金融行业的用户画像搭建与应用

一、什么是用户画像

在移动营销时代里,得用户者得天下,而说到用户则不能不提用户画像。众所周知,商界流传着一句著名的话,那就是“我知道我的广告费有一半是浪费了,但我不知道是那一半被浪费了”。于是大家越来越强调精准投放,精准营销,然而在精准营销的领域里,这一切都离不开用户画像。

那什么是用户画像呢?用户画像就是对客户信息在特定业务场景下的系统描述,即用户信息标签化,通过收集用户社会属性、消费习惯、偏好特征等维度数据,并对这些特征属性进行刻画,分析和挖掘潜在价值信息,从而抽象出一个用户的信息全貌。

 

二、如何构建用户画像

1、数据收集

数据是构成用户画像的基础,没有数据的话,用户画像也无从说起,那如何进行用户数据收集呢?用户数据一般分为静态数据和动态数据。

一般来说,每个公司都会有自己的业务系统,可以收集到用户的基本属性信息和交易信息,例如用户的姓名、年龄、性别和投资产品、投资金额、交易时间等,这些一般是用户的静态数据。而用户的行为信息则是属于动态数据,这个一般是通过SDK埋点所获取的,例如用户注册、登录、页面浏览等事件信息。当然,还有第三方数据的采集购买,但这个是作为第一方数据的补充,在这里就不进行论述了。

2、数据处理

一般我们所获取到的数据都是原始数据来的,原始数据可能会存在着一些数据空缺、重复、或不一致等问题。因此我们还要对原数据进行清洗处理,才能从中抽取出有分析意义的数据,而数据清洗原则通常要结合具体业务场景进行制定。

3、数据打通

现在用户数据获取的来源有多个渠道,而要勾勒一个完整的用户视图,则离不开渠道间的数据打通,例如一个用户可能有多个设备,拥有多个账号,则要把多个身份ID进行组合,建立统一标准,才能构建完整的用户画像。

4、用户数据标签化

用户画像的本质,实际就是“标签化”的用户行为特征,通过给用户“打标签”如年龄、性别、兴趣爱好等,进行高度精炼的特征描述。

金融行业的用户画像搭建与应用-传播蛙

而用户标签一般分为3类:

1)统计类标签:这类标签是最为基础也是最为常见的标签类型,主要是从原始数据中直接提取出来的,例如用户性别、年龄、城市等;

2)规则类标签:这类标签主要基于用户行为及确定规则所产生的,例如“活跃用户”而什么才算是活跃用户,这里标签的规则就主要是由运营人员或数据人员进行确定的;

3)挖掘类标签:这类标签主要是通过数据挖掘所产生,解决的是从无到有的问题,例如用户“性别”未知,但因中国人的名字和性别是强相关的,因此可以利用贝叶斯算法推测该用户性别。

用户标签体系的搭建是用户画像中最为核心的工作,因此在梳理标签体系时尽量按照MECE原则,做到相互独立,完全穷尽。例如下图中互金行业的标签体系搭建。

金融行业的用户画像搭建与应用-传播蛙

三、用户画像的实际运用

不同的企业做用户画像会有不同的战略目的,例如广告平台,主要是为了精准投放,找到目标用户,而内容平台是为了个性化推荐,更好的留住用户,数据类平台,则是进行用户分析,挖掘数据价值,驱动运营增长;

而对于金融行业来说,金融服务目前正在由以产品为中心转向以用户为中心。面对不同的用户类型,用户群体的细分就显得非常重要,例如有些客户是稳健型投资者,偏好保本收益,有些则是激进型投资者,偏好高风险收益,那这时就应该要为不同用户群体设计不同的金融产品。同样,针对不同年龄段、不同职业、不同偏好的用户,所采取的营销策略也会不一样。这时就可以根据用户属性信息、消费特征、兴趣偏好等来为不同的用户提供不同的产品服务与营销策略。

金融行业的用户画像搭建与应用-传播蛙

在精准营销的领域当中,用户画像是必不可缺的,一个好的用户画像可以帮助企业进行产品定位,人群细分,指导营销决策。但用户画像的搭建与使用必须结合具体的业务场景,否则就算是有再多的数据维度,再完整的用户画像,也无法发挥作用。

 

作者:互金营销研究所

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