在互联网逐渐步入大数据时代后，用户的一切日常行为都似乎是“数据化”的。随着大数据技术的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为自身业务服务，进而深入挖掘潜在的商业价值。于是“用户画像”的概念也就应运而生。
具体来讲，企业进行用户画像时，需要经历以下四个阶段：
1. 数据获取：
第一步是获取用户的基础数据，通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等。
● 人口属性：
姓名，性别，年龄，电话号码，邮箱，家庭住址等等都属于人口属性信息。用于描述一个人基本特征的信息，主要作用是帮助企业知道客户是谁，对客户群体进行初步的分类。
● 信用属性：
客户职业、收入、资产、负债、学历、信用评分等都属于信用信息，用于描述用户收入潜力和收入情况，支付能力。帮助企业了解客户资产情况和信用情况，有利于定位目标客户。
● 消费特征：
用于描述客户主要消费习惯和偏好。帮助企业依据客户消费特点推荐相关产品和服务，提升营销转化率。为了便于筛选客户，可以参考客户的消费记录将客户直接定性为某些消费特征人群，例如差旅人群，境外游人群，餐饮用户，汽车用户，母婴用户，理财人群等。
● 行为偏好：
兴趣爱好的信息可能来源于社交信息、客户位置信息和应用安装以及浏览网站信息等等。用于描述客户具有哪方面的兴趣爱好，在这些兴趣方面可能消费偏好比较高。帮助企业了解客户兴趣和消费倾向，定向进行活动营销。兴趣爱好的信息可能会和消费特征中部分信息有重复。消费特征来源于已有的消费记录，但是购买的物品和服务不一定是自己享用，而是代表本人的真实兴趣。例如户外运动爱好者，旅游爱好者，电影爱好者，科技发烧友，健身爱好者，奢侈品爱好者等。
● 言论信息：
用于描述用户在社交媒体的评论，这些信息往往代表用户内心的想法和需求。例如客户询问上海哪里好玩?房屋贷款利率哪家优惠?那个理财产品收益高?
2. 数据分析：
从使用场景出发，进行数据维度分解和列举。根据相关性原则，选取和战略目的相关的数据维度，避免产生过多无用数据干扰分析过程。比如互联网金融的分析体系，就可以从用户属性、经营数据、运营数据的分类对数据进行清洗分类：
3. 建模体系：
对用户画像进行数据建模，结合客户实际的需求，找出相关的数据实体，以数据实体为中心规约数据维度类型和关联关系，形成符合客户实际情况的建模体系。
4. 应用展示：
将分析结果进行可视化的展示，针对不同角色人员的需求(如市场、销售、研发等)，设计各角色人员在用户画像工具中的使用功能和应用/操作流程。
拍拍信结合内外部数据构建用户画像库并输出用户标签，主要从用户自身属性、消费行为、社交行为、设备行为和历史信贷行为等角度描述用户的线上行为属性，可用于反欺诈策略、信用模型和授信调额等，合作方式支持标准化模型分+行为标签和进场建模等。
拍拍信数据服务（上海）有限公司（简称“拍拍信”）作为一家以技术为核心、典型的数据科技企业，拥有海量的基础数据及业界认可的挖掘建模能力，输出适用于不同行业应用场景的用户画像，促进数据科技在各个行业的普惠价值落地，提升企业各个环节的决策效能。
欢迎有兴趣的小伙伴通过官网咨询我司相关产品。
网友评论