第二节   客户画像 （重点）

一、客户画像的含义

（一）单客户画像

（二）群体客户画像

二、客户画像的价值

客户画像在金融、通信、医疗、网络营销等不同领域有着重要应用，主要包括分类统计、精准营销、个性化推荐和流失预警等方面的应用。

（1）分类统计。分为客户细分和数据统计，将客户更好地分类以及统计出相应数据，如某商品忠诚顾客的年龄分布情况、某商品的热销季节。企业也可以根据商品的销售数据进行关联规则分析，挖掘商品的内部联系。在购买后通过购买者的用户画像分析，企业还可以发现产品受众分析是否存在偏差，并完善产品质量，提升服务满意度。

（2）精准营销。它针对的是群体客户画像。找出客户画像中客户的共同点以及客户的需求点，针对不同群体的客户制定相应的营销策略，将产品服务与客户需求保持一致，有利于企业找到目标客户，实现精准的广告投放和促销活动。例如，电商企业可以通过用户画像为用户确定标签，以此来寻找自己的目标客户，并通过短信、手机App信息提醒、页面推送等方式向用户传送有针对性的广告，实现广告的精准投放。

（3）个性化推荐。又称精准推荐，主要针对单客户画像。针对客户需求越来越个性化的现状，企业可以根据客户画像来推测客户需求，从而改进产品和服务策略。客户也可以更加快速且准确地选择商品，这对企业和客户间的交流具有重要意义。推荐算法主要有两种：第一种是根据用户的以往记录确定用户的偏好，再根据这种偏好推荐产品；第二种是发现与当前用户画像相同或相似的用户购买的产品，并把这些产品推荐给当前用户。

（4）流失预警。新客户的不稳定性导致挽留一个老客户所带来的收益远远大于吸引一个新客户所创造的价值，因此通过客户流失画像可以找出流失概率较大的客户，获取这类客户的意见反馈，有利于商品质量的完善提升和解决客户的留存问题，完成流失预警。

三、客户画像的流程

(1)战略解读。在客户画像构建之前，企业必须认清构建客户画像的必要性和目的性。根据目的和意义的不同，客户画像的结果会有很大区别，必须明确企业的真实需求和画像的预期结果，根据自身需求来构建能为企业盈利的客户画像。例如，需要研究客户流失问题，就要构建客户流失画像，找出易流失客户和忠诚客户: 若研究对象为客户价值，就要构建客户价值画像，细分出两种或多种具有不同价值的客户。

(2) 数据收集。客户画像构建的基础就是客户数据，数据的真实性和准确性就是画像有效性的保障。首先，根据战略目的，收集与画像相关的客户真实数据。其次，根据数据类型，对数据进行清洗，除去重复和有大量缺失值以及有明显错误的数据。最后，根据数据维度和相关性，进行降维和赋予权重等处理。

(3)分析建模。分析建模是客户画像构建的最后一步，也是形成客户画像的一步。利用第二步收集和处理好的客户数据，并通过相关软件分析处理，根据不同企业目的，细分客户群，建立和丰富客户画像，最后形成的画像就可以满足企业的需求应用。但是，客户的行为信息是在不断变化的，因此企业还需要不断地获取客户信息，完成客户画像的更新并且验证客户画像的准确性。

四、客户画像的应用案例1——海尔大数据精准营销

海尔集团通过对用户在互联网上的访问数据和集团内各 IT 系统的实名用户数据进行整合清洗后，从用户的姓名、电话、地址等三个方面进行匹配，形成单一的用户数据信息然后根据所收集的数据，对用户从不同维度进行标签化识别，形成清楚的用户画像信息。海尔的数据来源于多个渠道，大体可以分为五种。 海尔通过产品销售获取的用户信息。这些数据伴随着产品的销售产生，因为销售方式的不同，用户数据也不尽相同，主要有订单数据、渠道数据、电商数据和门店数据。2 通过线上的“海尔梦享+会员俱乐部”产生的数据。这些数据包括会员在线上的注册信息、行为数据和交互数据等。3 通过对智能产品数据的采集和分析生成的用户数据。海尔的产品(冰箱、电视、扫地机器人等一系列家电产品)已经全面向智能化发展，拥有独立的芯片和网络接口，用户使用这些产品产生的操作数据、偏好信息等会经由网络进入海尔的大数据系统，主要是用户和设备的交互数据。4 通过海尔为客户提供服务时产生的数据。如海尔为客户提供售后服务或物流服务而产生相关数据。6 海尔在生产产品过程中产生的数据。这些数据包括生产产品时的生产数据以及机器当时的状态数据等。

