使用者畫像系列——什麼是使用者畫像？金融行業大資料使用者畫像實踐

進入移動網際網路時代之後，金融業務地域限制被打破。金融企業沒有固定業務區域，金融服務面對所有使用者是平的。

金融消費者逐漸年輕化，80、90後成為客戶主力，他們的消費意識和金融意識正在增強。金融服務正在從以産品為中心，轉向以消費者為中心。所有金融行業面對的最大挑戰是消費者的消費行為和消費需求的轉變，金融企業迫切需要為産品尋找目标客戶和為客戶定制産品。

一、使用者畫像背後的原因

1、金融消費行為的改變，企業無法接觸到客戶

80後、90後總計共有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，他們不願意到金融網點辦理業務，不喜歡被動接受金融産品和服務。年輕人将主要的時間都消費在移動網際網路，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。浏覽手機已經成為工作和睡覺之後的，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、資料入口。

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，了解年輕人金融産品的需求。

2、消費者需求出現分化，需要尋找目标客戶

客戶群體正在出現分化，市場上很少有一種産品和一種金融服務可以滿足所有使用者的需求。金融産品也需要進行細化，為不同客戶提供不同産品。

金融企業面對的客戶群體基數很大，有的客戶高風險偏好高，希望高風險高收益；有的客戶風險偏好低，希望穩健收益；有的客戶金融理财意識低，隻需服務較好即可；有的客戶完全沒有主意，你說是啥就是啥；有的客戶注重體驗，有的客戶注重實惠，有的客戶注重品牌，有的客戶注重風險等等。不同年齡，不同收入，不同職業，不同資産的客戶對金融産品的需求都不盡相同。金融企業需要為不同的客戶定制産品，滿足不同客戶的需要。對于金融企業，理财和消費是主要的業務需求。

客戶消費習慣的改變，企業無法接觸到客戶，無法了解客戶需求；

客戶需求的分化，企業需要細分客戶，為目标客戶開發設計産品。

金融企業需要借助于戶畫像，來了解客戶，找到目标客戶，觸達客戶。

二、使用者畫像的目的

使用者畫像是在解客戶需求和消費能力，以及客戶信用額度的基礎上，尋找潛在産品的目标客戶，并利用畫像資訊為客戶開發産品。

提到使用者畫像，很多廠商都會提到360度使用者畫像，其實經常360度客戶畫像是一個廣告宣傳用語，根本不存資料可以全面描述客戶，透徹了解客戶。人是非常複雜的動物，資訊緯度非常複雜，僅僅依靠外部資訊來刻畫客戶内心需要根本不可能。

使用者畫像一詞具有很重的場景因素，不同企業對于使用者畫像有着不同對了解和需求。舉個例子，金融行業和汽車行業對于使用者畫像需求的資訊完全不一樣，資訊緯度也不同，對畫像結果要求也不同。每個行業都有一套适合自己行業的使用者畫像方法，但是其核心都是為客戶服務，為業務場景服務。

使用者畫像本質就是從業務角度出發對使用者進行分析，了解使用者需求，尋找目标客戶。另外一個方面就是，金融企業利用統計的資訊，開發出适合目标客戶的産品。

從商業角度出發的使用者畫像對企業具有很大的價值，使用者畫像目的有兩個。

一個是業務場景出發，尋找目标客戶。另外一個就是，參考使用者畫像的資訊，為使用者設計産品或開展營銷活動。

三、使用者畫像工作堅持的原則

市場上使用者畫像的方法很多，許多企業也提供使用者畫像服務，将使用者畫像提升到很有逼格一件事。金融企業是最早開始使用者畫像的行業，由于擁有豐富的資料，金融企業在進行使用者畫像時，對衆多緯度的資料無從下手，總是認為使用者畫像資料緯度越多越好，畫像資料越豐富越好，某些輸入的資料還設定了權重甚至建立了模型，搞的使用者畫像是一個巨大而負責的工程。但是費力很大力氣進行了畫像之後，卻發現隻剩下了使用者畫像，和業務相聚甚遠，沒有辦法直接支援業務營運，投入精力巨大但是回報微小，可以說是得不償失，無法向上司交代。

