用户画像

一、用户画像背后的原因 1、金融消费行为的改变，企业无法接触到客户 80后、90后总计共有3.4亿人口，并日益成为金融企业主要的消费者。年轻人将主要的时间都消费在移动互联网，消费在智能手机上。移动APP也成为所有金融企业的客户入口、服务入口、消费入口、数据入口。 金融企业越来越难面对面接触到年轻人，了解年轻人金融产品的需求。 2、消费者需求出现分化，需要寻找目标客户 客户群体正在出现分化，市场上很少有一种产品和一种金融服务可以满足所有用户的需求。金融产品也需要进行细化，为不同客户提供不同产品。 金融企业需要借助于户画像，来了解客户，找到目标客户，触达客户。 二、用户画像的目的 用户画像是在了解客户需求和消费能力，以及客户信用额度的基础上，寻找潜在产品的目标客户，并利用画像信息为客户开发产品。 三、用户画像工作坚持的原则 用户画像涉及数据的纬度需要业务场景结合，既要简单干练又要和业务强相关，既要筛选便捷又要方便进一步操作。用户画像需要坚持三个原则。 1、信用信息和人口属性为主 信用信息是描述一个人在社会中的消费能力信息。信用信息可以直接证明客户的消费能力，是用户画像中最重要和基础的信息。包含消费者工作、收入、学历、财产等信息。 定位完目标客户之后，金融企业需要触达客户，人口属性信息就是起到触达客户的作用，人口属性信息包含姓名、性别，电话号码，邮件地址，家庭住址等信息

一.基于内容的推荐 所谓基于内容信息的推荐系统，其实就是用特征（Feature）来表示用户、物品以及用户和物品的交互，从而能够把推荐问题转换成为监督学习任务。把推荐系统完全定义为监督学习任务，需要有这么几个步骤。 第一，就是我们已经提到的，需要把所有用户、物品的各种信号用特征来表示。这里面往往牵涉非常复杂和繁琐的特征工程，也就是看如何能够把不同的信息通过特征表达出来。 第二，就是每一个监督任务都需要面临的问题，如何构造一个目标函数，来描述当前的场景。可以说，这是最难的一个部分，也是和基于流行度和基于相似度的推荐系统的最大区别。 二.用户特征信息 用户向量化后的结果，就是 User Profile，俗称“用户画像”。对于用户来说，最基础、最首要的肯定是用户的基本特性，包括性别、年龄、地理位置。这三大信息其实可以涵盖用户特性工程中非常大的一块内容。这里不仅是最基本的这三个特性的值，还有围绕这三个特性发展出来的三大种类的特性。比如，不同性别在文章点击率上的差异，不同年龄层在商品购买上的差异，不同地理位置对不同影视作品的喜好等，这些都是根据这三个特性发展出来的更多的特性。然后，我们可以为用户进行画像（Profiling）。有显式的用户画像，比如用户自己定义的喜好，或者用户自己认为不愿意看到的物品或者类别。但是在大多数情况下，用户都不会为我们提供那么精准的回馈信息