企业画像(企业画像是什么意思)

微博实时号养成 2022年08月18日 05:51 133 admin

随着人工智能的高速发展，语音识别、图像识别、机器学习等不少细分领域涌现了大量突破性研究成果。而如今，人工智能已渗透到金融投资领域，且正在深刻地改变着投资领域。在基金行业中，人工智能主要应用于智能投资上，根据研究内容不同，分为以下几种研究方向：通过模式识别预测市场走势、基于深度学习挖掘影响市场的重要因素、基于机器学习方法论进行行业轮动分析研究、基于大数据构建用户画像、基于社交网络与应用软件等使用数据识别并深度了解客户。

今天，我们主要介绍基金行业中用户画像的构建需求。

1.什么是用户画像

官方一点的说法：用户画像是真实用户在网络上的虚拟代表，是建立在一系列真实数据上的目标用户模型。

俗一点来讲：所谓用户画像就是根据用户的利用数据对用户贴标签，这些标签包括多个方面：性别、收入水平、购买能力、消费观念等等。

2.为什么要构建用户画像

2.1. 金融消费行为的改变，企业无法接触到客户

企业画像(企业画像是什么意思)

80后、90后总计共有3.4亿人口，并日益成为金融企业主要的消费者，但是他们的金融消费习惯正在改变，他们不愿意到金融网点办理业务，不喜欢被动接受金融产品和服务。年轻人将主要的时间都消费在移动互联网，消费在智能手机上。浏览手机已经成为工作和睡觉之后的，人类第三大生活习惯，移动APP也成为所有金融企业的客户入口、服务入口、消费入口、数据入口。

金融企业越来越难面对面接触到年轻人，无法像过去一样，从对话中了解年轻人的想法，了解年轻人金融产品的需求。

1.2. 消费者需求出现分化，需要寻找目标客户

客户群体正在出现分化，市场上很少有一种产品和一种金融服务可以满足所有用户的需求。金融企业面对的客户群体基数很大，有的客户高风险偏好高，希望高风险高收益；有的客户风险偏好低，希望稳健收益；有的客户金融理财意识低，只需服务较好即可；有的客户完全没有主意，你说是啥就是啥；有的客户注重体验，有的客户注重实惠，有的客户注重品牌，有的客户注重风险等等。

不同年龄，不同收入，不同职业，不同资产的客户对金融产品的需求都不尽相同。金融企业需要为不同的客户定制产品，满足不同客户的需要。对于金融企业，理财和消费是主要的业务需求。

因此，我们需要利用用户在网络上的足迹（数据），捕捉在现实世界中无法捕获的信息，构建用户画像，对用户的风险偏好、消费能力、信用额度进行分析，给每个客户进行打标签，即对用户进行分类。

3.用户画像的目的

对于基金行业来说，我们根据构建的用户画像，主要可以用于以下几种业务：

3.1 用户挖掘

企业画像(企业画像是什么意思)

对用户进行分类，在了解客户需求和消费能力，以及客户信用额度的基础上寻求潜在的客户；

3.2 精准营销

对客户进行个性化产品制定与推荐，帮助客户精准制定资产配置组合，实现更加精准的营销；

3.3 精准推广

根据不同用户的生活喜好、采取不同的推销渠道，制定更加适用用户的产品推广模式。

3.4 精准服务

对服务进行私人定制，即个性化的服务某类群体甚至某一机构；

3.5 智能推荐

利用关联规则和聚类算法计算，将人群进行关联，实现基于用户的推荐和基于基金产品的推荐；

4. 用户画像的信息

基金行业需要结合业务需求进行用户画像，从实用角度出发，我们可以将用户画像信息分成五类信息。分别是人口属性，信用属性，消费特征，兴趣爱好，社交属性。

4.1 人口属性

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，如何触达用户。姓名，性别，年龄，电话号码，邮箱，家庭住址都属于人口属性信息。

4.2 信用属性

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。客户职业、收入、资产、负债、学历、信用评分等都属于信用信息。

4.3 消费特征

用于描述客户主要消费习惯和消费偏好，用于寻找高频和高价值客户。帮助企业依据客户消费特点推荐相关金融产品和服务，转化率将非常高。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，旅游人群，餐饮用户，汽车用户，母婴用户，理财人群等。

4.4 兴趣爱好

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。

4.5 社交信息

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，具有实时性高，转化率高的特点。

这些用户画像信息归类基本覆盖了业务需求和产品开发所需要的信息，需要对这些信息进行整理和处理。根据业务场景，将定量的数据转化为定性的数据，并将强相关数据进行整理。

5. 构建用户构建基本步骤

5.1 画像相关数据的整理和集中

依据业务场景和画像需求将原始数据进行分类、筛选、归纳、加工等，生成用户画像需要的原始数据。用户画像的纬度信息不是越多越好，只需要找到可五大类画像信息强相关信息，同业务场景强相关信息，同产品和目标客户强相关信息即可。

5.2 找到同业务场景强相关数据

依据用户画像的原则，所有画像信息应该是5大分类的强相关信息。强相关信息是指同业务场景强相关信息，可以帮助基金行业定位目标客户，了解客户潜在需求，开发需求产品。

基金企业内部信息较多，在用户画像阶段不需要对所有信息都采用，只需要采用同业务场景和目标客户强相关的信息即可，这样有助于提高产品转化率，降低ROI，有利于简单找到业务应用场景，在数据变现过程中也容易实现。

5.3 对数据进行分类和标签化（定量to定性）

企业集中了所有信息之后，依据业务需求，对信息进行加工整理，采取相应的算法对定量的信息进行定性，方便信息分类和筛选。将定量信息归纳为定性信息，并依据业务需求进行标签化，有助于企业找到目标客户，并且了解客户的潜在需求，为基金行业的产品找到目标客户，进行精准营销，降低营销成本，提高产品转化率。另外，企业还可以依据客户的消费特征、兴趣爱好、社交信息及时为客户推荐产品，设计产品，优化产品流程。提高产品销售的活跃率，帮助企业更好地为客户设计产品。

5.4 依据业务需求引入外部数据

利用数据进行画像目的主要是为业务场景提供数据支持，包括寻找到产品的目标客户和触达客户。企业自身的数据不足以了解客户的消费特征、兴趣爱好、社交信息。

我们可以引入外部信息来丰富客户画像信息，例如引入银联和电商的信息来丰富消费特征信息，引入移动大数据的位置信息来丰富客户的兴趣爱好信息，引入外部厂商的数据来丰富社交信息等。

以上就是我通过网络查找整理的关于用户画像的相关分享，欢迎一起讨论指教。

南方IT界：金融程序员的专业公众号