浅议企业应如何构建用户画像系统

01

什么是用户画像

用户画像是什么？听起来似乎很高大上的，但其实这是你日常中最熟悉不过的一些信息，如你的性别、年龄、经常出没地点、工资收入、喜好、工作等等，这些都是用户画像的维度。

用户画像（英文名称User Profile），它是根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。大家往往把User Profile和User Persona混淆，后者更恰当的名字是用户角色，是产品设计和用户调研的一种方式和方法。当我们讨论产品、需求、场景、用户体验的时候，往往需要将焦点聚集在某类人群上，用户角色便是一种抽象的方法，是目标用户的集合。

举个例子：「女，白领，25-30岁, 身高170CM，工资15000-20000，211大学，产品经理工作，居住在北京望京，未婚，有男友，喜欢阅读，有房贷，喜欢星巴克，经常加班」，这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信息标签化。

2

为什么需要用户画像

如果企业的经营业务已经达到百亿规模了，如果你还没有用户画像系统，那意味着你缺乏对用户的了解：

• 使用产品的用户长什么样？

• 借款用户长什么样？

• 逾期用户的样子?

• 欺诈用户的样子？

• 你的目标用户在什么地方、年龄段、喜好？

• 用户喜欢的产品有什么样的特征？

• 哪些用户是潜在的客户？

  
  

用户画像的核心工作是利用大数据技术对存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘的基础上，为用户定义各种各样的标签(用户信息标签化)，即通过一系列简短、精炼、易识别的语言来描述一个人或物，而“标签”是能表示用户某一维度特征的标识。定义用户标签的重要目的之一是为了让人能够理解并且方便计算机处理，例如可以做分类统计：

• 下载APP的时间男性比率多少？

• 哪些人申请了产品，产品的分布区间？

• 什么年龄段的占比最大？

• 使用金融服务的人分布在那些区域，一线城市的用户有什么喜好？

  
  

用户画像包含的内容并不完全固定，根据行业和产品的不同所关注的特征也有不同。对于大部分互联网公司，用户画像都会包含人口属性和行为特征。人口属性主要指用户的年龄、性别、所在的省份和城市、教育程度、婚姻情况、生育情况、工作所在的行业和职业等。行为特征主要包含活跃度、忠诚度等指标。除了以上较通用的特征，不同类型的网站提取的用户画像各有侧重点。

用户画像可以通过一系列的标签把用户呈现给业务人员，首先可以让业务员（如经纪人、投资顾问）知道目前我的客户是什么样的群体，客户群体的分布情况，针对客户的喜好和投资偏好如何作精准营销等。

提取用户画像，需要处理海量的数据，并花费大量时间成本和人力成本。尽管是如此高成本的事情，大部分公司还是希望能给自己的用户做一份足够精准的用户画像。

那么用户画像有什么作用，能帮助我们达到哪些目标呢? 大体上可以总结为以下几个方面：

1. 精准营销：精准直邮、短信、App消息推送、个性化广告等。

2. 风险控制：用户风险偏好、信用信息等。

3. 用户研究：指导产品优化，甚至做到产品功能的私人定制等。

4. 个性服务：个性化推荐、个性化搜索等。

5. 业务决策：排名统计、地域分析、行业趋势、竞品分析等。

2.1. 精准营销

这是企业运营过程中最熟悉的用法，从粗放式到精细化，将用户群体切割成更细的粒度，辅以短信、微信、邮件、电话、活动等手段，驱以关怀、挽回、激励等策略。

• 交叉销售：针对一般客户如何作二次营销和交叉销售，这类客户群体有什么特征。

• 促活：休眠客户的特征是什么，如何去激活这类客户群体，休眠了多久，使用什么样的方式和手段去促活。

• 拉新：我的产品目前用户都是什么类型、性别、年龄和出入地点，如何去拉新用户、使用什么样的策略和营销手段，营销费用投入后拉来的客户都是什么样的客户，成本如何，如何来改进营销方式来减低营销成本。

  
  

2.2.风险控制

针对不同的用户群体画出相应的特征和画像。有助于了解不同的用户群体风险喜好、欺诈概率、正常还款概率等。

• 通过信用审查的客户画像；

• 未通过信用审查的客户画像；

• 高净值客户的用户画像；

• 低净值客户的用户画像；

• 用户的风险偏好与风险测评的画像；

  
  

2.3.用户研究

分析和研究用户的投资习惯和交易信息，指导企业对产品进行优化，根据不同的用户群体做产品的私有功能定制，如证券公司可以针对用户的投资偏好结合产品的特性对不同的用户群体设计不同的产品类型和投资品种，引导用户关注和购买产品。

