用户画像理解

一、用户画像几大模块

• 结合业务设定指标体系，从常用的用户属性、行为、消费、风险控制这4个维度设定指标体系。

• 用户画像的存储：标签相关数据的存储，包括Hive存储、MySQL存储、HBase存储和Elasticsearch存储。不同的存储方式适用于不同的场景和业务需要。

• 标签数据及相关脚本的开发是用户画像构建工作的重点:常见的统计类、规则类、挖掘类、流式计算类标签以及用户特征库等与用户相关的数据的开发，还进一步介绍了如何计算人群数据、打通数据到服务层通路的开发。通过GraphX图计算用户2度关系熟人的案例介绍了如何深度挖掘用户间的关联关系。

• 用户画像的应用场景，包括、用户特征分析、短信、邮件、站内信、Push消息的精准推送、客服针对用户的不同话术、针对高价值用户的极速退货退款等VIP服务应用、经营分析、精准营销、个性化推荐、应用方向，方便业务人员、产品经理、数据分析师更好地了解用户、触达用户。

二、数据架构

三、指标体系

建立的用户标签按标签类型可以分为统计类、规则类和机器学习挖掘类。从建立的标签维度来看，可以将其分为用户属性类、用户行为类、用户消费类和风险控制类等常见类型。

• 用户属性维度：用户属性是刻画用户的基础。常见用户属性指标包括：用户的年龄、性别、安装时间、注册状态、城市、省份、活跃登录地、历史购买状态、历史购买金额等。

• 行为属性维度：通过用户行为可以挖掘其偏好和特征。常见用户行为维度指标包括：用户订单相关行为、下单/访问行为、用户近30天行为类型指标、用户高频活跃时间段、用户购买品类、点击偏好、营销敏感度等相关行为。

• 消费属性维度：，可从用户浏览、加购、下单、收藏、搜索商品对应的品类入手，品类越细越精确，给用户推荐或营销商品的准确性越高。如图2-1所示，根据用户相关行为对应商品品类建设指标体系，本案例精确到商品三级品类。

• 风控属性维度：互联网企业的用户可能会遇到薅羊毛、恶意刷单、借贷欺诈等行为的用户，为了防止这类用户给平台带来损失和风险，互联网公司需要在风险控制维度构建起相关的指标体系，有效监控平台的不良用户。结合公司业务方向，例如可从账号风险、设备风险、借贷风险等维度入手构建风控维度标签体系。下面详细介绍一些常见的风险控制维度的标签示例，如表2-4所示。

• 社交属性维度：用于了解用户的家庭成员、社交关系、社交偏好、社交活跃程度等方面，通过这些信息可以更好地为用户提供个性化服务。表2-5是常用的社交属性维度标签示例。

四、 标签体系

·标签数据开发：用户画像工程化的重点模块，包含统计类、规则类、挖掘类、流式计算类标签的开发，以及人群计算功能的开发，打通画像数据和各业务系统之间的通路，提供接口服务等开发内容。

• 1.统计类标签
  最常见标签：性别、年龄、城市等
• 2.规则类别标签
  基于用户行为确定的规则产生：对平台“投资活跃用户”定义为“近30天投资大于2次”
• 3.机器学习挖掘标签
  对于用户属性或者行为进行预判断
• 4.流式计算类标签

面向人群

只有业务人员在日常工作中真正应用画像数据、画像产品，才能更好地推动画像标签的迭代优化，带来流量提升和营收增长，产出业绩价值。

五、用户画像应用

1.构建知识图谱

2.经营分析

画像可帮助业务从多方面进行经营分析

3.用户分析

ُ助画像可以了解平台用户性别、年龄、职业等特征的分布特征

4.商品分析

ُ用户画像，可以对商品销量进行分析，比如说可以快速定
位到爆款，进一步分析爆款的特征。

5.精准营销

找到特定人群邮件，短信，电话营销。

6.个性化推荐

用户画像的开发过程中不仅会开发用户标签维度的数据，同时
也会开发用户行为特征库、商品特征库、商家特征库相关数据。为
算法开发人员做用户相关商品，内容的个性化推荐提供支持。

7.风控反欺诈

分析欺诈团伙，欺诈特征，高危人群

六、 金融领域的应用

1.银行

银行具有丰富的交易数据、个人属性数据、消费数据、信用数据和客户数据，用户画像的需求较大。但是缺少社交信息和兴趣爱好信息。银行的客户数据很丰富，数据类型和总量较多，系统也很多。
A：寻找分期客户
利用银联数据＋自身数据＋信用卡数据，发现信用卡消费超过其月收入的用户，推荐其进行消费分期。

B：寻找高端资产客户
利用银联数据＋移动位置数据（别墅／高档小区）＋物业费代扣数据＋银行自身数据＋汽车型号数据，发现在银行资产较少，在其他行资产较多的用户，为其提供高端资产管理服务

C：需找理财客户
利用自身数据（交易＋工资）＋移动端理财客户端／电商活跃数据。发现客户将工资／资产转到外部，但是电商消费不活跃客户，其互联网理财可能性较大，可以为其提供理财服务，将资金留在本行。

D：寻找境外游客户
利用自身卡消费数据＋移动设备位置信息＋社交好境外强相关数据（攻略，航线，景点，费用），寻找境外游客户为其提供金融服务。

E：寻找贷款客户：
利用自身数据（人口属性＋信用信息）＋移动设备位置信息＋社交购房／消费强相关信息，寻找即将购车／购房的目标客户，为其提供金融服务（抵押贷款／消费贷款）。

2.保险

保险公司主要数据有人口属性信息，信用信息，产品销售信息，客户家人信息。缺少兴趣爱好、消费特征、社交信息等信息。保险产品主要有寿险，车险，保障，财产险，意外险，养老险，旅游险
保险行业DMP用户画像的业务场景都是围绕保险产品进行的，简单的应用场景可以是。

A：依据自身数据（个人属性）＋外部养车App活跃情况，为保险公司找到车险客户
B：依据自身数据（个人属性）＋移动设备位置信息—户外运动人群，为保险企业找到商旅人群，推销意外险和保障险。
C：依据自身数据（家人数据）＋人生阶段信息，为用户推荐理财保险，寿险，保障保险，养老险，教育险
D：依据自身数据＋外部数据，为高端人士提供财产险和寿险

3.券商

证券行业拥有的数据类型有个人属性信息例如用户名称，手机号码，家庭地址，邮件地址等。证券公司还拥有交易用户的资产和交易纪录，同时还拥有用户收益数据，利用这些数据和外部数据，证券公司可以利用数据建立业务场景，筛选目标客户，为用户提供适合的产品，同时提高单个客户收入。

商业银行理财app

1.p2p app:
玖富钱包、悟空理财、宜人财富、陆金所

2.综合性
支付宝、度小满金融、京东金融、、

3.知名公司
小米金融、滴滴金融、携程金融、捷信金融、国美金融、苏宁金融

3.其他
比财

参考文献
1.http://www.woshipm.com/pmd/226648.html
2.https://blog.csdn.net/weixin_42058609/article/details/104949741?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase