沈金波 汉口学院计算机科学与技术学院

基金项目：本文系湖北省教育厅人文社会科学研究项目“基于大数据分析的个性化金融服务研究”的研究成果之一。

摘要：余额宝的面世意味着互联网金融元年的开启，随着越来越多的用户使用互联网金融产品或服务，用户与互联网金融企业的联系也越来越紧密。面对数以亿计的用户及海量的数据，互联网金融企业要服务好用户，必须对用户进行画像。通过用户画像，互联网金融企业能够为用户提供个性化的服务，进行信用评估，同时促进互联网金融企业健康稳健发展。 

关键词：用户画像；互联网金融；应用

    2013年6月余额宝横空出世，让数亿从来没有接触过理财的人萌发了理财意识，这一年也被认为是互联网金融元年。随着越来越多的互联网金融产品和服务走入人们的生活，互联网金融企业业务数据、用户数据越来越多，联系也越来越紧密，海量的用户信息、交易数据游走在互联网金融企业各部门之间。数据即资源的时代已经来临，面对海量的用户数据及用户的多样化需求，为更好的服务互联网金融用户，互联网金融企业必须对用户进行画像。

一、用户画像概述

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。给用户“打标签”是用户画像的核心所在，每一个标签通常是人为规定的具有唯一特征标识，用高度凝练的标签描述一类人，例如用户的基本信息、兴趣爱好等，不同的特征标签通过结构化的数据体系整合起来，就可以组合出各不相同的用户角色。如果你经常用支付宝购买“境外随身WIFI”、“海外酒店住宿”、“自驾租车”、“代办签证”等服务，那么支付宝就可以根据你购买境外服务的情况，替你打上标签“海外旅游达人”，甚至可以根据你常去哪些国家和地区游玩，贴上“欧美旅游达人”、“东南亚旅游达人”这样更为具体的标签，而这些所有给你贴的标签结合在一起，就成了你的用户画像。因此，可以从一个人的用户画像判断出他是一个什么样的人。

对于互联网金融企业而言，用户画像本质就是从企业业务角度出发对用户进行分析，了解用户特征，发现用户需求，寻找目标客户。另外一个方面就是，互联网金融企业利用统计信息，开发出适合目标客户的产品或服务。由于拥有大量的用户信息和交易数据，互联网金融企业是最早开始用户画像的行业，它们希望通过用户画像来为用户提供合适的产品或服务。

二、用户画像步骤

根据互联网金融企业的数据类型和业务需求，可以将互联网金融企业用户画像工作进行细化，如图1所示。

图1用户画像步骤

（一）基础数据收集

用户画像要建立在真实的数据之上，只有数据真实，用户画像才有意义和价值，故收集信息是一定要注意信息的真实性和完整性。常见的基础信息有：

1、用户信息：用户的姓名、性别、年龄、职业、国籍、住地或工作单位地址、联系方式等。

2、消费明细：用户消费了多少钱，购买了那些产品或服务，线上消费多少，线下消费多少等。

3、行为明细：用户什么时间浏览了购物网站、金融网站，浏览了那些页面，有那些点击行为、购买行为等。

4、地理信息：用户常用登录地址、收货地址是什么，常去的地方有那些等。

5、产品明细：用户常买的产品有那些，价格是多少，是国外品牌还是国内品牌等。

6、财务明细：用户每个月消费多少，是银行卡支付、第三方支付还是借贷支付等。

其他还包括用户的心理行为、社交行为等。当然，收集到的数据不会是100%准确的，具有不确定性，这就需要在后面的阶段中建模来再判断，储存用户行为数据时最好同时储存下发生该行为的场景，以便更好地进行数据分析。

（二）数据整理归纳

互联网金融企业收集了海量的用户基础数据以后，需要对这些数据进行整理归纳，从中获取有用的信息。互联网金融企业可以从企业业务需求出发，将用户的基础数据划分为人口属性、信用属性、消费特征、投资爱好、社交属性、用户价值等信息，这些信息结合相关场景将产生巨大的商业价值。

（三）模型构建及标签

使用文本挖掘、自然语言处理、机器学习、聚类算法、预测算法等技术建立行为模型，对用户进行标签。

标签作为客户特征化的定性表达和量化反映，需要遵循相关性、有效性、适用性、全面性原则，实现客户标签全方位覆盖与多视角展现。标签的合理分类对标签使用至关重要，标签分类应充分考虑到互联网金融业务条线或各管理领域要求，避免分类的交叉、重复，造成资源浪费。

互联网金融企业通过分析用户的人口属性、信用属性、消费特征、投资爱好、社交属性、用户价值等信息，可以给用户贴上年龄标签、消费行为标签（偏好奢侈品或大众品牌）、理财理念标签（短期投资或长期投资）、风险爱好标签（喜好风险或厌恶风险）、消费场景标签（偏向线上消费或线下消费）等。

（四）用户画像

对用户的基本属性、购买能力、行为特征、兴趣爱好等进行标签和确认，对用户进行画像。用户画像永远也无法100%地描述一个人，只能做到不断地去接近一个人，因此，用户画像不是一成不变的，需要根据环境或用户情况的变化不断的修正，不断的完善，使用户画像更接近当事人的实际情况。 