事實上，使用者畫像涉及資料的緯度需要業務場景結合，既要簡單幹練又要和業務強相關，既要篩選便捷又要友善進一步操作。使用者畫像需要堅持三個原則，分别是人口屬性和信用資訊為主，強相關資訊為主，定性資料為主。下面就分别展開進行解釋和分析。

1、信用資訊和人口屬性為主

描述一個使用者的資訊很多，信用資訊是使用者畫像中重要的資訊，信用資訊是描述一個人在社會中的消費能力資訊。任何企業進行使用者畫像的目的是尋找目标客戶，其必須是具有潛在消費能力的使用者。信用資訊可以直接證明客戶的消費能力，是使用者畫像中最重要和基礎的資訊。一句戲言，所有的資訊都是信用資訊就是這個道理。其包含消費者工作、收入、學曆、财産等資訊。

定位完目标客戶之後，金融企業需要觸達客戶，人口屬性資訊就是起到觸達客戶的作用，人口屬性資訊包含姓名、性别，電話号碼，郵件位址，家庭住址等資訊。這些資訊可以幫助金融企業聯系客戶，将産品和服務推銷給客戶。

2、采用強相關資訊，忽略弱相關資訊

我們需要介紹一下強相關資訊和弱相關資訊。強相關資訊就是同場景需求直接相關的資訊，其可以是因果資訊，也可以是相關程度很高的資訊。

如果定義采用0到1作為相關系數取值範圍的化，0.6以上的相關系數就應該定義為強相關資訊。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。從這些資訊可以看出來人的年齡、學曆、職業、地點對收入的影響較大，同收入高低是強相關關系。簡單的将，對信用資訊影響較大的資訊就是強相關資訊，反之則是弱相關資訊。

使用者其他的資訊，例如使用者的身高、體重、姓名、星座等資訊，很難從機率上分析出其對消費能力的影響，這些弱相關資訊，這些資訊就不應該放到使用者畫像中進行分析，對使用者的信用消費能力影響很小，不具有較大的商業價值。

使用者畫像和使用者分析時，需要考慮強相關資訊，不要考慮弱相關資訊，這是使用者畫像的一個原則。

3、将定量的資訊歸類為定性的資訊

使用者畫像的目的是為産品篩選出目标客戶，定量的資訊不利于對客戶進行篩選，需要将定量資訊轉化為定性資訊，通過資訊類别來篩選人群。

例如可以将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。可以參考個人收入資訊，将人群定義為高收入人群，中等收入人群，低收入人群。參考資産資訊也可以将客戶定義為高、中、低級别。定性資訊的類别和方式方法，金融可以從自身業務出發，沒有固定的模式。

将金融企業各類定量資訊，集中在一起，對定性資訊進行分類，并進行定性化，有利與對使用者進行篩選，快速定位目标客戶，是使用者畫像的另外一個原則。

四、使用者畫像的方法介紹，不要太複雜

金融企業需要結合業務需求進行使用者畫像，從實用角度出發，我們可以将使用者畫像資訊分成五類資訊。分别是人口屬性，信用屬性，消費特征，興趣愛好，社交屬性。它們基本覆寫了業務需求所需要的強相關資訊，結合外部場景資料将會産生巨大的商業價值。我們先了解下使用者畫像的五大類資訊的作用，以及涉及的強相關資訊。特别複雜的使用者畫像緯度例如八個緯度，十個緯度資訊都不利于商業應用，不建議金融企業進行采用，其他具有價值的資訊，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，從這五個緯度資訊進行應用就可以了，不需要過于複雜使用者畫像這個工作，同時商業意義也不太大。

