投稿入口|熱門專題|網站地圖|移動官網|微信編輯器
您的當前位置:網站首頁 > 用戶運營 > 正文

互聯網金融行業大數據用戶畫像分析

來源:未知 編輯:小螞蟻 時間:2019-07-09 00:08:24 閱讀:

   用戶畫像是當前大數據領域的一種典型應用,精確有效的用戶畫像,依賴于從大量的數據中提取正確的特征,這需要一個強大的數據管理系統作為支撐。金融消費者逐漸年輕化,80、90后成為客戶主力,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制產品。 本文來自小螞蟻站長吧

  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。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。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,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。
  金融企業需要借助于戶畫像,來了解客戶,找到目標客戶,觸達客戶。
本文來自小螞蟻站長吧

  互聯網金融行業大數據用戶畫像分析

本文來自小螞蟻站長吧

  二、用戶畫像的含義

  用戶畫像(persona)的概念最早由交互設計之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真實用戶的虛擬代表,是建立在一系列屬性數據之上的目標用戶模型。隨著互聯網的發展,現在我們說的用戶畫像又包含了新的內涵——通常用戶畫像是根據用戶人口學特征、網絡瀏覽內容、網絡社交活動和消費行為等信息而抽象出的一個標簽化的用戶模型。構建用戶畫像的核心工作,主要是利用存儲在服務器上的海量日志和數據庫里的大量數據進行分析和挖掘,給用戶貼“標簽”,而“標簽”是能表示用戶某一維度特征的標識。具體的標簽形式可以參考下圖某網站給其中一個用戶打的標簽。

內容來自小螞蟻站長吧

 三、用戶畫像的作用

  提取用戶畫像,需要處理海量的日志,花費大量時間和人力。盡管是如此高成本的事情,大部分公司還是希望能給自己的用戶做一份足夠精準的用戶畫像。
  那么用戶畫像有什么作用,能幫助我們達到哪些目標呢?
  大體上可以總結為以下幾個方面:
  1.精準營銷:精準直郵、短信、App消息推送、個性化廣告等。
  2.用戶研究:指導產品優化,甚至做到產品功能的私人定制等。
  3.個性服務:個性化推薦、個性化搜索等。

copyright 小螞蟻站長吧

  4.業務決策:排名統計、地域分析、行業趨勢、競品分析等。

內容來自小螞蟻站長吧

  四、用戶畫像的內容

  用戶畫像包含的內容并不完全固定,根據行業和產品的不同所關注的特征也有不同。對于大部分互聯網公司,用戶畫像都會包含人口屬性和行為特征。人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等。行為特征主要包含活躍度、忠誠度等指標。
  除了以上較通用的特征,不同類型的網站提取的用戶畫像各有側重點。
  以內容為主的媒體或閱讀類網站,還有搜索引擎或通用導航類網站,往往會提取用戶對瀏覽內容的興趣特征,比如體育類、娛樂類、美食類、理財類、旅游類、房產類、汽車類等等。
  社交網站的用戶畫像,也會提取用戶的社交網絡,從中可以發現關系緊密的用戶群和在社群中起到意見領袖作用的明星節點。 copyright 小螞蟻站長吧
  電商購物網站的用戶畫像,一般會提取用戶的網購興趣和消費能力等指標。網購興趣主要指用戶在網購時的類目偏好,比如服飾類、箱包類、居家類、母嬰類、洗護類、飲食類等。
  消費能力指用戶的購買力,如果做得足夠細致,可以把用戶的實際消費水平和在每個類目的心理消費水平區分開,分別建立特征緯度。
  另外還可以加上用戶的環境屬性,比如當前時間、訪問地點LBS特征、當地天氣、節假日情況等。
  當然,對于特定的網站或App,肯定又有特殊關注的用戶緯度,就需要把這些維度做到更加細化,從而能給用戶提供更精準的個性化服務和內容。
http://www.oosdex.icu/

互聯網金融行業大數據用戶畫像分析

本文來自小螞蟻站長吧

   五、用戶畫像的目的

  用戶畫像是在了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,并利用畫像信息為客戶開發產品。
  http://www.oosdex.icu/

  六、用戶畫像的生產

  用戶特征的提取即用戶畫像的生產過程,大致可以分為以下幾步:
  1.用戶建模,指確定提取的用戶特征維度,和需要使用到的數據源。
  2.數據收集,通過數據收集工具,如Flume或自己寫的腳本程序,把需要使用的數據統一存放到Hadoop集群。
  3.數據清理,數據清理的過程通常位于Hadoop集群,也有可能與數據收集同時進行,這一步的主要工作,是把收集到各種來源、雜亂無章的數據進行字段提取,得到關注的目標特征。
  4.模型訓練,有些特征可能無法直接從數據清理得到,比如用戶感興趣的內容或用戶的消費水平,那么可以通過收集到的已知特征進行學習和預測。
  5.屬性預測,利用訓練得到的模型和用戶的已知特征,預測用戶的未知特征。 本文來自小螞蟻站長吧
  6.數據合并,把用戶通過各種數據源提取的特征進行合并,并給出一定的可信度。
  7.數據分發,對于合并后的結果數據,分發到精準營銷、個性化推薦、CRM等各個平臺,提供數據支持。

