金融行業大數據用戶畫像實踐

佚名

80后、90后總計共有3.4億人口，并日益成為金融企業主要的消費者，但是他們的金融消費習慣正在改變，他們不愿意到金融網點辦理業務，不喜歡被動接受金融產品和服務。年輕人將主要的時間都消費在移動互聯網上，消費在智能手機上。平均每個人，每天使用智能手機的時間超過了3小時，年輕人可能會超過4個小時。瀏覽手機已經成為工作和睡覺之后，人類第三大生活習慣，移動APP也成為所有金融企業的客戶入口、服務入口、消費入口、數據入口。

金融企業越來越難面對面接觸到年輕人，無法像過去一樣，從對話中了解年輕人的想法，了解年輕人金融產品的需求。

用戶畫像的目的

用戶畫像是在了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，并利用畫像信息為客戶開發產品。

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的理解和需求。例如，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。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。 從商業角度出發的用戶畫像對企業具有很大的價值，用戶畫像目的有兩個：一個是從業務場景出發，尋找目標客戶。另外一個就是，參考用戶畫像的信息，為用戶設計產品或開展營銷活動。

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規格的一件事。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，搞得用戶畫像成為一個巨大而復雜的工程。但是費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。

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。

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，只需要找到這幾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。

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得過于復雜，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價值，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。

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。

依據業務需求引入外部數據 利用數據進行畫像的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。

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，實現數據商業變現的重要方式。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。

金融行業用戶畫像實踐

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。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 尋找境外游客用戶利用自身卡消費數據+移動設備位置信息+社交號境外強相關數據（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）。

保險行業用戶畫像 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了豐富信息，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。

證券行業用戶畫像 2015年4月13日，一碼通實施之后，證券行業面臨了互聯網證券平臺的強力競爭。依據某機構發布的金融App排行榜，移動互聯網證券App，排名前5位的證券類App，只有一家傳統券商。排名第一的互聯網券商是排名第一傳統券商的6倍，前三名的互聯網券商總體覆蓋用戶接近6000萬用戶。

用戶總數還在不斷增加。傳統證券行業現在面臨的主要挑戰是用戶交易賬戶的爭奪，證券行業如何增加新用戶，如何留住用戶，如何提高證券行業用戶的活躍，如何提高單個客戶的收入，是證券行業主要的業務需求。

證券行業擁有的數據類型有個人屬性信息例如用戶名稱，手機號碼，家庭地址，郵件地址等。證券公司還擁有交易用戶的資產和交易記錄，同時還擁有用戶收益數據。利用這些數據和外部數據，證券公司可以建立業務場景，篩選目標客戶，為用戶提供適合的產品，同時提高單個客戶收入。證券公司可以利用用戶畫像數據來進行產品設計。用戶畫像和用戶分析可以幫助證券公司創造商業價值。