百亿规模金融架构实践:你为什么需要用户画像?

2018/05/16 09:24

新知图谱, 百亿规模金融架构实践:你为什么需要用户画像?

1.什么是用户画像

用户画像是啥?听起来很高大上的,其实你最熟悉不过了。你的性别、年龄、经常出没地点、工资收入、喜好等等这些都是用户画像的维度。

用户画像的正式名称是User Profile,大家往往把它和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。

举个栗子:「女,白领,25-30岁,工资15000-20000,211大学,IT测试工作,居住在北京回龙观,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。

新知图谱, 百亿规模金融架构实践:你为什么需要用户画像?

2.为什么需要用户画像

业务已经有百亿规模了,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?

用户画像的核心工作是为用户打标签,打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,如,可以做分类统计:下载APP的时间男性比率多少,那些人申请了产品,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。

用户画像可以通过一系列的标签把用户呈现给业务人员,首先业务知道目前我的客户是什么样的群体,如何作精准营销。

2.1.精准营销

这是运营最熟悉的玩法,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、推送、邮件、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:沉睡客户的特征是什么,如何去激活这类客群,沉睡了多久,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

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。

通过信审的客户画像;

未通过信审的客户画像;

M1的客户画像;

M3的客户画像;

2.3.自助工具

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,比如选择本科+广东+福建+有房贷+收入3000+5000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。

自助查询: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。

3.如何开始

3.1.整体架构

新知图谱, 百亿规模金融架构实践:你为什么需要用户画像?

3.1.1.数据来源

打标签前需要作很多工作,数据需要首先作整理和清洗,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,需要数据部门的人对业务和模型理解。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。

我看过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理解,上线后基本用不起来。

3.1.3.标签

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其它系统,精准营销、风险控制、二次销售之类的都可以。

3.2.标签体系

从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,得到模型标签,再进行模型预测,得到预测标签。

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。

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。

新知图谱, 百亿规模金融架构实践:你为什么需要用户画像?

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

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

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

新知图谱, 百亿规模金融架构实践:你为什么需要用户画像?

3.3.2.对外服务

封装好服务,业务通过标签筛选后用户提供给其它系统,如精准营销系统或风险系统。

4.小结

一个好的用户画像平台,不仅是大数据架构里重要一环,更是牵动着精确营销、风险、新产品研发等方方面面。画像平台作用在于,将数据化的标签,将用户信息标签化,转换成产品运营策略。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,以达到我们的运营目的。

分析我们的用户,了解我们的用户,提升用户价值和降低公司营销成本,任重而道远。

更多新知

知识库

已收录新知