在互聯網逐漸步入大數據時代後，用戶的一切日常行為都似乎是“數據化”的。隨著大數據技術的深入研究與應用，企業的專注點日益聚焦於怎樣利用大數據來為自身業務服務，進而深入挖掘潛在的商業價值。於是“用戶畫像”的概念也就應運而生。
具體來講，企業進行用戶畫像時，需要經歷以下四個階段：
1. 數據獲取：
第一步是獲取用戶的基礎數據，通常是人為規定的高度精煉的特徵標識，如年齡、性別、地域、用戶偏好等。
● 人口屬性：
姓名，性別，年齡，電話號碼，郵箱，家庭住址等等都屬於人口屬性信息。用於描述一個人基本特徵的信息，主要作用是幫助企業知道客戶是誰，對客戶群體進行初步的分類。
● 信用屬性：
客戶職業、收入、資產、負債、學歷、信用評分等都屬於信用信息，用於描述用戶收入潛力和收入情況，支付能力。幫助企業瞭解客戶資產情況和信用情況，有利於定位目標客戶。
● 消費特徵：
用於描述客戶主要消費習慣和偏好。幫助企業依據客戶消費特點推薦相關產品和服務，提升營銷轉化率。為了便於篩選客戶，可以參考客戶的消費記錄將客戶直接定性為某些消費特徵人群，例如差旅人群，境外遊人群，餐飲用戶，汽車用戶，母嬰用戶，理財人群等。
● 行為偏好：
興趣愛好的信息可能來源於社交信息、客戶位置信息和應用安裝以及瀏覽網站信息等等。用於描述客戶具有哪方面的興趣愛好，在這些興趣方面可能消費偏好比較高。幫助企業瞭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徵中部分信息有重複。消費特徵來源於已有的消費記錄，但是購買的物品和服務不一定是自己享用，而是代表本人的真實興趣。例如戶外運動愛好者，旅遊愛好者，電影愛好者，科技發燒友，健身愛好者，奢侈品愛好者等。
● 言論信息：
用於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。例如客戶詢問上海哪裡好玩?房屋貸款利率哪家優惠?那個理財產品收益高?
2. 數據分析：
從使用場景出發，進行數據維度分解和列舉。根據相關性原則，選取和戰略目的相關的數據維度，避免產生過多無用數據干擾分析過程。比如互聯網金融的分析體系，就可以從用戶屬性、經營數據、運營數據的分類對數據進行清洗分類：
3. 建模體系：
對用戶畫像進行數據建模，結合客戶實際的需求，找出相關的數據實體，以數據實體為中心規約數據維度類型和關聯關係，形成符合客戶實際情況的建模體系。
4. 應用展示：
將分析結果進行可視化的展示，針對不同角色人員的需求(如市場、銷售、研發等)，設計各角色人員在用戶畫像工具中的使用功能和應用/操作流程。
拍拍信結合內外部數據構建用戶畫像庫並輸出用戶標籤，主要從用戶自身屬性、消費行為、社交行為、設備行為和歷史信貸行為等角度描述用戶的線上行為屬性，可用於反欺詐策略、信用模型和授信調額等，合作方式支持標準化模型分+行為標籤和進場建模等。
拍拍信數據服務（上海）有限公司（簡稱“拍拍信”）作為一家以技術為核心、典型的數據科技企業，擁有海量的基礎數據及業界領先的挖掘建模能力，輸出適用於不同行業應用場景的用戶畫像，促進數據科技在各個行業的普惠價值落地，提升企業各個環節的決策效能。
歡迎有興趣的小夥伴通過官網諮詢我司相關產品。
閱讀更多 拍拍信 的文章
