用户画像

大多行业C端用户画像

（一）人口属性
用于描述用户个人基本特征信息，包括：姓名、性别、年龄、驻地等

（二）信用属性
包括：职业、学历、收入、资产、负债、信用评分等等。

（三）消费特征
用于描述客户主要消费习惯和消费偏好，用于寻找高频和高价值客户。帮助企业依据客户消费特点推荐相关产品和服务，转化率将非常高。消费特征包括：有车族、有房族、购物类型、购买周期、品牌偏好等等。为了便于筛选客户，可以参考客户的消费记录和语义场景，将客户直接定性为某些消费特征人群，例如差旅人群，境外游人群，3C控，奢侈品族，母婴用户，理财人群等等。

（四）兴趣爱好
用于描述客户的兴趣偏好，同时帮助企业了解客户消费倾向，定向进行精准营销活动。兴趣爱好和消费特征信息来源于已有的消费记录、位置信息和不同的语义场景等，比如通过客户在论坛中经常会询问有关科技产品的资讯，我们会通过对客户语义的挖掘分析，将其定义为“科技发烧友”。

（五）社交信息
用于描述用户的社交图谱、家庭成员、朋友圈，这些信息往往代表用户的消费预期和客户社会关系网，通过社交信息，可以尽可能完整的了解客户，以便为客户提供个性化的服务。

（六）交互信息
用于描述用户在社交媒体上的评论，这些信息往往代表客户真实的需求，具有实时性高、转化率高的特点。比如：客户在某论坛询问哪个理财产品收益高？我们通过对客户语义的挖掘分析，该客户有投资理财的需求，如果金融企业可以为客户实时推送相关收益高的理财产品信息，其必将具备蕴藏的商业价值。

最后，我们需要将客户消费能力、信用额度等数据进行关联分析，这样可以更加准确的把握消费者，帮助金融企业更好优化产品设计、提高产品销售活跃率。

通过算法聚合成一类实现用户信息标签化。