2.4.个性服务

业务人员通过已有标签或者自定义标签可以任意筛选用户，对用户导入作二次加工。

• 固定标签：业务人员根据T+1固定打好的标签对用户进行筛选，比如选择硕士+广东+北京+有房贷+收入8000-15000这样一类标签，有用户画像系统的话，就很容易实现。筛选后的人群可以进行二次营销、发营销消费、发优惠卷等定向推广活动。

• 标签自定义：业务人员可以自定义标签来进行灵活配置。

• 个性化查询：业务人员可以根据标签来查询这类用户、查看这类人群的画像情况。

  
  

2.5.业务决策

根据用户画像信息， 企业根据用户分布、竞品分析、地域分析、投资热度等多元化统计与分析信息，发现企业业务的优势和劣势， 帮助企业做好相关的业务决策。

3

如何开始制定用户画像方案

3.1.整体架构

3.1.1.数据来源

在定义用户标签前需要作很多工作，首先需要确定数据来源，数据来源包括企业各个应用系统的数据，也包括来自己互联网的数据，这些数据可以是产品数据、客户交易数据、行为数据，也可以是账户数据、资讯数据和营销数据等，企业应做好数据来源规划和设计，做好元数据与主数据管理，然后根据业务需求对数据进行采集、整理、清洗和 转换，保证数据的质量。

3.1.2.业务建模

用户画像和打标签前需要基于业务模型，一般的业务部门对画像和模型没有什么概念，需要数据部门或者信息技术部门的研发人员对业务和模型有深入的理解。不能光指望业务提供比较完整的业务模型出来。数据部门或信息技术部门也不能闭门造车，需要牵头和业务部门一起把模型建立起来。

目前有很多公司花了很大精力和资源建设的所谓用户画像，业务和数据部门对业务需求和模型没有深入理解，缺乏对业务的深入了解，盲目造车，导致系统上线后基本应用使用不起来。

3.1.3.标签展示与应用

用户画像平台关键是输出标签，把过滤或筛选过的用户通过服务输出给第三方应用系统，如精准营销、风险控制、产品销售、客户关系管理、 报表分析平台等系统。

3.2.标签体系

根据用户的数据来源进行数据采集、清洗和转换后，将数据转化为有价值的数据，将数据存储于数据仓库中，然后对数据仓库的原始数据进行统计分析，得到事实标签，再进行业务建模分析，可能通过一些大数据算法如回归分析、决策树等建立用户模型，得到模型标签，随后通过深度学习、机器学习等人工智能技术对数据进行学习，根据学习结果对用户模型进行预测，得到有效的预测标签。

标签体系建设是平台的关键，平台的一期可以先建设原始标签和事实标签，二期三期后项目人员对业务和标签体系有深入的了解后再进行建设。对于标签体系中的标签数量也不求多，其实业务人员常用的标签也有100-300个标签，求精而不求多。标签应该能够精确的反映出用户的特征信息。

3.2.1.原始标签

用户最基本的信息，一般情况下不会经常变动。比如用户的性别、注册情况和用户的学历等信息，永久或长时间不会变动的。

3.2.2.事实标签

事实标签是通过对于原始数据库的数据进行统计分析而来的，比如用户理财次数，是基于用户一段时间内实际理财的行为做的统计。

3.2.3.模型标签

模型标签是以事实标签为基础，通过构建事实标签与业务问题之间的模型，进行模型分析得到。比如，结合用户收入模型和负债醋、用户风险评分、用户存在价值。

3.2.4.预测标签

在模型的基础上做预测，比如预测用户的价值、用户欺诈风险和违约风险等。

3.3.用户画像系统

用户画像系统作为业务使用的展示平台主要有以下功能。

3.3.1.功能模块

以下根据用户画像平台的一些基本业务需求， 列出了几个常用的基本功能模块， 实际上用户画像平台的功能比该基本功能复杂得多。

3.3.2.对外服务

根据业务功能规划定义和设计好服务接口，通过API服务方式向外提供业务服务接口，系统调用接口根据标签筛选用户信息，并将筛选后的用户数据提供给第三方应用系统，如精准营销系统或风险管理系统。

4

结语

一个设计良好的用户画像平台，它不仅仅是企业大数据架构里的重要一环，更深刻的影响着企业精准营销、风险控制、新产品研发等方方面面。用户画像平台作用在于，将数据化的标签或用户信息标签化转换成企业产品的实际运营策略。不同的标签对应不同的用户群体，也对应不同的营销手段并分析用户需求，以达到企业高效运营的目的。

企业如何分析用户，了解用户，提升用户价值和降低公司营销成本，企业应如何在认识业务、感知业务与着力发展业务上任重而道远。