1、人口屬性：用于描述一個人基本特征的資訊，主要作用是幫助金融企業知道客戶是誰，如何觸達使用者。姓名，性别，年齡，電話号碼，郵箱，家庭住址都屬于人口屬性資訊。

2、信用屬性：用于描述使用者收入潛力和收入情況，支付能力。幫助企業了解客戶資産情況和信用情況，有利于定位目标客戶。客戶職業、收入、資産、負債、學曆、信用評分等都屬于信用資訊。

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産品和服務，轉化率将非常高。為了便于篩選客戶，可以參考客戶的消費記錄将客戶直接定性為某些消費特征人群，例如差旅人群，境外遊人群，旅遊人群，餐飲使用者，汽車使用者，母嬰使用者，理财人群等。

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。興趣愛好的資訊可能會和消費特征中部分資訊有重複，差別在于資料來源不同。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。興趣愛好的資訊可能來源于社交資訊和客戶位置資訊。

5、社交資訊：用于描述使用者在社交媒體的評論，這些資訊往往代表使用者内心的想法和需求，具有實時性高，轉化率高的特點。例如客戶詢問上海哪裡好玩？澳洲墨爾本的交通？房屋貸款哪家優惠多？那個理财産品好？這些社交資訊都是代表客戶多需求，如果企業可以及時了解到，将會有助于産品推廣。

這些使用者畫像資訊歸類基本覆寫了業務需求和産品開發所需要的資訊，需要對這些資訊進行進行整理和處理。根據業務場景，将定量的資料轉化為定性的資料，并将強相關資料進行整理。

五、金融企業使用者畫像的基本步驟如下

參考金融企業的資料類型和業務需求，可以将金融企業使用者畫像工作進行細化。基本上從資料集中到資料處理，從強相關資料到定性分類資料，從引入外部資料到依據業務場景進行篩選目标使用者。

1）畫像相關資料的整理和集中

金融企業内部的資訊分布在不同的系統中，一般情況下，人口屬性資訊主要集中在客戶關系管理系統，信用資訊主要集中在交易系統和産品系統之中，也集中在客戶關系管理系統中，消費特征主要集中在管道和産品系統中。

興趣愛好和社交資訊需要從外部引入，例如客戶的行為軌迹可以代表其興趣愛好和品牌愛好，移動裝置到位置資訊可以提供較為準确的興趣愛好資訊。社交資訊，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。社交資訊往往是實時資訊，商業價值較高，轉化率也較高，是大資料預測方面的主要資訊來源。例如用使用者在社交網站上提出羅馬哪裡好玩的問題，就代表使用者未來可能有出國旅遊的需求；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。

客戶畫像資料主要分為五類，人口屬性、信用資訊、消費特征、興趣愛好、社交資訊。這些資料都分布在不同的資訊系統，金融企業都上線了資料倉庫（DW），所有畫像相關的強相關資訊都可以從資料倉庫裡面整理和集中，并且依據畫像商業需求，利用跑批作業，加工資料，生成使用者畫像的原始資料。

資料倉庫成為使用者畫像資料的主要處理工具，依據業務場景和畫像需求将原始資料進行分類、篩選、歸納、加工等，生成使用者畫像需要的原始資料。

使用者畫像的緯度資訊不是越多越好，隻需要找到可五大類畫像資訊強相關資訊，同業務場景強相關資訊，同産品和目标客戶強相關資訊即可。根本不存在360度的使用者畫像資訊，也不存在豐富的資訊可以完全了解客戶，另外資料的實效性也要重點考慮。

2）找到同業務場景強相關資料

依據使用者畫像的原則，所有畫像資訊應該是5大分類的強相關資訊。強相關資訊是指同業務場景強相關資訊，可以幫助金融行業定位目标客戶，了解客戶潛在需求，開發需求産品。

隻有強相關資訊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、手機号、家庭位址就是能夠觸達客戶的強人口屬性資訊，收入、學曆、職業、資産就是客戶信用資訊的強相關資訊。差旅人群、境外遊人群、汽車使用者、旅遊人群、母嬰人群就是消費特征的強相關資訊。攝影愛好者、遊戲愛好者、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資訊。社交媒體上發表的旅遊需求，旅遊攻略，理财咨詢，汽車需求，房産需求等資訊代表了使用者的内心需求，是社交資訊場景應用的強相關資訊。

