客户画像原则分析

　　市场上客户画像的方法很多，许多企业也提供客户画像服务，将客户画像提升到很有逼格一件事。金融企业是最早开始客户画像的行业，由于拥有丰富的数据，金融企业在进行客户画像时，对众多纬度的数据无从下手，总是认为客户画像数据纬度越多越好，画像数据越丰富越好，某些输入的数据还设定了权重甚至建立了模型，搞的客户画像是一个巨大而负责的工程。但是费力很大力气进行了画像之后，却发现只剩下了客户画像，和业务相聚甚远，没有办法直接支持业务运营，投入精力巨大但是回报微小，可以说是得不偿失，无法向领导交代。

　　事实上，客户画像涉及数据的纬度需要业务场景结合，既要简单干练又要和业务强相关，既要筛选便捷又要方便进一步操作。客户画像需要坚持三个原则，分别是人口属性和信用信息为主，强相关信息为主，定性数据为主。下面就分别展开进行解释和分析。

　　1、信用信息和人口属性为主

　　描述一个用户的信息很多，信用信息是客户画像中重要的信息，信用信息是描述一个人在社会中的消费能力信息。任何企业进行客户画像的目的是寻找目标客户，其必须是具有潜在消费能力的用户。信用信息可以直接证明客户的消费能力，是客户画像中最重要和基础的信息。一句戏言，所有的信息都是信用信息就是这个道理。其包含消费者工作、收入、学历、财产等信息。

　　定位完目标客户之后，金融企业需要触达客户，人口属性信息就是起到触达客户的作用，人口属性信息包含姓名、性别，电话号码，邮件地址，家庭住址等信息。这些信息可以帮助金融企业联系客户，将产品和服务推销给客户。

　　2、采用强相关信息，忽略弱相关信息

　　我们需要介绍一下强相关信息和弱相关信息。强相关信息就是同场景需求直接相关的信息，其可以是因果信息，也可以是相关程度很高的信息。

　　如果定义采用0到1作为相关系数取值范围的化，0.6以上的相关系数就应该定义为强相关信息。例如在其他条件相同的前提下，35岁左右人的平均工资高于平均年龄为30岁的人，计算机专业毕业的学生平均工资高于哲学专业学生，从事金融行业工作的平均工资高于从事纺织行业的平均工资，上海的平均工资超过海南省平均工资。从这些信息可以看出来人的年龄、学历、职业、地点对收入的影响较大，同收入高低是强相关关系。简单的将，对信用信息影响较大的信息就是强相关信息，反之则是弱相关信息。

　　用户其他的信息，例如用户的身高、体重、姓名、星座等信息，很难从概率上分析出其对消费能力的影响，这些弱相关信息，这些信息就不应该放到客户画像中进行分析，对用户的信用消费能力影响很小，不具有较大的商业价值。

　　客户画像和客群分析时，需要考虑强相关信息，不要考虑弱相关信息，这是客户画像的一个原则。

http://www.mapvision.com.cn/hyxw/747.html

http://www.mapvision.com.cn/hyxw/751.html