海尔集团根据相关数据，从下面四个维度进行用户识别，建立了初步的用户画像体系并根据日常的活动和数据的不断增加和积累，不断地丰富和完善用户画像并维护用户画像信息。0人口统计属性维度。人口属性主要是记录和识别用户的基础信息，如用户的性别、年龄、学历、地址等，这些是对用户个体进行基础的画像识别。2 用户行为偏好维度。用户行为偏好主要是对用户在网上的浏览、点击、访问、购买、商品选择等各维度进行的用户偏好行为的识别，通过这些行为识别，可以了解用户对产品的购买决策，可以对用户进行有针对性的产品和营销活动的推荐，提高用户体验和转化率。3) 用户购买偏好维度。用户购买偏好可以了解用户已经买了哪些产品，对什么品牌的产品、什么型号的产品、什么颜色的产品有倾向性，可以从产品功能点和外观的角度,有针对性地满足用户的需求。4) 用户价值维度。用户价值维度主要是分析和识别用户的购买能力和用户为公司或品牌的贡献度信息，通过用户价值维度的分析和识别，可以了解用户和公司当前所处的关系，是高价值用户还是低价值用户，是否有转化和提升的空间，并结合上面三个维度的识别，制定合适的营销活动策略、价格策略和产品策略，提高用户的转化，促成用户尽快决策。以上维度再结合时间轴维度，如最近一个月、最近三个月、最近半年、最近一年，结合产品维度，如冰箱、洗衣机、空调、热水器、彩电、计算机、手机等，结合品牌维度，如海尔品牌、卡萨帝品牌、统帅品牌，结合地域维度、省市区县等，多个维度的交叉组合，形成了四大维度，200 多个明细，3000 多个标签值的用户画像标签体系，对用户进行了 360全方位的标签画像识别，让数据更加立体全面，生成全方位的用户画像。

海尔根据用户画像数据建立不同的分类，形成用户细分数据模型，通过网络交互捕捉的客户需求信息建立预测需求数据模型，根据用户在线上的活跃程度建立活跃度数据模型如图37 所示。这些数据模型形成了海尔的 SCRM(social customer relationship management社会用户关系管理)系统，海尔用这个系统来指导营销。通过可以量化的数值对用户潜在的需求进行定义。这样经过精准整理后的数据可以提供多种用途和使用方法，比如通过用户社区热力图寻找用户的聚集区域，通过活跃指数寻找高互动用户，通过兴趣分类定义用户偏好，通过交互数据高频词寻找用户痛点，通过对设备的追踪提供预测性的需求数据。此外，海尔还会与社交网站、电商网站合作，将三方数据对接，筛选出高重合度用户，并通过社交网站和电商网站产生的数据丰富用户画像的维度，细化数据的精度。然后，通过广告精准投放，将需求信息准确送达用户。海尔的精准营销还体现在通过用户交互，使用交百定制的方式让用户主动融入营销中。用户的创意精确匹配了用户的需求，用户的选择解除了用户的痛点，让用户在不知不觉当中参与营销并成为营销的一部分。

五、客户画像的应用案例2——京东的大数据精准营销

在京东的大数据精准营销架构中，首先对用户在网上留下的日志数据、交易相关数据和非交易相关数据进行用户数据收集，将其作为精准营销架构的底层。然后进行用户行为建模，如用户属性识别、用户兴趣建模、用户关系建模、用户生命周期、用户信用模型等.在这些用户行为建模之上，对用户进行画像，从而实现用户营销价值和用户风险等级评估,并将其作为底层数据供应给各营销系统。最后，得到用户画像后，采用 EDM、PUSH、优惠券等广告形式进行推广，实现精准营销。基于大数据平台上的精准营销，营销方式是跨平台、跨终端和跨渠道的，具有实时、实地、精准和互动的营销特点。大数据精准营销是人动态和循环的过程，在实施前、实施中和实施后不断地实现更精准的营销。

其中，用户画像是大数据精准营销实现的最重要的基础和部分。用户画像是将海量的数据分析之后，用数据对用户个人进行描述，以此来作为销售或商品推荐的依据和预测，这也是把数据转换为商业价值的解决方案。用户长期的页面浏览、购物等行为形成了以T计量的多维度庞大数据，这些构成了用户画像的基础数据。用户画像的数据大致可以分为三大部分。0 基本人口属性，包含自然属性、社会属性，如年龄、性别、职业、收入、人生阶段等。2行为偏好，这个数据主要来自用户浏览页面时的行为，可据此推断出用户的偏好，如个人的关注领域等。3 用户的购买数据，包括购买的商品、单价、退货率以及评价反馈等。通过对用户的基本数据和行为偏好进行数据挖掘，贴以不同的标签，用这些标签来刻画用户的个性化特征。此外，还通过对同一标签的人群进行分析，或者对各种维度不司的业务场景中用户行为偏好特征进行聚合分析，将数据直接转换为用户形象。一个用户可能由 3000 多个标签来刻画，以实现商品和用户的匹配，预测并引导用户的行为，从而获取巨大的商机，如图 3.9 所示。

根据每个用户的偏好，打上不同的标签，形成丰富的用户标签库，并且每个标签的权重不同。根据时间的变化、用户行为偏好的变化(比如浏览美食、美妆、旅游、女性、教育等的类型和次数、购买次额变化)，标签库会不断更新，用户画像也会处于动态的变化之中。这些对最后的个性化推荐预测具有很重要的价值。从最初的对用户进行商品推荐，到该用户对推荐的产品成功购买、对产品进行评价反馈后，证明推荐有效、成功。得到检验后，再不断推荐给其他具有相同标签、群类的客户。此外，通过对大量用户的标签分布、比例进行协同过滤等数据挖掘分析，找出相似人群和潜在客户，以人找人。