金融企業内部資訊較多，在使用者畫像階段不需要對所有資訊都采用，隻需要采用同業務場景和目标客戶強相關的資訊即可，這樣有助于提高産品轉化率，降低ROI，有利于簡單找到業務應用場景，在資料變現過程中也容易實作。

千萬不要将使用者畫像工作搞的過于複雜，同業務場景關系不大，這樣就讓很多金融企業特别是上司失去使用者畫像的興趣，看不到使用者畫像的商業，不願意在大資料領域投資。為企業帶來商業價值才是使用者畫像工作的主要動力和主要目的。

3）對資料進行分類和标簽化（定量to定性）

金融企業集中了所有資訊之後，依據業務需求，對資訊進行加工整理，需要對定量的資訊進行定性，友善資訊分類和篩選。這部分工作建議在資料倉庫進行，不建議在大資料管理平台（DMP）裡進行加工。

定性資訊進行定量分類是使用者畫像的一個重要工作環節，具有較高的業務場景要求，考驗使用者畫像商業需求的轉化。其主要目的是幫助企業将複雜資料簡單化，将交易資料定性進行歸類，并且融入商業分析的要求，對資料進行商業加工。例如可以将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，在尋找目标客戶時，可以通過人生階段進行目标客戶定位。企業可以利用客戶的收入、學曆、資産等情況将客戶分為低、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産資訊，以及交易産品，購買的産品，将客戶消費特征進行定性描述，區分出電商客戶，理财客戶，保險客戶，穩健投資客戶，激進投資客戶，餐飲客戶，旅遊客戶，高端客戶，公務員客戶等。利用外部的資料可以将定性客戶的興趣愛好，例如戶外愛好者，奢侈品愛好者，科技産品發燒友，攝影愛好者，高端汽車需求者等資訊。

将定量資訊歸納為定性資訊，并依據業務需求進行标簽化，有助于金融企業找到目标客戶，并且了解客戶的潛在需求，為金融行業的産品找到目标客戶，進行精準營銷，降低營銷成本，提高産品轉化率。另外金融企業還可以依據客戶的消費特征、興趣愛好、社交資訊及時為客戶推薦産品，設計産品，優化産品流程。提高産品銷售的活躍率，幫助金融企業更好地為客戶設計産品。

4）依據業務需求引入外部資料

利用資料進行畫像目的主要時為業務場景提供資料支援，包括尋找到産品的目标客戶和觸達客戶。金融企業自身的資料不足以了解客戶的消費特征、興趣愛好、社交資訊。

金融企業可以引入外部資訊來豐富客戶畫像資訊，例如引入銀聯和電商的資訊來豐富消費特征資訊，引入移動大資料的位置資訊來豐富客戶的興趣愛好資訊，引入外部廠商的資料來豐富社交資訊等。

外部資訊的緯度較多，内容也很豐富，但是如何引入外部資訊是一項具有挑戰的工作。外部資訊在引入時需要考慮幾個問題，分别是外部資料的覆寫裡，如何和内部資料打通，和内部資訊的比對率，以及資訊的相關程度，還有資料的鮮活度，這些都是引入外部資訊的主要考慮緯度。外部資料魚龍混雜，資料的合規性也是金融企業在引入外部資料時的一個重要考慮，敏感的資訊例如手機号、家庭住址、身份證号在引入或比對時都應該注意隐私問題，基本的原則是不進行資料交換，可以進行資料比對和驗證。

