用户画像大数据平台建设和挖掘应用方案

常去的商圈是哪儿？
消费习惯和特征是什么？
赢利点在哪？
公司在哪？
年龄分布、区域分布是什么样的？ 12
02
用户画像体系 驾驶行为数据将构建精准的车险用户画像
违章驾驶记录 车辆维修 碰撞事故 收入情况 疲劳驾驶
性别 犯罪记录 年龄
驾驶时间
基本 属性 行为 习惯
酒驾经历
国籍 生活方式 地理位置 开车地点 职业 驾照类别 开车频率 开车原因 健庩状况 医疗条件 学习周期 感知力 使用药物情况 共用车辆情况 婚姻状态 教育水平 民族特征 消费习惯
用户画像大数据挖掘应用方案
大数据 云平台
目 录
1. 2. 3. 用户画像的目的 用户画像方法论 用户画像案例
Contents
Part 1
用户画像的目的
客户画像作用
客户画像作用：
1、用户的所有属性特征、订单特征、行为特征集合到一个系统中， 然后只需要在一个报表层面，只需要输入用户ID、手机号、用户 名等即可实现完整的用户信息查询。 2、当处理用户的私人财务信息时候，用户喜欢一对一的个性化服 务。用户画像可以展示用户的每一次活动，例如用户注资、消费 等主要的行为。 3、通过软件的实时分析，可以及时跟踪用户的注册、交易等关键 环节遇到的问题。 4、实时衡量广告活动的有效性，通过实时在线访客工作，及时评 估活动的引流用户的活动参与性。可以及时调整广告的投放策略，
运营优化
运营优化：通过大数据的各个指标，进行市场和渠道的分析，同时可以对自身的产品进行优化和舆情的预报分析 建议：继续进行市场的验证
用户画像在海量数据时代愈来愈重要
用户画像是海量数据的标签化，帮助企业更精准解决问题
海量数据 用户标签 解决问题
他们是谁？
我们的用户价值大小？
如何进行产品定位？
他们的需求？
如何优化用户体验？
9
他们的行为？
如何进行精准投放？
用户画像贯穿品牌、产品、营销全过程
通过构建人物模型更清晰指导企业策略
品牌
Who:建立品牌定位与核心人群的亲密度.
产品
Who + Why：抛开个人喜好，聚焦用户动机和 行为.
Product
营销
Who + Where + When：构建人群、渠道、 场景的精准营销，优化媒介组合.
风险管控
风险管控： 1、通过客户在社交媒体上的行为数据、客户在电商网 站的交易数据、企业客户的产业链上下游数据、其他有
利于扩展银行对客户兴趣爱好的数据来进行数据的分析；
2、目前金融的风险主要来自于大中型企业信用风险、 小微型企业信用风险、个人/消费者信用风险等；
风险管控：银行对于大数据的信息有比较全面的机制，信用体系、贷款体系、金融体系都有比较多的专家和方法来管 理风险。 建议：多走访银行风控体系，看看是否新的突破点
10
用户画像的定义
Alan Cooper （交互设计之父）最早提出了 persona 的概念:“Personas are a concrete representation of target users.”Persona 是真实用户的虚拟代表,是 建立在一系列真实数据 (Marketing data,Usability data)之上的目标用户模型。 用户画像可根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出 典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型 (personas)。
11
01
用户画像体系
每个企业都不可以避免的要对用户进行画像，用户画像的提出，根本上是源于企业对用户认知的需求。 产品经理，需要了解用户的特征，对产品进行功能的完善。内容运营人员，需要筛选目标用户，对内容进 行精准投放。 购买能力如何？ 活跃程度如何？ 常住地在哪儿？ 职业是什么？ 基本特征？ 对什么感兴趣？
兴趌 爱好
购买 能力 社交 网络 心理 特征
通过对用户不同维度的大数据分析，最终得出可执行的业务决策。
13
03
基于机器学习的数据挖掘及分类基本识别流程
训练样本 数据源 数据预处理 a.去除营销博文干扰 b.去 除提及人的干扰（@） c. 去除如门户的作者的干扰 训练样本
库
分词
特征选择
否
模型评估 是否通过
去除异常的数 据项 将空值更 改为 对 应的默认 值 使用UGC算法去除无用数 据 使用基于密度的聚类去除 异常数据
汇聚多源异构 数据 中的 一致部分 将多源异构数 据转换 为统一 数据表达形式
训练生成 的模型
模型训练
特征权重计算
训 练 及 测 试 过 程
是
待预测类 别文本原 始库
数据预处理
待预测 类别文 本库
训练生成 的模型
文本打 上类别 标签
预 测 过 程
14
04
大数据的处理
里程数据 工况数据 车辆信息 充电数据 行驶轨迹
数据 去重
空值 处理
数据 去噪
格式 统一
融合信息 融合信息 数据库 数据库 对齐融合
精准营销
基于用户的应用，精准营销
站内参数 站外参数 ID参数 其他参数
收集数据
浏览内容 购物车/收藏 推广互动 URL访问 年龄 性别
管理数据
访问路径
商品/服务价格
关键词
来源去向
学历
地域/位置
支付问答
订单/退换货
访问频次
移动应用使用
收入
兴趣
智能评分
应用数据
精准营销：通过对大数据信息的掌握，采用多种方法论和技术去分析得出结论，进行营销。目前市面上也有类似的软 件，也有详细的方法论，在银行方面还有待验证。 建议：继续进行市场的验证
减少广告的浪费。
客户画像
基本画像
基本人口属性
CRM
POwenku.baidu.com画像
基于兴趣的地理位置
成交数据
ID画像
各类登录帐号
移动数据
软件系统
购买画像
受众的购物记录
网站数据
社交画像
使用SNS情况
浏览画像
流量数据
互联网浏览习惯
兴趌画像
综合推算兴趣标签
客户画像：在金融方面有非常大的潜力，市面上有一些完善的软件和解决方案，但能够真正打入到银行内部的比较少， 同时银行在手机端和电商方面有很大的突破，对于大数据的信息也非常的需要。 建议：通过市面上的软件进行oem
班纳博士
全世界最聪明的人之一， 天才核物理学家，为人 内敛、冷静，有点孤僻
绿巨人
由班纳博士变成的绿巨人，时 而能控制自己的情绪，时而不 分敌我，力大无穷，横冲直撞， 力量能够随着愤怒而增强
美国队长，罗杰斯
为人正直，充满正义感，为人冷 静、比较古板，有统领全局的超 强指挥能力，拥有振金制作的超 强盾牌和高超的格斗能力