如何構建金融行業大數據用戶畫像？

進入移動互聯網時代之後，金融業務地域限制被打破。金融企業沒有固定業務區域，金融服務面對所有用戶是平的。

金融消費者逐漸年輕化，80、90后成為客戶主力，他們的消費意識和金融意識正在增強。金融服務正在從以產品為中心，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產品尋找目標客戶和為客戶定製產品。

一、用戶畫像背後的原因

1、金融消費行為的改變，企業無法接觸到客戶

80后、90后總計共有3.4億人口，並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產品和服務。

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。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、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。

2、消費者需求出現分化，需要尋找目標客戶

客戶群體正在出現分化，市場上很少有一種產品和一種金融服務可以滿足所有用戶的需求。金融產品也需要進行細化，為不同客戶提供不同產品。

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;有的客戶金融理財意識低，只需服務較好即可;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，不同資產的客戶對金融產品的需求都不盡相同。金融企業需要為不同的客戶定製產品，滿足不同客戶的需要。對於金融企業，理財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，為目標客戶開發設計產品。

金融企業需要藉助於戶畫像，來了解客戶，找到目標客戶，觸達客戶。

二、用戶畫像的目的

用戶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，尋找潛在產品的目標客戶，並利用畫像信息為客戶開發產品。

提到用戶畫像，很多廠商都會提到360度用戶畫像，其實經常360度客戶畫像是一個廣告宣傳用語，根本不存數據可以全面描述客戶，透徹了解客戶。人是非常複雜的動物，信息緯度非常複雜，僅僅依靠外部信息來刻畫客戶內心需要根本不可能。

用戶畫像一詞具有很重的場景因素，不同企業對於用戶畫像有著不同對理解和需求。舉個例子，金融行業和汽車行業對於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、用戶畫像工作堅持的原則

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逼格一件事。

金融企業是最早開始用戶畫像的行業，由於擁有豐富的數據，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，搞的用戶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。

事實上，用戶畫像涉及數據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，既要篩選便捷又要方便進一步操作。

用戶畫像需要堅持三個原則，分別是人口屬性和信用信息為主，強相關信息為主，定性數據為主。下面就分別展開進行解釋和分析。

1、信用信息和人口屬性為主

描述一個用戶的信息很多，信用信息是用戶畫像中重要的信息，信用信息是描述一個人在社會中的消費能力信息。

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。

定位完目標客戶之後，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繫客戶，將產品和服務推銷給客戶。

2、採用強相關信息，忽略弱相關信息

我們需要介紹一下強相關信息和弱相關信息。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。

如果定義採用0到1作為相關係數取值範圍的化，0.6以上的相關係數就應該定義為強相關信息。

例如在其他條件相同的前提下，35歲左右人的平均工資高於平均年齡為30歲的人，計算機專業畢業的學生平均工資高於哲學專業學生，從事金融行業工作的平均工資高於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。

從這些信息可以看出來人的年齡、學歷、職業、地點對收入的影響較大，同收入高低是強相關關係。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。

用戶其他的信息，例如用戶的身高、體重、姓名、星座等信息，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，這是用戶畫像的一個原則。

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-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。

參考資產信息也可以將客戶定義為高、中、低級別。定性信息的類別和方式方法，金融可以從自身業務出發，沒有固定的模式。

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，並進行定性化，有利與對用戶進行篩選，快速定位目標客戶，是用戶畫像的另外一個原則。

四、用戶畫像的方法介紹，不要太複雜

金融企業需要結合業務需求進行用戶畫像，從實用角度出發，我們可以將用戶畫像信息分成五類信息。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需要的強相關信息，結合外部場景數據將會產生巨大的商業價值。

我們先了解下用戶畫像的五大類信息的作用，以及涉及的強相關信息。特別複雜的用戶畫像緯度例如八個緯度，十個緯度信息都不利於商業應用，不建議金融企業進行採用，其他具有價值的信息，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，從這五個緯度信息進行應用就可以了，不需要過於複雜用戶畫像這個工作，同時商業意義也不太大。

1、人口屬性：用於描述一個人基本特徵的信息，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，家庭住址都屬於人口屬性信息。

2、信用屬性：用於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。

3、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點推薦相關金融產品和服務，轉化率將非常高。

為了便於篩選客戶，可以參考客戶的消費記錄將客戶直接定性為某些消費特徵人群，例如差旅人群，境外遊人群，旅遊人群，餐飲用戶，汽車用戶，母嬰用戶，理財人群等。

4、興趣愛好：用於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徵中部分信息有重複，區別在於數據來源不同。

消費特徵來源於已有的消費記錄，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。興趣愛好的信息可能來源於社交信息和客戶位置信息。

5、社交信息：用於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裡好玩?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，將會有助於產品推廣。

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，並將強相關數據進行整理。

五、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。

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同的系統中，一般情況下，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。

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，可以藉助於金融行業自身的文本挖掘能力進行採集和分析，也是可以藉助於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裡好玩的問題，就代表用戶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。

客戶畫像數據主要分為五類，人口屬性、信用信息、消費特徵、興趣愛好、社交信息。

這些數據都分佈在不同的信息系統，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裡面整理和集中，並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。

只需要找到可五大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。

2)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5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、境外遊人群、汽車用戶、旅遊人群、母嬰人群就是消費特徵的強相關信息。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信息。

社交媒體上發表的旅遊需求，旅遊攻略，理財諮詢，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採用，只需要採用同業務場景和目標客戶強相關的信息即可，這樣有助於提高產品轉化率，降低ROI，有利於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的過於複雜，同業務場景關係不大，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，不願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。

