一、用戶畫像背后的原因

1、金融消費行為的改變，企業無法接觸到客戶

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。

通過互聯網數據（消費、位置、行為、社交、）分析將更清楚了解他們的習慣及需求。

2、消費者需求出現分化，需要尋找目標客戶

金融企業需要借助于戶畫像，來了解客戶，找到目標客戶，觸達客戶。

二、用戶畫像的目的

1、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。

2、一個是業務場景出發，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。

三、用戶畫像堅持的原則

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。

信用信息和人口屬性為主

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。

采用強相關信息，忽略弱相關信息

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。

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。

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。

四、金融行業用戶畫像維度

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。

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。

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。

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、社交信息：用于描述用戶在社交媒體的評論，這些信息往往代表用戶內心的想法和需求，具有實時性高，轉化率高的特點。

例如客戶詢問上海哪里好玩?澳大利亞墨爾本的交通?房屋貸款哪家優惠多?那個理財產品好?這些社交信息都是代表客戶多需求，如果企業可以及時了解到，將會有助于產品推廣。

這些用戶畫像信息歸類基本覆蓋了業務需求和產品開發所需要的信息，需要對這些信息進行整理和處理。根據業務場景，將定量的數據轉化為定性的數據，并將強相關數據進行整理。

五、金融企業用戶畫像的基本步驟

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。

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。

2、找到同業務場景強相關數據

3、對數據進行分類和標簽化(定量to定性)

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

利用數據進行畫像目的主要時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里，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。

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。

按照業務需求進行篩選客戶

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。

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。

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。

六、外部數據介紹

社交數據就是客戶在社交媒體上發表的言論和行為，可以是評論，文章，圖片，甚至可以是表情符號，音頻和視頻。

社交數據可以依靠第三方平臺，在社交網站上利用爬蟲技術進行獲得(Spider)。社交數據的打通是一個挑戰，如果能夠客戶的授權最好，金融企業就可以將社交數據納入到用戶畫像之中。

社交數據具有實時和反映內心需要的特點，富國銀行已經將社交數據作為分析客戶需求的一個重要數據緯度。

七、移動大數據的商業價值

客戶經常使用的App可以推測用戶的興趣愛好和消費偏好。另外移動設備的位置信息可以幫助金融企業了解客戶行為軌跡、興趣愛好、品牌偏好和消費需求。

移動App提供一切服務，App可以反映用戶喜好

80后、90后的消費行為將會以移動互聯網為主，App的安裝和活躍數據更加能夠反應出年輕人的消費偏好

智能設備的位置信息，商業價值廣大

但中國移動設備位置信息的商業應用才剛剛開始。目前主要的應用在互聯網金融的反欺詐領域。

移動大數據可以驗證P2P客戶的居住地點，例如某個客戶在利用手機申請貸款時，填寫自己居住地是上海。但是P2P企業依據其提供的手機設備信息，發現其過去三個月從來沒有居住在上海，這個人提交的信息可能是假信息，發生惡意欺詐的風險較高。移動設備的位置信息可以辨識出設備持有人的居住地點，幫助P2P公司驗證貸款申請人的居住地。

借款用戶的工作單位是用戶還款能力的強相關信息，具有高薪工作的用戶，其貸款信用違約率較低。這些客戶成為很多貸款平臺積極爭取的客戶，也是惡意欺詐團伙主要假冒的客戶。

某個用戶在申請貸款時，如果聲明自己是工作在上海陸家嘴金融企業的高薪人士，其貸款審批會很快并且額度也會較高。

但是P2P公司利用移動大數據，發現這個用戶在過去的三個月里面，從來沒有出現在陸家嘴，大多數時間在城鄉結合處活動，那么這個用戶惡意欺詐的可能性就較大。

移動大數據可以幫助P2P公司在一定程度上來驗證貸款用戶真實工作地點，降低犯罪分子利用高薪工作進行惡意欺詐的風險。

P2P企業可以利用移動設備的位置信息，了解過去3個月用戶的行為軌跡。如果某個用戶經常在半夜2點出現在酒吧等危險區域，并且經常有飆車行為，這個客戶定義成高風險客戶的概率就較高。