1、理论介绍
1.1 感性认识
- 目标:描述客户、了解客户、认识客户、理解客户
- 展现:图像、文本、数据、语音
- 形式:结构化、非结构化
- 标准:系统信息知识
- 验证:统计检验、实事检验
1.2 客户画像定义
客户画像是对客户信息在特定业务场景下的系统描述,是对客户数据的建模
1.3 客户画像与标签
- 客户特征:客户信息数据的结构化处理
- 客户标签:对客户特征的业务描述
- 客户标签是客户画像的元素,客户画像的搭建需要一个高效、全面的标签体系
- 客户画像:客户标签在特定业务目标下的有序集合
1.4 银行标签体系
标签属性类型:实时类标签、挖掘模型类标签、预测类标签
标签体系:
- 客户基本属性:人口统计信息、生活信息、位置信息、自定义信息
- 客户关联关系:生活关联信息、金融关联信息、社交网络信息
- 客户兴趣偏好:金融产品偏好、非金融产品偏好、行内渠道偏好、非行内渠道偏好
- 客户价值信息:用户自身价值、用户对我行贡献
- 用户风险信息:用户风险评价、黑名单信息
- 客户兴趣偏好:近期需求、营销活动信息
应用场景:营销增强、用户洞察、渠道优化、产品创新、运营提升、风险控制
1.5 业务层次划分
1.6标签体系搭建
- 制定标签分层体系
- 根据业务需求制定标签体系框架,逐步丰富标签内容
- 整合可用数据资源
- 客户交易数据
- 客户行为数据
- 客户账户数据
- 客户风险数据
- 客户社交数据
- 模型挖掘客户标签
- 结合业务人员经验进行数据建模,挖掘客户标签
- 客户标签实际应用
- 实践检验真理,实际应用结果有助于优化标签体系
- 客户标签评估优化
- 建立一个标签的评估体系,持续优化标签体系
二、客户画像应用案例
2.1 360客户视图
3.2 30秒认知客户
3.3 个性化产品推荐
4、客户画像开发案例
4.1刷卡摘要挖掘
- 项目:有孩客户的标签开发
- 需求:非金融服务(亲子活动)推广,圈定目标客群,精准营销投放
- 模型:
- 样本:问卷调查
- 特征处理:词袋、词向量、TF-IDF
- 模型:LR、SVM
- 效果:
- 营销响应:9%
- ROC:83%
4.2快捷支付标签
- 项目:快捷支付特性标签
- 需求:客户分群,直销银行推广营销,非金融服务的推广
- 模型:
- 特征处理:归一化 / 标准化
- 模型:K-均值聚类
- 聚类字段:
- 近三月总交易平均次数
- 近三月总交易平均金额
- 近三月微信支付平均交易金额 / 次数
- 近三月支付宝平均交易金额 / 次数
- 近三月其他快捷支付平均交易金额 / 次数
- 年龄
- 签约时间
- 客户类型
- 投资型客户:客户购买一些互联网金融产品
- 支付需求客户:充值、小额支付、红包
- 网购达人:经常网上购买商品
- 临时型支付需求客户:客户签约之后短时间内只做了3次以下支付交易
- 综合均衡型客户:没有使用偏好
5、客户提升潜力标签
标签评价
- 准确性:多样性、覆盖率、新颖性、召回率
- 问卷主观评价
- 点击率