基於金融大數據的用戶畫像
4 人贊了文章
隨著經濟以及金融行業的快速發展，金融產品的消費群體逐漸發生著變化，年輕人的理財意識變強，正逐步成為金融產品的主要消費群體，與此同時歷史客戶群體的偏好也在發生著遷移。這種群體性的消費趨向可以為金融企業的營銷活動帶來一定的指導意義，基於呼叫中心的語音分析，可以有針對性的對一些客戶群體進行深入分析。在這裡對於客群的分析是以用戶畫像為基礎而實現的。
什麼是用戶畫像？
林小姐，未婚，90後，吃貨，窮游，白領，月光族。
像這樣，根據多個標籤的描述，我們可以大致想像出這位「林小姐」是一個年輕的上班族，並且喜歡美食和旅行，沒有存款這樣的一個形象，這個打標籤對用戶進行描述的過程就是用戶畫像。從林小姐的標籤中我們可以看到，她並沒有存款，那麼銀行自然不會為她推薦高級理財產品，反而小額的消費分期可能是她所需要的。通過標籤對於客戶進行消費行為定位就是用戶畫像幫助銀行進行客群分類以及篩選客戶的過程。
在大數據環境下，用戶畫像的數據維度包括多個方面，從用戶的人口屬性、商業屬性、動態信息屬性等等多個維度進行刻畫。動態信息屬性包括用戶的各種行為信息、交易信息等等。
不同的客群有著不同的消費理念、不同的消費水平、不同的消費途徑。現在年輕人每天使用智能手機的時間都很長，根據特恩斯市場研究公司（TNS）最近的一項研究顯示，在全球16-30歲之間的用戶每天使用手機的時間，平均為3.2小時，而中國手機用戶的平均使用時間為3.9小時。這項統計結果對於銀行的產品推廣和業務推廣是有指導意義的。
首先，針對於年輕人的產品。年輕人的消費能力並不高，所以推薦高級理財產品的成功率可想而知，相對而言小額消費和理財更適合這個客戶群體。
其次，針對於年輕人更有效的推銷方式。根據上面的研究結果，年輕人使用智能手機的平均時間較其他客群更長，因此在不同的客戶端中的推薦更易被年輕人看到，如微博、公眾號等多種渠道，接觸到年輕人的機會較其他客群更大。
因此，根據對用戶的畫像結果，不同的客群可以有不同的產品進行推薦，實現更加精準的營銷。與此同時，根據不同客群的生活喜歡，採用不同的推銷渠道，也可以使產品推廣取得更好的效率。
用戶畫像的方法？
用戶畫像實現的方法有多種，不同行業的畫像方式與角度都各不相同，畫像的維度並不是越多越好，要根據業務的運作規則選定合適的標籤內容，才可以讓畫像結果更好的服務於業務需求。
用戶畫像主要包括一下幾個方面：
1、 信用信息和人口屬性為主
畫像中最為重要的信息就是客戶的人口屬性相關的信息，包括年齡、性別、地域、學歷、收入、職業、婚姻狀況等等，其中暗含了客戶的消費能力、消費態度等信息。這些信息對於指導銀行理解客戶行為有著重要的作用。
2、 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，其可以是因果信息，也可以是相關程度很高的信息。例如，年齡、學歷、職業都是強相關信息，因為這些特徵對信用信息影響較大，反之則是弱相關信息。而類似客戶的身高、體重、姓名等信息，很難從概率上分析出其對消費能力的影響，這些弱相關信息，這些信息就不應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，不具有較大的商業價值。
用戶畫像和用戶分析時，需要考慮強相關信息，不要考慮弱相關信息。
3、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，定量的信息不利於對客戶進行篩選，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-30歲標記為年輕人，31歲-40歲標記為中青年，41-50標記為中年人等。定性信息的類別和方式方法，金融企業可以從自身業務出發，具體情況具體分析，並沒有固定的模式。
將各類定量信息集中在一起，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。
總結
用戶畫像是大數據商業的一個重要的領域，根據不同的場景，實現方式較為簡單，但是對於業務的運作以及產品的推廣都具有重要指導的意義。用戶畫像為客群分析、客戶行為分析、營銷分析等各個方面都提供了統計意義上的支撐與輔助。金融大數據實驗室致力於數據應用基礎的服務，要面向金融行業，電子產品渠道方面提供語音大數據分析雲，客戶行為分析系統等的解決方案。基於底層分散式大數據平台，為客服體系的語音相關數據進行深入分析挖掘，如客服畫像產品、智能質檢產品、智能分析產品、電銷質檢產品，從上到下做交互數據的採集，用戶意圖分析，狀態屬性刻畫，績效指標檢測、交易誠意，動態干預是這個分析的過程。為金融行業呼叫中心提供完善的大數據應用產品解決方案。
推薦閱讀：