內容來自小螞蟻站長吧

  互聯網金融行業大數據用戶畫像分析

http://www.oosdex.icu/

  下面以用戶性別為例,具體介紹特征提取的過程:
  1.提取用戶自己填寫的資料,比如注冊時或者活動中填寫的性別資料,這些數據準確率一般很高。
  2. 提取用戶的稱謂,如文本中有提到的對方稱呼,例如:xxx先生/女士,這個數據也比較準。
  3. 根據用戶姓名預測用戶性別,這是一個二分類問題,可以提取用戶的名字部分(百家姓與性別沒有相關性),然后用樸素貝葉斯分類器訓練一個分類器。過程中遇到了生僻字問題,比如“甄嬛”的“嬛”,由于在名字中出現的少,因此分類器無法進行正確分類。考慮到漢字都是由偏旁部首組成,且偏旁部首也常常具有特殊含義(很多與性別具有相關性,比如草字頭傾向女性,金字旁傾向男性),我們利用五筆輸入法分解單字,再把名字本身和五筆打法的字母一起放到LR分類器進行訓練。比如,“嬛”字的打法:『 女V+罒L+一G+衣E = VLGE 』,這里的女字旁就很有女性傾向。 本文來自小螞蟻站長吧
  4. 另外還有一些特征可以利用,比如用戶訪問過的網站,經常訪問一些美妝或女性服飾類網站,是女性的可能性就高;訪問體育軍事類網站,是男性的可能性就高。還有用戶上網的時間段,經常深夜上網的用戶男性的可能性就高。把這些特征加入到LR分類器進行訓練,也能提高一定的數據覆蓋率。
  數據管理系統
  用戶畫像涉及到大量的數據處理和特征提取工作,往往需要用到多數據來源,且多人并行處理數據和生成特征。因此,需要一個數據管理系統來對數據統一進行合并存儲和分發。我們的系統以約定的目錄結構來組織數據,基本目錄層級為:/user_tag/屬性/日期/來源_作者/。以性別特征為例,開發者dev1從用戶姓名提取的性別數據存放路徑為 /user_tag/gender/20170101/name_dev1,開發者dev2從用戶填寫資料提取的性別數據存放路徑為 /user_tag/gender/20170102/raw_dev2。

內容來自小螞蟻站長吧


  從每種來源提取的數據可信度是不同的,所以各來源提取的數據必須給出一定的權重,約定一般為0-1之間的一個概率值,這樣系統在做數據的自動合并時,只需要做簡單的加權求和,并歸一化輸出到集群,存儲到事先定義好的Hive表。接下來就是數據增量更新到HBase、ES、Spark集群等更多應用服務集群。

本文來自小螞蟻站長吧

  互聯網金融行業大數據用戶畫像分析 copyright 小螞蟻站長吧

  七、用戶畫像工作堅持的原則

  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。用戶畫像需要堅持三個原則。
  1、信用信息和人口屬性為主
  信用信息是描述一個人在社會中的消費能力信息。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。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。
  2、采用強相關信息,忽略弱相關信息 本文來自小螞蟻站長吧
  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。從這些信息可以看出來人的年齡、學歷、職業對收入的影響較大,同收入高低是強相關關系。簡單的講,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。
  3、將定量的信息歸類為定性的信息
  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。

本文來自小螞蟻站長吧


  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,并進行定性化,有利與對用戶進行篩選,快速定位目標客戶。
copyright 小螞蟻站長吧

 互聯網金融行業大數據用戶畫像分析 本文來自小螞蟻站長吧

  八、用戶畫像的方法介紹

  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,消費特征,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。
  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。 http://www.oosdex.icu/
  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:
  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。

copyright 小螞蟻站長吧


  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?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。

http://www.oosdex.icu/

  九、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。
  2)找到同業務場景強相關數據
  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采用,只需要采用同業務場景和目標客戶強相關的信息即可,這樣有助于提高產品轉化率,降低ROI,有利于簡單找到業務應用場景,在數據變現過程中也容易實現。

http://www.oosdex.icu/

  3)對數據進行分類和標簽化(定量to定性)
  金融企業集中了所有信息之后,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。

http://www.oosdex.icu/

 互聯網金融行業大數據用戶畫像分析 http://www.oosdex.icu/

  十、金融行業用戶畫像實踐

  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。
  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進行基礎標簽和應用定制,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,并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。

http://www.oosdex.icu/

  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,交易方式不是很復雜,數據主要集中在產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。

本文來自小螞蟻站長吧

  十一、移動大數據的商業價值

  在中國,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。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于線上,因此惡意欺詐事件發生在線上的風險遠遠大于線下。中國的很多數據處于封閉狀態,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。
  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。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。

本文來自小螞蟻站長吧


  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。通付盾自2011年起,就開始利用自身不斷完善的網籍庫和海量風險數據,預防互聯網惡意欺詐和識別高風險客戶,并取得了較好的效果。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,其實并沒有多么復雜,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。 內容來自小螞蟻站長吧

圖文精選:

Copyright?2012-2030小螞蟻信息網版權所有 站長QQ:1614558876 粵ICP備14061018號-1


鄭重聲明:本網站資源、信息來源于網絡,完全免費共享,僅供學習和研究使用,版權和著作權歸原作者所有,如有不愿意被轉載的情況,請通知我們QQ1614558876刪除已轉載的信息。

Top 河北时时走势图开奖