當我們討論產品、需求、場景、用戶體驗時，往往需要將焦點聚集在某類人群上，用戶畫像便是一種抽象的方法，是目標用戶的集合。本文作者對銀行用戶畫像體系的建設進行了分析，希望能給你帶來一些幫助。

用戶畫像的正式英文名稱是User Profile，大家往往把它和User Persona混淆，后者更恰當的名字是用戶角色。用戶畫像是產品設計和用戶分析的一種方法。當我們討論產品、需求、場景、用戶體驗的時候，往往需要將焦點聚集在某類人群上，用戶畫像便是一種抽象的方法，是目標用戶的集合。

舉個例子：“女，白領，25~30歲，工資15000~20000，211大學，IT測試工作，居住在北京回龍觀，未婚，有男友，喜歡閱讀，有房貸，喜歡星巴克，經常加班?！边@樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即用戶信息標簽化。

一、用戶畫像的作用

用戶畫像實際就是一個數據分析工具，幫忙銀行洞察用戶的需求，可以持續改善產品以提升體驗，還有最重要的功能就是精準營銷和精細化運營。

1、廣告投放前一定要清楚你的用戶是誰，長什么樣，比如多大、什么職業、家庭收入，用戶經常出現在什么渠道，有個用戶畫像分析，就可以進行精準的廣告投放，提升投放轉化的ROI。

2、銀行在營銷前最大的痛點就是營銷轉化率太差，營銷客群選擇上太粗放，通常拉一批名單直接營銷，營銷轉化太差，所以導致營銷成本太高。

精準化營銷需要利用用戶畫像平臺，對用戶進行分層、分群，差異化的營銷，根據不同類型的用戶采用不同的營銷策略和不同的觸達方式。

3、個性化推薦需要分析用戶、了解用戶，知道用戶的偏好，有區別的推薦給用戶。

4、通過分析用戶的行為，為用戶打標簽，一個用戶會存在多個標簽，同時根據用戶的行為為不同的標簽賦予不同的權重，通過用戶分析研究不同用戶都有什么樣的特征和偏好，以及核心用戶的屬性、特征、偏好是否有變化。

5、在產品功能迭代的時候，我們需要分析用戶畫像行為數據，去發現用戶流失情況，最典型的一種場景就是漏斗轉化情況，就是基于用戶的行為數據去發現流失嚴重的頁面，從而相對應的去優化對應的頁面。

比如我們發現從下載到點擊付款轉化率特別低，那么有可能就是我們付款的按鈕的做的有問題，就可以針對性的優化按鈕的位置等等。

同時也可以分析這部分轉化率主要是在那部分用戶群體中低，假如發現高齡的用戶的轉化率要比中青年的轉化率低很多，那有可能是因為我們字體的設置以及按鈕本身位置不顯眼等等，還有操作起來不方便等等因素。

二、從0到1建設思路

一個比較成熟的畫像系統，會有成千上百的標簽，這些標簽的生產不是一次完成的，而是隨著業務的發展需要，逐步補充完善，最終呈現在大家眼前的就是一棵龐大的標簽樹。

跟自然界的樹木一樣，要想長得茁壯參天，必須有一個穩定的根基和合理的結構，用戶畫像的構建也是一樣的，前期最重要的仍然是搭好畫像骨架，確保后續的發展過程中，依然保持清晰的結構和高延展性。相反的，如果一開始為了搶時間，將大量標簽無序的堆在線上，后期管理和使用的難度會迅速凸顯出來，重構的代價巨大。

我們看一個銀行用戶畫像體系，其實銀行建設一個好的標簽樹結構要滿足兩個條件，“高概括性”和“強延展性”，高概括性意味著結構體系能夠很好的包含一個用戶的基本屬性和產品交互的相關行為，同時對于銀行業務重點單獨強調，沒有遺漏?！皬娧诱剐浴币馕吨Y構全面的同時也有一定的抽象概括能力，保證新增的標簽可以很好的找到對應的分類，整個體系不會過于收斂局限。