金融企業集中了所有信息之後，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台(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複雜數據簡單化，將交易數據定性進行歸類，並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。源於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，並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，將客戶消費特徵進行定性描述，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，旅遊客戶，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，並依據業務需求進行標籤化，有助於金融企業找到目標客戶，並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徵、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。

4)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徵、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徵信息，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。

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複雜的問題，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、騰雲天下、騰訊、微博、前海徵信，各大電商平台等。

市場上數據提供商已經很多，並且數據質量都不錯，需要金融行業一家一家去挖掘，或者委託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，是一個不錯得嘗試。另外各大城市和區域的大數據交易平台，也是一個較好的外部數據引入方式。

5)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到潛在需求，進行產品推銷和設計改良產品。

用戶畫像從業務場景出發，實現數據商業變現重要方式。用戶畫像是數據思維運營過程中到一個重要閉環，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，以商業場景為中，幫助金融企業深度分析客戶，找到目標客戶。

DMP(大數據管理平台)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將畫像數據進行標籤化，利用機器學習演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，未來會成為數據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，並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，為客戶定製金融產品和服務，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台，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出發點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，按照客戶需求來定製產品，利用數據實現價值變現。

六、金融行業用戶畫像時實踐

1)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，提高目標客戶精準度。

• 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，依據客戶的消費特徵、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，並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

利用銀聯數據+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

利用銀聯數據+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：需找理財客戶

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：尋找境外遊客戶

利用自身卡消費數據+移動設備位置信息+社交好境外強相關數據(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)。

2)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，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、消費特徵、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，旅遊險。

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—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

3)證券行業用戶畫像

2015年4月13日，一碼通實施之後，證券行業面臨了互聯網證券平台的強力競爭，依據TalkingData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，只有一家傳統券商華泰證券。

排名第一的互聯網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紀錄，同時還擁有用戶收益數據，利用這些數據和外部數據，證券公司可以利用數據建立業務場景，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，下面舉幾個例子，看看用戶畫像和用戶分析來幫助證券公司創造商業價值。

七、外部數據介紹

金融企業內部數據主要集中在個人屬性，信用屬性和消費特徵上，缺少社交屬性和興趣偏好等信息，這些信息可以通過第三方獲得。

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台，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。

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游的計劃，就會向客戶推銷一些旅遊相關產品。

社交媒體數據正在成為金融企業積極爭取獲得的數據，除了利用網路爬蟲技術到微博上進行數據採集之外，金融企業自身網站上到文本數據採集和呼叫中心(callcenter)紀錄的信息都可以進行文本挖掘。

通過客戶編號，進行打通，將其補充到客戶畫像之中。社交數據需要通過數據挖掘將其定義為結構化數據，並且同業務場景、客戶需求向結合，清晰進行分類。

例如將母嬰論壇發言活躍的用戶定義為潛在教育需求客戶，將學生論壇活躍的客戶定義為學區房需要客戶，將境外自助游論壇上活躍的客戶定義為境外旅遊客戶，將雪球上活躍的客戶定義為理財客戶等。

金融企業完全可以從社交數據中挖掘出客戶近期的消費需求，及時進行市場營銷和定製產品。

興趣愛好數據可以藉助於移動大數據位置信息獲得，客戶手機設備的位置軌跡信息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。

同時移動大數據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。

外部數據引入過程中，金融企業面臨的巨大挑戰是外部數據的覆蓋率，如何打通內外部數據，外部數據同內部客戶的匹配率，外部數據同業務的相關度，外部數據的活躍程度等。

用戶畫像平台(DMP)可以通過技術手段將外部數據引入到金融企業內部，建立標準的標籤體系，提供靈活的用戶畫像方式，按照業務場景進行篩選客戶。

八、移動大數據的商業價值

移動互聯網時代，移動大數據具有較高的商業價值。如果一個用戶不喜歡一個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。

1)移動App提供一切服務，App可以反映用戶喜好

智能手機上安裝的App正在代替PC互聯網為所有客戶提供服務，清晨起床可以看看墨跡天氣，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信息，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眾點評訂餐和買單。中午可以利用攜程App預定家庭旅行機票和酒店，還可以將通過App看看理財產品。

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，可以代表用戶的喜好。例如喜歡理財的客戶，其智能手機上一定會安裝理財App，並經常使用;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的頻率一定會高於其他移動用戶。

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。

2)智能設備的位置信息，商業價值廣大

智能手機設備的位置信息代表了消費者的位置軌跡，這個軌跡可以推測出消費者的消費偏好和習慣。

在美國，移動設備位置信息的商業化較為成熟，GPS數據正在幫助很多企業進行數據變現，提高社會運營效率。

在，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。移動大數據中的位置信息代表了用戶軌跡，商業應用較早。

2014年，美國移動設備位置信息的市場規模接近1000億美金。但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。

線上的欺詐行為具有較高的隱蔽性，很難識別和偵測。P2P貸款用戶很大一部分來源於線上，因此惡意欺詐事件發生在線上的風險遠遠大於線下。的很多數據處於封閉狀態，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台積極爭取的客戶，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，其貸款審批會很快並且額度也會較高。

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，並且經常有飆車行為，這個客戶定義成高風險客戶的概率就較高。

移動App的使用習慣和某些高風險App也可以幫助P2P企業識別出用戶的高風險行為。如果用戶經常在半夜2點頻繁使用App，其成為高風險客戶的概率就較大。

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。

前海徵信、宜信、聚信立、閃銀已經開始利用TalkingData的數據，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，未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，其實並沒有多麼複雜，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，用戶畫像可以幫助金融企業創造商業價值，實現大數據直接變現。

本文來源：錢塘號

掃碼進入知識分享社群

不錯過任何乾貨

往期熱文：