2015年7月30日，由中国客户管理网主办的主题沙龙活动在北京召开。本次活动聚焦“数字营销：数字时代的用户行为画像与精准营销”热点话题，力邀电信、IT科技、保险、互联网行业精英，共同探讨行业热点并分享成功经验。

        以下是史雁军先生精彩演讲内容：

        什么是用户画像？

        简单来说，用户画像就是用各种属性标签来对用户进行特征描述。一般来说，基本的用户画像包括人口统计特征、地理统计信息、心理统计信息等静态信息，与商业应用结合的用户画像还会包括用户的交易行为轨迹、资产负债特征、信用风险特征等等。

        为什么要进行用户画像？

        一般来说，进行用户画像主要有六个方面的原因:

        一是身份识别的需要，主要通过具有唯一性标识意义的人口统计属性标签，如身份信息、教育背景、地理信息等来实现；

        二是特征描述的需要，主要是理解用户所处的状态和行为特征，通常通过用户的人口统计信息、地理信息、行为信息等来实现；

        三是产品需求的需要，主要基于交易历史和成长性信息的特征描述，移动信息和社交信息的应用也越来越多，用户对产品的响应情况也是重要的特征信息；

        四是定制服务的需要，目的是向用户提供差异化服务或增值服务，需要能够识别用户价值和服务敏感性的相关信息，用户流失倾向就可以进行提前的服务干预；

        五是持续营销的需要，这不仅包括能够有效匹配价值和产品需求的精准营销，也包括针对现有客户进行持续的后营销，往往需要更精细的可以预测用户需求和潜在价值的信息；

        六是风险管理的需要，对用户的信息情况和风险水平进行画像，主要通过综合多维度的信息，对用户的信用水平和偿付能力进行描述。

        如何实现有效的用户画像呢？

        实现有效的用户画像并非易事，现实中可以应用的信息属性特征字段非常之多，甚至可以多到上千个不同字段。对这些字段的信息数据进行收集的成本也很高，而且多维度分析应用的复杂度也会随着用户画像属性特征字段数量的上升而上升。

        有效用户画像最重要的三个关键点：

        首先，需要认识到用户画像是一个持续的过程；

        其次，在基础架构规划和信息设计上提前投入；

        最后，在业务应用上建立持续的闭环完善机制。

        用户画像是一个过程而非应用

        用户画像不能简单看成是从数据分析开始的环节，用户画像是一个体系，是一个从基础信息架构规划到信息数据收集，再到分析应用的整个过程。

        如果没有从一开始就构建起面向应用的完善的基础信息架构，并且建立起全面的行之有效的持续信息收集和数据质量管理机制，无论在基础架构的有效性上，采集数据的质量上，还是在业务应用的可实现性上，都不太可能实现有效的用户画像。

        从迪铭的服务经验来看，企业在对用户画像的认知程度不一。一些处在行业领先水平的企业往往很早就开始用户画像的尝试，并且通过持续的投入来一步步推进用户有画像的应用。相比而言，那些追求快速见效的企业，往往在用户画像的应用和成效上收获甚少。

        在架构规划和设计上提前投入

        信息属性的完整性和数据质量有效性是实现用户画像的基础。信息属性的完整性来自于基础信息架构规划时就进行了详尽考虑，而数据质量的有效性也是在收集之初就建立起完善的信息采集规范和数据质量管理机制。

        联想集团在多年前请迪铭帮助搭建客户联络中心的基础信息架构时，就从客户服务接触和联络的源头信息入手，着手构建了完整的用户信息基础架构，并且建立了与之相匹配的信息收集规范和数据质量管理机制，从而一举奠定了联想集团客户联络中心能够以用户为中心来进行用户需求画像和行为分析的信息基础，很早就开始了用户信息的体系化收集、专业性分析和持续的应用。

        在业务应用上建立持续的闭环完善机制

        实现有效用户画像的第三个关键因素是在业务应用上建立起持续的闭环完善机制。信息的采集部门和分析应用部门往往思考问题的角度不同，由于内部存在的信息仓筒和内部协同的管理挑战，往往各种障碍会造成用户画像和分析应用不能持续，从而不能产生应有的成效。

        以迪铭服务过的一家金融机构为例，为了避免类似问题的发生影响用户画像的有效性，迪铭和这家金融机构的零售客户总部管理人员遍访了主要的区域分公司和营业机构，并且与主要的业务部门进行了充分的意见征求和协作沟通，在统一管理认识、落实信息规范、指导采集过程、建立数据协同、持续分析应用方面，不仅高效利用了信息系统平台的技术支持，而且形成了有效的内部协作机制，这也是这家机构的这一项目和应用获得行业年度创新大奖的关键所在。

        用户画像在数字信息时代面临的新挑战

        用户的人口统计信息和社会心理信息，如以前较难获得的技术应用信息、兴趣态度信息、购买行为信息、影响因素信息、位置信息、社交信息和生活阶段等信息，都得到了极大的丰富，社会化数据还在描述用户个体和群体情绪提供了更多可实现的方法。这些可以利用的多种信息源不仅给用户画像带来了更多可能，而且也对用户画像提出了更细致的要求。

        随着移动社交的兴起和大数据时代的到来，用户画像对于信息的丰富程度和应用时效性的要求也在提高，这对于用户画像模型的有效性分析算法的合理性和运算能力都提出了更高的要求。在社交环境下，用户受到影响的因素变得更加多样性和复杂化，这也对于用户画像应用的有效性提出了不同的要求，对于用户的生活圈特征、社交声音属性等的应用也成为炙手可热的研究课题。

        更清晰的画像实现更精准的推荐

        社会化数据的丰富极大的改善了用户推荐的有效性。以前的用户推荐算法更多基于历史交易来实现推荐策略，社会化推荐算法的成熟和完善提供了更多可能，基于社会化数据的相关性算法完善提升了社会化推荐准确率和有效性。

        当然这也带来了一个新问题。如何在保证向用户传递良好体验的前提下，更合理的应用推荐策略？要回答这一问题，需要深入探讨用户互动体验，在为数不多的客户互动机会中，如何把握适合的推荐机会。

活动现场图片

        迪铭客户管理系列沙龙已经走过了9年，围绕着迪铭CARE体系——以客户为中心的全面客户策略与一体化运营方案，从分析型客户管理，到关系型忠诚营销，再到此次的数字营销主题沙龙，迪铭及其旗下的迪铭客户管理研究院一直见证着中国企业在客户管理道路上的探索与发展，并引领着客户管理的趋势。