1. 基本屬性

基本屬性是指一個用戶的基本社會屬性和變更頻率低的平臺特征，例如真實社會年齡、性別、婚姻狀況、昵稱、號碼、賬號、lbs等標簽。這些標簽類型多為直采型，可從用戶基本信息表中直接獲取，不需要統計或者算法挖掘。

示例：性別_女

2. 行為屬性

平臺屬性是用戶在手機銀行平臺上操作時表現出的基本屬性特征，是利用用戶行為進行算法挖掘，標識用戶真實屬性的標簽。

最典型的平臺屬性標簽例如平臺年齡標簽，這里就有一個疑問，為什么在用戶的基礎屬性中已經有年齡標簽，但在平臺屬性中重復又有一個呢，這里就涉及兩者之間的差別。

我們在這里舉2個例子：

一個用戶社會身份為20歲，但他喜歡中年人的偏好風格，在使用app購買理財、保險產品的時候，表現出的真實偏好為30-40歲，對于這樣使用產品時表現出的用戶心智和真實年齡不相符合的用戶，如果只采用上傳的基本屬性，給他推薦年輕人喜歡的產品，是不是很難命中個體用戶的興趣呢？

一個用戶在注冊信息時填寫的性別是男性，但是他之后的購買行為和瀏覽內容都是偏女性向的。如果不做平臺屬性的標簽，直接將其標記為男性用戶，之后系統推薦給他的都會是男性向的內容，并不是用戶真實想看的。所以，一般做推薦算法，或者定向BD策略，往往是用平臺屬性標簽比較多。

兩種不同的標簽，本質上是用戶自己上傳信息的隨意性和挖掘信息的權威性差異，是用戶社會屬性和真實屬性差異。

我們仔細分析一下兩者在數據源、計算邏輯、標簽格式、標簽值和應用場景的差異，如下：

數據源與計算邏輯：基礎屬性是利用用戶自行上傳的存儲在用戶基礎信息表里的數據，平臺屬性則利用客戶端或者服務端埋點上報采集的用戶行為數據進行挖掘計算生成?；緦傩允堑湫偷闹辈尚蜆撕?，平臺屬性是典型的算法挖掘型標簽。

末級標簽和輸出標簽值：以性別為例，基本屬性代表用戶真實的社會身份，是確定的事實，所以典型標簽形式為“性別_女”，而平臺屬性則代表用戶在性別維度的偏好概率，所以典型形式為“性別_女_0.80”其中‘女’為末級標簽，0.80則代表用戶在平臺的女性身份上表現出的傾向程度。

應用場景：平臺屬性通過用戶行為進行挖掘，更能代表用戶的真實傾向，輸出結果比基本屬性準確率高，在定向營銷和算法里，年齡、性別等通常采用平臺屬性。而社會屬性中電話、身份證、賬號、昵稱等使用較多。

3. 行為屬性

行為屬性記錄的是用戶的全部單點行為，用戶的單點行為包括啟動、登錄、瀏覽、點擊、交易等非常多，而且跟不同的產品，不同的模塊交互，不同的時間窗選取，行為就更加復雜了，如何能夠全面的梳理，可以按照“產品＊功能模塊＊用戶單點行為*時間”四大要素來組織。

這里的“產品＊功能模塊＊用戶單點行為＊時間”意思是一個完整的行為應該包含“哪個產品”“哪個功能模塊”“哪個行為”“哪些時間要求”幾要素，例如某瀏覽器存款產品或者理財產品距今最近一次訪問時間。按照這幾要素組織行為，不容易發生遺漏。

示例：產品初次登錄時間，最后一次啟動距今時間，30天內搜索行為頻次，一個月內閃屏訪問次數等。

4. 產品屬性

產品偏好是對用戶使用某些產品、產品核心功能或者其他渠道的偏好程度的刻畫，屬于挖掘型標簽，其中產品的選取可以包括自家存款產品、競品。

功能和渠道包括站內產品功能，也包括push、短信、開屏、彈窗等幾大運營和產品法寶。

示例：搜索模塊偏好、理財偏好、存款偏好。

5. 價值屬性

銀行的目標最終都是收益，所以交易屬性往往作為一個單獨的維度重點刻畫。交易屬性包括統計型標簽——消費頻次、消費金額、最近一次消費時間等，也包括挖掘型標簽——消費能力和消費意愿，同時包含敏感度標簽——優惠促銷敏感度、活動敏感度、新品敏感度、爆款敏感度等。

