金融行业大数据用户画像实践

1. 金融业用户画像的目的

1）寻找目标用户

2）参考用户画像，设计产品或者营销活动

2. 金融行业用户画像的原则

1）人口信息和信用信息为主

2）保留强相关特征，忽略弱相关特征（金融行业主要考虑与收入、消费能力有关的特征）

3）将定量特征归类为定性特征（如年轻人、中青年、高收入人群等），便于快速定位目标人群，指导业务有效开展

3. 用户画像的主要维度

1）人口属性：能定位到用户是谁的信息。包括姓名、性别、电话号码、邮箱、家庭住址等

2）信用属性：描述收入和收入潜力情况的信息。包括职业、收入、资产、负债、学历、信用评分等

3）消费特征：描述消费偏好，用户找到高频和高价值客户。包括差旅人群、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）兴趣爱好：用户定向营销活动。包括旅游爱好者、科技发烧友、健身爱好者、奢侈品爱好者等

5）社交信息：用户的社交媒体评论，用于了解到用户的近期需求，如在哪旅游、是否正要买车

4. 银行用户画像实践

1）分期客户：银联数据+自身数据+信用卡数据，找到信用卡消费超过月收入的人群

2）高端资产客户：银联数据+移动位置数据（住宅区）+物业费代扣数据+自身数据+汽车型号数据，发现在本行存资少，其他行资产多的客户

3）理财客户：银联数据+理财产品客户端+电商数据，找到工资转移到外部，但实际消费流水不高的用户，说明主要用户互联网理财

4）境外游客户：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）

5）贷款用户：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）

5. 保险行业用户画像实践

1）车险客户：外部养车APP活跃

2）意外险和保障险：移动设备信息，找到户外运动人群和商旅人群

3）寿险、养老险、教育险等：依靠用户所处生命阶段

6. 证券行业用户画像实践

1）理财客户：账户余额高+交易不频繁用户

2）基金客户：年化投资收益<5% + 交易不频繁

3）融资客户：年化投资收益高+交易频繁

4）财富管理客户：账户余额很高+年化投资收益低+交易不频繁

7. 外部数据源

1）社交媒体信息

2）呼叫中心

3）垂直论坛：汽车、母婴等

4）移动轨迹信息：住宅区、消费地区、工作地区等，同时可以作为对用户信息的检验（是否是真实的高收入人群？）

5）APP使用信息：与运营商、推送SDK公司等合作