外部資料不會集中在某一家，需要金融企業花費大量時間進行尋找。外部資料和内部資料的打通是個很複雜的問題，手機号／裝置号／身份證号的MD5數值比對是一種好的方法，不涉及隐私資料的交換，可以進行唯一比對。依據行業内部的經驗，沒有一家企業外部資料可以滿足企業要求，外部資料的引入需要多方面資料。一般情況下，資料覆寫率達到70%以上，就是一個非常高的覆寫率。覆寫率達到20%以上就可以進行商業應用了。

金融行業外部資料源較好合作方有銀聯、芝麻信用、營運商、中航信、騰雲天下、騰訊、微網誌、前海征信，各大電商平台等。市場上資料提供商已經很多，并且資料品質都不錯，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資料可以降低資料交易成本，同時也可以降低資料合規風險，是一個不錯得嘗試。另外各大城市和區域的大資料交易平台，也是一個較好的外部資料引入方式。

5）按照業務需求進行篩選客戶（DMP的作用）

使用者畫像主要目的是讓金融企業挖掘已有的資料價值，利用資料畫像技術尋找到目标客戶和客戶到潛在需求，進行産品推銷和設計改良産品。

使用者畫像從業務場景出發，實作資料商業變現重要方式。使用者畫像是資料思維營運過程中到一個重要閉環，幫助金融企業利用資料進行精細化營運和市場營銷，以及産品設計。使用者畫像就是一切以資料商業化營運為中心，以商業場景為中，幫助金融企業深度分析客戶，找到目标客戶。

DMP（大資料管理平台）在整個使用者畫像過程中起到了一個資料變現的作用。從技術角度來講，DMP将畫像資料進行标簽化，利用機器學習算法來找到相似人群，同業務場景深度結合，篩選出具有價值的資料和客戶，定位目标客戶，觸達客戶，對營銷效果進行記錄和回報。大資料管理平台DMP過去主要應用在廣告行業，在金融行業應用不多，未來會成為資料商業應用的主要平台。

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，電子産品重度購買客戶，篩選出金融理财客戶，篩選出高端客戶（在本行資産很少，但是在他行資産很多），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，财富管理等方面等客戶，并且可以觸達這些客戶，提高産品轉化率，利用資料進行價值變現。DMP還可以了解客戶的消費習慣、興趣愛好、以及近期需求，為客戶定制金融産品和服務，進行跨界營銷。利用客戶的消費偏好，提高産品轉化率，提高使用者黏度。

DMP還作為引入外部資料的平台，将外部具有價值的資料引入到金融企業内部，補充使用者畫像資料，建立不同業務應用場景和商業需求，特别是移動大資料、電商資料、社交資料的應用，可以幫助金融企業來進行資料價值變現，讓使用者畫像離商業應用更加近一些，展現使用者畫像的商業價值。

使用者畫像的關鍵不是360度分析客戶，而是為企業帶來商業價值，離開了商業價值談使用者畫像就是耍流氓。金融企業使用者畫像項目出發點一定要從業務需求出發，從強相關資料出發，從業務場景應用出發。使用者畫像的本質就是深度分析客戶，掌握具有價值資料，找到目标客戶，按照客戶需求來定制産品，利用資料實作價值變現。

五、金融行業使用者畫像實踐

1）銀行使用者畫像實踐介紹

銀行具有豐富的交易資料、個人屬性資料、消費資料、信用資料和客戶資料，使用者畫像的需求較大。但是缺少社交資訊和興趣愛好資訊。

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、找到目标客戶、為客戶設計其需要的産品，成了銀行進行使用者畫像的主要目的。銀行的主要業務需求集中在消費金融、财富管理、融資服務，使用者畫像要從這幾個角度出發，尋找目标客戶。