三、用户画像在互联网金融中的应用

（一）精准营销，为用户提供个性化的产品和服务

互联网金融企业通过收集利用大量的用户数据，对用户进行分类并画像，从而进行精准营销并提供个性化的产品和服务。互联网金融领域的数据主要有四个来源渠道：一是互联网中的交易数据，包括第三方支付数据、电商购物数据以及生活服务类的缴费数据；二是QQ、微信、微博等社交大数据；三是信用卡以及银行卡大数据；四是互联网中的征信大数据，如阿里巴巴旗下的芝麻信用、腾讯旗下的腾讯信用等。

互联网金融企业在具体的经营活动中，通过对用户基本信息、消费明细、行为明细、产品明细等原始数据进行统计分析，归纳出用户的人口属性、信用属性、消费特征、投资爱好等特征，通过模型构建，建立起包括用户基本属性、购买能力、兴趣爱好、心理特征等用户画像标签，对用户实施精准营销，提供个性化的产品和服务。

广发银行金融超市为每位访问官网首页的客户推荐理财、基金、贵金属等业务。考虑到每个客户的风险偏好、理财偏好的差异，金融超市对客户信息进行“360度”扫描，对个人网银客户的理财产品偏好度进行标签画像，为访问官网的客户精准推荐个性化理财产品和服务，如广发银行的“广银安福”2017人民币理财计划，起点金额5万元，投资期限217天，预期年化收益率5.3%，广发银行就将这样的产品推荐给稳健投资偏好的中产阶级，有效的提高了理财产品的签约率和销售效率。

（二）进行信用评价，挖掘潜在用户

相关数据显示，截止到2016年6月，央行个人征信中心覆盖人群为8.8亿，有信贷记录的有3.8亿人。而中国人口总数为13.7亿，可以说，很多人在央行是没有征信数据的。用户画像的应用能够建立新型征信机制，降低交易风险，扩大互联网金融服务的覆盖范围。

互联网金融企业通过第三方支付、电商交易数据、社交网络、生活缴费（水、电、煤气、电信）等数据来为用户画像，对用户进行信用评价，挖掘潜在客户。如支付宝会根据用户的网购消费、线下消费、购物金额、与他人转账、蚂蚁会员积分等来为用户画像，判断一个用户的信用状态，由此来决定给这个用户的借呗或花呗的信用额度。对于淘宝/天猫卖家，蚂蚁小贷会根据卖家的月交易量及交易金额、月客户量、货物周转率、店铺排名等来给卖家进行信用评价，当这些卖家需要资金周转时，蚂蚁小贷会根据它们的信用给予相应的贷款。

（三）对个人和企业进行风险管理

创新与风险相伴相生，互联网金融提高了金融效率，扩大了金融覆盖面，但也使风险跨越了地界和人际关系，呈现许多新形式，而传统监管的滞后和法律的缺失则非常不利于互联网金融风险的界定和防范。传统的金融风险如市场风险、信用风险、流动性风险、技术风险、法律风险、道德风险在互联网金融中都有不同程度的暴露，且表现出来的形式更为复杂。2015年以来一些P2P平台卷款消失或倒闭，以及一些不合格的借款人和众筹项目，加深了一般民众对互联网金融安全的忧虑。对互联网金融企业来说，通过用户画像技术，可以对用户的资信状况做到可记录、可追溯、可验证，能够卓有成效地帮助这些企业改善信息不对称现象，进而提升金融风险防范和控制能力。

互联网金融企业利用大数据实时监控用户的交易行为，比如监测用户输入每个字母的间隔时间、地理位置的移动、交易行为、交易次数、交易金额等，与用户的画像进行对比，看是否是本人操作，可以有效保障用户的资金安全。余额宝利用支付宝的大数据，对资金赎回客户进行画像，掌握了几千万客户申购赎回情况、客户结构、客户行为规律，对客户申购赎回规律做出预测，并做好预案化解流动性风险。

四、结语

    互联网金融时代已经来临，本文就用户画像及其在互联网金融中的应用进行了初步探讨和研究，认为用户画像是一个有效的工具，在互联网金融企业为用户提供个性化服务、对用户进行信用评价及风险防范方面发挥着重要的作用。用户画像的使用必将进一步促进互联网金融健康稳健的发展。

参考文献：

[1]李雅坤.基于用户画像挖掘技术的网络借贷平台研究综述[J].知识经济，2017，（16）：70，72.

[2]佚名.金融行业大数据用户画像实践[N].中国信息化周报，2017-7-17（12）.

[3]胡明国.大数据时代下客户立体画像在银行业应用研究[J].中国城市金融，2015，（1）：40-42.

[4] 何培育.基于互联网金融的大数据应用模式及价值研究[J].中国流通经济，2017，31（5）：39-46.

[5] 左美云.互联网金融的未来：四个重要发展方向[J].人民论坛·学术前沿，2017，（3）：52-60.

[6] 叶中行.互联网金融中的大数据应用[J].科研信息化技术与应用，2015，6（2）：3-10.