夠是相關程度很高的信息。

例如在其餘條件相同的前提下，35歲左右人的平均工資高於平均年齡爲30歲的人，計算機專業畢業的學平生均工資高於哲學專業學生，從事金融行業工做的平均工資高於從事紡織行業的平均工資。從這些信息能夠看出來人的年齡、學歷、職業對收入的影響較大，同收入高低是強相關關係。簡單的講，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。

用戶其餘的信息，例如用戶的身高、體重、姓名、星座等信息，很難從機率上分析出其對消費能力的影響，這些弱相關信息，這些信息就不該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。

三、將定量的信息歸類爲定性的信息

畫像的目的是爲產品篩選出目標客戶，定量的信息不利於對客戶進行篩選，須要將定量信息轉化爲定性信息，經過信息類別來篩選人羣。

例如能夠將年齡段對客戶進行劃分，18歲-25歲定義爲年輕人，25歲-35歲定義爲中青年，36-45定義爲中年人等。能夠參考我的收入信息，將人羣定義爲高收入人羣，中等收入人羣，低收入人羣。參考資產信息也能夠將客戶定義爲高、中、低級別。定性信息的類別和方式方法，金融能夠從自身業務出發，沒有固定的模式。

將金融企業各種定量信息，集中在一塊兒，對定性信息進行分類，並進行定性化，有利與對用戶進行篩選，快速定位目標客戶。

4、用戶畫像的方法介紹

金融企業須要結合業務需求進行用戶畫像，從實用角度出發，咱們能夠將用戶畫像信息分紅五類信息。分別是人口屬性，信用屬性，消費特徵，興趣愛好，社交屬性。它們基本覆蓋了業務需求所須要的強相關信息，結合外部場景數據將會產生巨大的商業價值。

一、人口屬性：

用於描述一我的基本特徵的信息，主要做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，家庭住址都屬於人口屬性信息。

二、信用屬性：

用於描述用戶收入潛力和收入狀況，支付能力。幫助企業瞭解客戶資產狀況和信用狀況，有利於定位目標客戶。客戶職業、收入、資產、負債、學歷、信用評分等都屬於信用信息。

三、消費特徵：

用於描述客戶主要消費習慣和消費偏好，用於尋找高頻和高價值客戶。幫助企業依據客戶消費特色推薦相關金融產品和服務，轉化率將很是高。爲了便於篩選客戶，能夠參考客戶的消費記錄將客戶直接定性爲某些消費特徵人羣，例如差旅人羣，境外遊人羣，旅遊人羣，餐飲用戶，汽車用戶，母嬰用戶，理財人羣等。

四、興趣愛好：

幫助企業瞭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徵中部分信息有重複，區別在於數據來源不一樣。消費特徵來源於已有的消費記錄，可是購買的物品和服務不必定是本身享用，可是興趣愛好表明本人的真實興趣。例如戶外運動愛好者，旅遊愛好者，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於社交信息和客戶位置信息。

五、社交信息：

用於描述用戶在社交媒體的評論，這些信息每每表明用戶心裏的想法和需求，具備實時性高，轉化率高的特色。例如客戶詢問上海哪裏好玩?房屋貸款哪家優惠多?那個理財產品好?這些社交信息都是表明客戶多需求，若是企業能夠及時瞭解到，將會有助於產品推廣。

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，能夠將金融企業用戶畫像工做進行細化。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。

1)畫像相關數據的整理和集中

金融企業內部的信息分佈在不一樣的系統中，通常狀況下，人口屬性信息主要集中在客戶關係管理系統，信用信息主要集中在交易系統和產品系統之中，也集中在客戶關係管理系統中，消費特徵主要集中在渠道和產品系統中。

2)找到同業務場景強相關數據

金融企業內部信息較多，在用戶畫像階段不須要對全部信息都採用，只須要採用同業務場景和目標客戶強相關的信息便可，這樣有助於提升產品轉化率，下降ROI，有利於簡單找到業務應用場景，在數據變現過程當中也容易實現。

3)對數據進行分類和標籤化(定量to定性)

金融企業集中了全部信息以後，依據業務需求，對信息進行加工整理，須要對定量的信息進行定性，方便信息分類和篩選。

6、金融行業用戶畫像實踐

1)銀行用戶畫像實踐介紹

銀行具備豐富的交易數據、我的屬性數據、消費數據、信用數據和客戶數據，用戶畫像的需求較大。可是缺乏社交信息和興趣愛好信息。

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，系統也不少。能夠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須要的數據。利用DMP進行基礎標籤和應用定製，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，提升目標客戶精準度。找到觸達客戶的方式，對客戶進行營銷，並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升ROI。造成市場營銷的閉環，實現數據商業價值變現的閉環。

2)保險行業用戶畫像實踐

保險行業的產品是一個長週期產品，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很少，交易方式不是很複雜，數據主要集中在產品系統和交易系統之中，客戶關係管理系統中也包含豐富了信息，可是數據集中在不少保險公司尚未完成，數據倉庫建設可能須要在用戶畫像建設前完成。

7、移動大數據的商業價值

在中國，移動大數據的商業應用剛剛開始，在房地產業、零售行業、金融行業、市場分析等領域取得了一些效果。目前主要的應用在互聯網金融的反欺詐領域。

線上的欺詐行爲具備較高的隱蔽性，很難識別和偵測。P2P貸款用戶很大一部分來源於線上，所以惡意欺詐事件發生在線上的風險遠遠大於線下。中國的不少數據處於封閉狀態，P2P公司在客戶真實信息驗證方面面臨較大的挑戰。

移動大數據能夠驗證P2P客戶的居住地點，例如某個客戶在利用手機申請貸款時，填寫本身居住地是上海。可是P2P企業依據其提供的手機設備信息，發現其過去三個月曆來沒有居住在上海，這我的提交的信息多是假信息，發生惡意欺詐的風險較高。

P2P企業能夠利用移動設備的位置信息，瞭解過去3個月用戶的行爲軌跡。若是某個用戶常常在半夜2點出如今酒吧等危險區域，而且常常有飆車行爲，這個客戶定義成高風險客戶的機率就較高。移動App的使用習慣和某些高風險App也能夠幫助P2P企業識別出用戶的高風險行爲。若是用戶常常在半夜2點頻繁使用App，其成爲高風險客戶的機率就較大。

移動大數據在預防互聯網惡意欺詐和高風險客戶識別方面，已經有了成熟的應用場景。通付盾自2011年起，就開始利用自身不斷完善的網籍庫和海量風險數據，預防互聯網惡意欺詐和識別高風險客戶，並取得了較好的效果。移動大數據應用場景正在被逐步挖掘出來，將來移動大數商業應用將更加廣闊。

用戶畫像是大數據商業應用的重要領域，其實並無多麼複雜，只要掌握用戶畫像的原則和方法，以及實施步驟。結合金融企業的業務場景，用戶畫像能夠幫助金融企業創造商業價值，實現大數據直接變現。

via：大數據人

2016企業革新方案大放送，慧都聯合IBM爲你量身打造大數據專屬解決方案！詳情請諮詢在線客服>>>