銀行的客戶資料很豐富，資料類型和總量較多，系統也很多。可以嚴格遵循使用者畫像的五大步驟。先利用資料倉庫進行資料集中，篩選出強相關資訊，對定量資訊定性化，生成DMP需要的資料。利用DMP進行基礎标簽和應用定制，結合業務場景需求，進行目标客戶篩選或對使用者進行深度分析。同時利用DMP引入外部資料，完善資料場景設計，提高目标客戶精準度。找到觸達客戶的方式，對客戶進行營銷，并對營銷效果進行回報，衡量資料産品的商業價值。利用回報資料來修正營銷活動和提高ROI。形成市場營銷的閉環，實作資料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、信用資訊來開發設計産品，為金融企業的産品開發提供資料支撐，并為産品銷售方式提供場景資料。

簡單介紹一些DMP可以做到的資料場景變現。

A：尋找分期客戶

利用銀聯資料＋自身資料＋信用卡資料，發現信用卡消費超過其月收入的使用者，推薦其進行消費分期。

B：尋找高端資産客戶

利用銀聯資料＋移動位置資料（别墅／高檔小區）＋物業費代扣資料＋銀行自身資料＋汽車型号資料，發現在銀行資産較少，在其他行資産較多的使用者，為其提供高端資産管理服務

C：需找理财客戶

利用自身資料（交易＋工資）＋移動端理财用戶端／電商活躍資料。發現客戶将工資／資産轉到外部，但是電商消費不活躍客戶，其網際網路理财可能性較大，可以為其提供理财服務，将資金留在本行。

D：尋找境外遊客戶

利用自身卡消費資料＋移動裝置位置資訊＋社交好境外強相關資料（攻略，航線，景點，費用），尋找境外遊客戶為其提供金融服務。

E：尋找貸款客戶：

利用自身資料（人口屬性＋信用資訊）＋移動裝置位置資訊＋社交購房／消費強相關資訊，尋找即将購車／購房的目标客戶，為其提供金融服務（抵押貸款／消費貸款）。

2）保險行業使用者畫像實踐

保險行業的産品是一個長周期産品，保險客戶再次購買保險産品的轉化率很高，經營好老客戶是保險公司一項重要任務。保險公司内部的交易系統不多，交易方式不是很複雜，資料主要集中在産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資訊，但是資料集中在很多保險公司還沒有完成，資料倉庫建設可能需要在使用者畫像建設前完成。

保險公司主要資料有人口屬性資訊，信用資訊，産品銷售資訊，客戶家人資訊。缺少興趣愛好、消費特征、社交資訊等資訊。保險産品主要有壽險，車險，保障，财産險，意外險，養老險，旅遊險。

保險行業DMP使用者畫像的業務場景都是圍繞保險産品進行的，簡單的應用場景可以是。

A：依據自身資料（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：依據自身資料（個人屬性）＋移動裝置位置資訊—戶外運動人群，為保險企業找到商旅人群，推銷意外險和保障險。

C：依據自身資料（家人資料）＋人生階段資訊，為使用者推薦理财保險，壽險，保障保險，養老險，教育險

D：依據自身資料＋外部資料，為高端人士提供财産險和壽險

3）證券行業使用者畫像

2015年4月13日，一碼通實施之後，證券行業面臨了網際網路證券平台的強力競争，依據TalkingData釋出的金融App排行榜，移動網際網路證券App，排名前5位的證券類App，隻有一家傳統券商華泰證券。排名第一的網際網路券商同化順覆裝機量是排名第一傳統券商的6倍，前三名的互聯券商總體覆寫使用者接近6000萬使用者。使用者總數還在不斷增加。傳統證券行業現在面臨的主要挑戰是使用者交易賬戶的争奪，證券行業如何增加新使用者？如何留住使用者？如何提高證券行業使用者的活躍？如何提高單個客戶的收入？是證券行業主要的業務需求。

證券行業擁有的資料類型有個人屬性資訊例如使用者名稱，手機号碼，家庭位址，郵件位址等。證券公司還擁有交易使用者的資産和交易紀錄，同時還擁有使用者收益資料，利用這些資料和外部資料，證券公司可以利用資料建立業務場景，篩選目标客戶，為使用者提供适合的産品，同時提高單個客戶收入。

