做策略分析，怎么能不懂用户画像、用户分群、用户分层？

经济下行，银行资产质量承压，信用卡类贷款首当其冲，不良率攀升显著。

为了更好地做好风险控制的同时，拓宽信用卡业务收入来源、优化信用卡收入结构、增强持卡人黏性，金融机构也在想方设法通过数据驱动业务增长，用户分析成为其中一种经营策略。关注“金科应用研院”，回复“CSDN”
领取“风控资料合集”

很多做策略分析的同学在做用户分析时，会被用户标签、用户画像、用户分群、用户分层这几个概念绕晕。一图以蔽之，这几个概念的关系如下：

用户标签

用户标签是基础，即数据层。是通过标签和指标两种数据方式，汇总各类数据，并对同一个用户不同数据源进行合并。

指标：连续型数据，即明细数据指标化，如“过往3个月逾期记录”、“近一个月的消费频次、消费金额记录”；

标签：分类型数据，将客户标签化，为客户打上不同的标签，比如用户的年龄、区域、学历等；

算法预测类标签：统计数据无法直接得出，需要借助于数据挖掘算法得出，例如用户价格敏感度标签，需要利用一系列的统计算法、机器学习预测算法得出。

有了丰富的指标和数据，我们才能更好地对用户进行量化描述。但值得注意的是，未经过分类整理的标签对业务的直接意义不大，需要与业务目标相组合，才能给出实际的意义。

用户画像

用户画像是底座。是用户标签的抽象概括，通过高度抽象聚合后的结果，一般应用于数据分析、辅助决策。

可以分为个体画像、群体画像。包含了用户的人本属性，如身份特征、行为特征、消费特征、心理特征、兴趣爱好、渠道属性。

用户画像其实就是对用户“打标签”，从对用户打标签的方式来看，一般分为三种类型：

1、统计类标签；

2、规则类标签；

3、机器学习挖掘类标签；

用到的算法包括：

1、决策树，是一种分类算法和回归算法，一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。

2、线性回归算法，属于监督学习-回归类，是一种预测性的建模技术，主要是研究自变量和因变量的关系。

3、树回归算法，又称分类回归树，该算法既可以用于分类还可以用于回归。

4、K-means算法，也称为K-平均或者K-均值，是一种无监督学习方法，将相似的对象归到同一个簇中，是典型的基于距离的聚类算法。

用户分群

用户分群是方法。用户分群输入是标签，输出是用户集合。按照业务需求，把具备某种相同特性的客户归结在一起，再按照特定的条件选出目标用户，进行洞察分析查看用户特征。

客群划分可以基于单个数据维度划分，也可以基于多个数据维度复合划分。

单维度可以对同类客群特征做切面划分。举例：消费频次是衡量用卡消费的重要指标之一，某卡中心根据用户过去一年的消费行为，计算出过去一年的平均消费频次，以平均消费频次为界，划分客群，此后在高价值用户根据过去一年的消费频次和注册时间，又细分出三种客群类型：

复合维度分群，是卡中心在具体运营过程中，结合App产品属性、运营目标、数据完善程度等实际情况灵活应用的多个维度分群方法。

例如，可以按照客户持有贷款产品与贷记卡产品情况，对客户分类，并运用分析方法（AdaBoost、梯度提升树GBDT、XgBoost、LightGBM）进行分群预测。

用户分层

用户分层即特殊的分群方式。结合用户在产品上所处状态作为用户分层的依据。用户分层的参考指标只有一个，就是用户价值。常用的金字塔模型、RFM模型等都是依据用户价值高低进行分层的。

例如，某信用卡APP更关注平台用户的分期交易行为，通过RFM模型可有效拆分APP用户分期交易的价值高低，进而采取不同的运营策略。

把用户划分为8个群体，从高消费频次、高消费额、最近消费过的重要价值用户，到低消费频次、低消费额、很久未消费的一般挽留用户。

具体RFM模型内容可参考：《RFM模型在信贷风控的应用》

总结

随着互联网金融的发展需要，对于信贷产品、用户的精细化运营是未来的主要方向，而开展精细化运营的基础是对用户的理解。

一可以通过优化客群结构，挖掘优质客户，针对不同客群精细化运营，推荐相应的信贷产品、营销活动，促进用卡用户的消费。

二是针对不同客群，基于数据挖掘方法构建信用卡申请评分与行为评分，开发不同的风险监控模型及策略，通过优化信用卡风控体系、强化信用卡逾期催收等措施加强信用卡风险管理。

但在做用户客群分析时，应注意以下事项：

1. 一切从问题出发，首先要看想解决的问题是什么？或者业务目标是什么？选择的维度要和业务目标高度关联；

2. 维度不一定要很多，达到一定的效度就可以，要保证组间的差异足够显著；

3. 用户分群、分层是手段，是工具，不是目的，对不同人群集合的分析和洞察才是目的。

本篇文章仅作为知识普及，如果你想了解用户分群在信贷领域的具体应用。

欢迎点赞，小编会根据点赞和分享在看数来判断大家的感兴趣程度，在以后的文章中以案例和实操的形式展现，为大家的工作和学习提供不一样的思路。