了解用户画像
1 用户画像
1.1 定义
用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌，是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
1.2 目的
用户画像目的有：
- 更精细化运营自身的用户模型
从业务场景出发，寻找目标客户。 - 基于用户画像模型的精准营销
- 改变保险售前场景
A 产品需求：定制化的产品； B 产品定价革命 - 基于大量用户数据的核保模型
2 怎么做用户画像
2.1 用户画像的维度
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。
人口属性：用户是谁（性别，年龄，职业等个人基本信息）
消费需求：消费习惯和消费偏好
购买能力：收入及购买力，购买频次，渠道
兴趣爱好：品牌偏好，个人兴趣
社交属性：用户活跃场景（社交媒体等）
2.2 做用户画像工作坚持的原则
分别是人口属性和信用信息为主，强相关信息为主，定性数据为主。
2.3 用户画像体系建立过程
用户画像构建的过程是需要与业务结合展开的
1、画像相关数据的整理和集中
2、找到同业务场景强相关数据
3、对数据进行分类和标签化(定量to定性)
4、依据业务需求引入外部数据
5、按照业务需求进行筛选客户(DMP的作用)
（图片源自网络）
2.4 用户画像系统全貌
（图片源自网络）
3. 用户画像的应用
3.1 用户画像在用户生命周期中的应用
-
AARRR
AARRR模型是指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中常见的一个模型，宏观上，AARRR 模型，也称海盗模型，
能够有效推动业务发展与迭代，可以对用户各个生命周期内的行为进行干预。
（图片源自网络）
从上面这幅AARRR模型图中，能够比较明显的看出来整个用户的生命周期是呈现逐渐递减趋势的。通过拆解和量化整个用户生命周期各环节，可以进行数据的横向和纵向对比，从而发现对应的问题，最终进行不断的优化迭代。 -
RARRA
（图片源自网络）
微观上，根据 RARRA 模型，落地到用户侧，则可以从认知定位、渠道优选、个性化服务、再触达和营收这五个维度内对用户的各个阶段进行认知、分析、挖掘和干预。
3.2 保险行业用户画像实践
保险行业的产品是一个长周期产品，保险客户再次购买保险产品的转化率很高，经营好老客户是保险公司一项重要任务。保险公司内部的交易系统不多，交易方式不是很复杂，数据主要集中在产品系统和交易系统之中，客户关系管理系统中也包含丰富了信息，但是数据集中在很多保险公司还没有完成，数据仓库建设可能需要在用户画像建设前完成。
保险公司主要数据有人口属性信息，信用信息，产品销售信息，客户家人信息。缺少兴趣爱好、消费特征、社交信息等信息。保险产品主要有寿险，车险，保障，财产险，意外险，养老险，旅游险。
保险行业DMP用户画像的业务场景都是围绕保险产品进行的，简单的应用场景可以是。
A：依据自身数据(个人属性)+外部养车App活跃情况，为保险公司找到车险客户
B：依据自身数据(个人属性)+移动设备位置信息—户外运动人群，为保险企业找到商旅人群，推销意外险和保障险。
C：依据自身数据(家人数据)+人生阶段信息，为用户推荐理财保险，寿险，保障保险，养老险，教育险
D：依据自身数据+外部数据，为高端人士提供财产险和寿险
保险归根到底是对“人”的服务，而当社会生活中的“自然人”或者“集体”进入保险世界，将标准化为一整套精准／极细颗粒度／360度全景式的“用户画像模型”，掌握这个模型，对保险链接“人”的服务，将事半功倍。