證券公司可以利用使用者畫像資料來進行産品設計，下面舉幾個例子，看看使用者畫像和使用者分析來幫助證券公司創造商業價值。

六、外部資料介紹

金融企業内部資料主要集中在個人屬性，信用屬性和消費特征上，缺少社交屬性和興趣偏好等資訊，這些資訊可以通過第三方獲得。

社交資料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，圖檔，甚至可以是表情符号，音頻和視訊。社交資料可以依靠第三方平台，在社交網站上利用爬蟲技術進行獲得（Spider）。社交資料的打通是一個挑戰，如果能夠客戶的授權最好，金融企業就可以将社交資料納入到使用者畫像之中。社交資料具有實時和反映内心需要的特點，富國銀行已經将社交資料作為分析客戶需求的一個重要資料緯度。例如如果某一個客戶在社交媒體上發表了一個問題，羅馬有哪些好玩的地方，金融企業就會推測客戶可能近期會有出境遊的計劃，就會向客戶推銷一些旅遊相關産品。

社交媒體資料正在成為金融企業積極争取獲得的資料，除了利用網絡爬蟲技術到微網誌上進行資料采集之外，金融企業自身網站上到文本資料采集和呼叫中心（callcenter）紀錄的資訊都可以進行文本挖掘。通過客戶編号，進行打通，将其補充到客戶畫像之中。社交資料需要通過資料挖掘将其定義為結構化資料，并且同業務場景、客戶需求向結合，清晰進行分類。例如将母嬰論壇發言活躍的使用者定義為潛在教育需求客戶，将學生論壇活躍的客戶定義為學區房需要客戶，将境外自助遊論壇上活躍的客戶定義為境外旅遊客戶，将雪球上活躍的客戶定義為理财客戶等。金融企業完全可以從社交資料中挖掘出客戶近期的消費需求，及時進行市場營銷和定制産品。

興趣愛好資料可以借助于移動大資料位置資訊獲得，客戶手機裝置的位置軌迹資訊可以揭示客戶喜歡何種品牌，喜歡吃辣還是吃火鍋，客戶喜歡旅遊還是喜歡宅在家裡，客戶喜歡看電影還是喜歡運動。客戶喜歡中檔品牌還是高檔品牌，客戶喜歡喝茶還是喝咖啡。移動手機上App的安裝情況和活動頻次一樣可以揭示客戶的興趣和愛好。同時移動大資料進行加工之後還可以告訴金融企業，客戶近期的需求是買車還是買房。

外部資料引入過程中，金融企業面臨的巨大挑戰是外部資料的覆寫率，如何打通内外部資料，外部資料同内部客戶的比對率，外部資料同業務的相關度，外部資料的活躍程度等。使用者畫像平台（DMP）可以通過技術手段将外部資料引入到金融企業内部，建立标準的标簽體系，提供靈活的使用者畫像方式，按照業務場景進行篩選客戶。

七、移動大資料的商業價值

移動網際網路時代，移動大資料具有較高的商業價值。如果一個使用者不喜歡一個App，其不會裝在手機上。客戶經常使用的App可以推測使用者的興趣愛好和消費偏好。另外移動裝置的位置資訊可以幫助金融企業了解客戶行為軌迹、興趣愛好、品牌偏好和消費需求。

1）移動App提供一切服務，App可以反映使用者喜好

智能手機上安裝的App正在代替PC網際網路為所有客戶提供服務，清晨起床可以看看墨迹天氣，了解一下今天的天氣情況。出門時可以通過嘀嘀打車來預定計程車，安排出行。或者通過百度地圖來了解路況資訊，決定進行從哪條路到公司。快到中午時，可以通過餓了嗎或者百度外賣預定午餐，如果想出去吃飯可以利用大衆點評訂餐和買單。中午可以利用攜程App預定家庭旅行機票和酒店，還可以将通過App看看理财産品。如果需要看電影，可以通過格瓦拉來預定要電影票，如果需要看醫生，可以通過微醫網預約醫生。晚上可以通過淘寶來購物，通過學習寶來監督子女教育等。可以看出移動App已經可以滿足人們大部分生活需要，提供了人們的衣食住行、教育、醫療、旅遊、金融等服務。移動App包圍了人們的日常生活，成為人們消費的主要場所。