6. 風險屬性

用戶的風險情況，和逾期情況。

示例：逾期次數、逾期金融。

三、用戶畫像整體架構

用戶畫像的整體架構，首先進行標簽建模，然后建立模式庫，形成用戶畫像的后臺庫，打標簽前需要做很多工作，數據需要首先作整理和清洗，保證數據的質量。

銀行標簽體系建設是平臺的關鍵，平臺的一期可以先建設原始標簽和事實標簽，二期三期后項目人員對業務和標簽體系有深入的了解后再進行建設。

四、用戶畫像模塊

用戶畫像系統作為數字化平臺的重要功能，也可以把服務封閉好，業務通過標簽篩選后用戶提供給營銷中臺，下一步作精準化的客戶營銷。

五、構建用戶畫像需要注意的關鍵點

1）所有數據要建立在真實的、準確的、全量的、實時的數據之上

影響用戶畫像的最終呈現的數據有很多，我們要選擇線上的實時的數據來做洞察，相較于線下導入的數據，線上數據更直觀，也更真實；其次，線上的數據能夠覆蓋更多、更全面的端口，來充分記錄一個用戶的多種行為。

2）標簽并不是維度越多、越廣泛就一定是最好的

數據量不斷擴充，用戶畫像也會越來越細，越來越多，供我們參考的信息也越多，但是數據的存在是為了形成洞察，洞察的結果是為了指導業務。因此多個用戶畫像存在的時候，我們一定要制定核心畫像和進行優先級排序，跟核心業務路徑轉化最相關的，作為我們最重視的畫像來指導業務。

3）用戶畫像是需要不斷迭代和修正的

用戶畫像終其根源是人的畫像，人的屬性，人是復雜的，是動態變化的，因此在真實的業務環境中，一個用戶的等級可以逐漸攀升，行為確是多種變化，所以我們做畫像的規則也需要動態適應這種變化。

4）誤把典型用戶當做用戶畫像

其實我們在社交媒體上，經常會看到某個社交平臺公布了典型用戶的行為軌跡，然而引來不少人吐槽完全不符合。這個原因就是銀行營銷人誤把典型用戶當成用戶畫像。

典型用戶的這些特點，是把用戶所有特性抽象表現出來并組合在一起。而用戶畫像則是把用戶以標簽的形式360°表現出來，而且千人千面，兩者是有區別的。

5）誤把用戶畫像簡單理解成標簽構成

由于用戶畫像的形成需要用戶標簽來構建，因此有50%的人會誤理解成用戶標簽=用戶畫像。其實是不對的，因為用戶標簽可以是很多不同的內容。

比如：姓名、年齡、愛好等，這些都屬于用戶標簽，但對于來說，絲毫不利于銀行業務產品的營銷，因為從銀行業務考慮，用戶畫像是依托于產品而形成的標簽存在，這些與產品業務無關的標簽是累贅，是誤導，不利于業務進一步營銷。

六、小結

用戶畫像發展至今，可用性已經得到了一步步的提升。用戶畫像建設以龐大的用戶數據為依托，借助其標簽化、信息化、可視化的屬性，構建出一整套完善的用戶畫像，就可以進一步通過數據來識別與預判經營的風險。

數據完整性和精準度是首要的前提，否則用戶畫像應用得不到業務部門的信任，也沒辦法使用。

用戶畫像應以最終業務目標為指導來進行構建，不同業務刻畫出來的用戶群體是有差異的，只有選擇對業務有價值的標簽來刻畫用戶才能更好的應用在業務層面，實現真正意義上的千人千面。