智能手機上App使用的頻率，可以代表使用者的喜好。例如喜歡理财的客戶，其智能手機上一定會安裝理财App，并經常使用；母嬰人群也會安裝和母嬰相關的App，頻繁使用；商旅人群使用商旅App的頻率一定會高于其他移動使用者。80後、90後的消費行為将會以移動網際網路為主，App的安裝和活躍資料更加能夠反應出年輕人的消費偏好。

2）智能裝置的位置資訊，商業價值廣大

智能手機裝置的位置資訊代表了消費者的位置軌迹，這個軌迹可以推測出消費者的消費偏好和習慣。在美國，移動裝置位置資訊的商業化較為成熟，GPS資料正在幫助很多企業進行資料變現，提高社會營運效率。在中國，移動大資料的商業應用剛剛開始，在房地産業、零售行業、金融行業、市場分析等領域取得了一些效果。移動大資料中的位置資訊代表了使用者軌迹，商業應用較早。2014年，美國移動裝置位置資訊的市場規模接近1000億美金。但中國移動裝置位置資訊的商業應用才剛剛開始。目前主要的應用在網際網路金融的反欺詐領域。

線上的欺詐行為具有較高的隐蔽性，很難識别和偵測。P2P貸款使用者很大一部分來源于線上，是以惡意欺詐事件發生線上上的風險遠遠大于線下。中國的很多資料處于封閉狀态，P2P公司在客戶真實資訊驗證方面面臨較大的挑戰。

移動大資料可以驗證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裝置資訊，發現其過去三個月從來沒有居住在上海，這個人送出的資訊可能是假資訊，發生惡意欺詐的風險較高。移動裝置的位置資訊可以辨識出裝置持有人的居住地點，幫助P2P公司驗證貸款申請人的居住地。

借款使用者的工作機關是使用者還款能力的強相關資訊，具有高薪工作的使用者，其貸款信用違約率較低。這些客戶成為很多貸款平台積極争取的客戶，也是惡意欺詐團夥主要假冒的客戶。

某個使用者在申請貸款時，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公司利用移動大資料，發現這個使用者在過去的三個月裡面，從來沒有出現在陸家嘴，大多數時間在城鄉結合處活動，那麼這個使用者惡意欺詐的可能性就較大。

移動大資料可以幫助P2P公司在一定程度上來驗證貸款使用者真實工作地點，降低犯罪分子利用高薪工作進行惡意欺詐的風險。

P2P企業可以利用移動裝置的位置資訊，了解過去3個月使用者的行為軌迹。如果某個使用者經常在半夜2點出現在酒吧等危險區域，并且經常有飙車行為，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也可以幫助P2P企業識别出使用者的高風險行為。如果使用者經常在半夜2點頻繁使用App，其成為高風險客戶的機率就較大。

移動大資料在預防網際網路惡意欺詐和高風險客戶識别方面，已經有了成熟的應用場景。前海征信、宜信、聚信立、閃銀已經開始利用TalkingData的資料，預防網際網路惡意欺詐和識别高風險客戶，并取得了較好的效果。移動大資料應用場景正在被逐漸挖掘出來，未來移動大數商業應用将更加廣闊。

使用者畫像是大資料商業應用的重要領域，其實并沒有多麼複雜，隻要掌握使用者畫像的原則和方法，以及實施步驟。結合金融企業的業務場景，使用者畫像可以幫助金融企業創造商業價值，實作大資料直接變現。

http://www.36dsj.com/archives/35363