用户需求分析与用户画像设计

SOSO用户画像分析

数据平台部/商业智能中心

TA分析团队

2011年3月

目 录

1.分析概要 .......................................................... 错误!未定义书签。

2.数据说明 .......................................................... 错误!未定义书签。

3.报告概要 .......................................................... 错误!未定义书签。

4.人口属性 .......................................................... 错误!未定义书签。

用户规模 ........................................................ 错误!未定义书签。

性别 ............................................................ 错误!未定义书签。

年龄 ............................................................ 错误!未定义书签。

地域 ............................................................ 错误!未定义书签。

上网场景 ........................................................ 错误!未定义书签。

兴趣 ............................................................ 错误!未定义书签。

信用卡的用户画像与场景分析

曾设想过一个问题：如果让我做一个信用卡有关的APP，我会怎么做？先调研市场，重点研究数据，得出用户画像，从而进行场景分析，这将是我的步骤。根据《中国银行卡产业发展蓝皮书（2016）》相关的信用卡报告，持卡用户的用户画像内容涵盖了以下三部分： 第一部分：信用卡持卡用户特征分析第二部分：信用卡用户消费行为分析第三部分：用户信用卡管理行为分析第一部分：信用卡持卡用户特征分析1、“80后”为持卡主力，占比接近四成目前的持卡人群以“80后”和“90后”为主，“80后”持卡用户占比高达42.15 %，堪称主力;“90后”持卡用户紧随其后，占比为28.04%。“70后”持卡用户占比为21.63 %，70后与80后一共接近七成多的比例。2、男性持卡用户占绝对优势男性持卡用户占比高达86.06%，女性持卡用户仅占13.94%，男女比例约6：1。3、城市持卡用户占比近90%目前，信用卡持卡用户主要集中在城市地区，市郊及乡镇地区由于办卡业务不普及、满足办卡条件的人群较少等客观原因，持卡用户占比较低，仅为11.06%。从地域分布情况看，南方的持卡用户要多于北方持卡用户。4、月收入万元以下的持卡用户占比高持卡人群中，近八成用户月收入在万元以下，其中，月收入5000-10000元(含)的用户占比最高，为49.04%;月收入5000元以下(含)的用户，占比为27.88%;月收入在10000元以上的用户仅占22.59%。以上数据得出结论：80后为主，70、90后为辅，大部分为男性，年龄在27-37之间，有房贷车贷，小孩年龄0-15岁，消费偏理性（1）金融理财场景 用户场景一：办理信用卡本质是借款，借款额度无法满足需求，继续借款，借款场景搭建。用户场景二：拥有一定财富积累的男性，身价的升值，理财保险购买的场景搭建。（2）购买商品场景 用户场景三：男性爱车，与汽车厂商合作，推出分期购买车以及车的周边设备购买。用户场景四：90后使用信用卡趋势越发明显，大热的王者荣耀游戏，除了推出王者荣耀信用卡，也可与腾讯举办信用卡打折购买皮肤等活动。用户场景五：信用卡的用户男性为主，意味着商品分期的品类、积分兑换商品的品类等等商品，在选品上，建议更多地以男性为主，而不是女性（女性更多的购物场景为淘宝支付宝）第二部分：信用卡用户消费行为分析1、66%的用户持有三张以下信用卡“玩转”多张信用卡的用户占比不高，66%的用户持有三张以下信用卡;45.83%的用户持有信用卡的时间在一年以内。2、败家指数：七成用户月均消费金额在收入金额50%（含）以内70.52%的用户平均每月消费金额不超过月收入金额的50%，“每月消费占总收入的比例” 最多为30%-50%，达到37.98%。根据相关性分析，收入越高的用户，每月消费占收入比越高。月收入2万-3万的持卡用户每月花销比例最高，当中有67.6%的人每月花掉收入的50%以上。3、月刷万元以上的用户占比最高超五成用户平均每月刷卡消费次数在10次以下。55.40%的持卡用户平均每月刷卡金额在5000元以上，月均刷卡以达5505.80元。平均每月信用卡账单金额(所有卡账单总和)在10000元以上的用户占比最多，达到23.56%，其次为1000元-3000元，占比为21.79%。4、信用卡里的钱花费渠道在信用卡日常消费类型中，占大头的是超市购物、网络购物和美食餐饮这三项。85.26%的用户预期明年“刷卡消费”会提高，对“消费能力”具有较强信心。5、用户日常消费支付方式以刷信用卡为主用日常消费支付方式采用“信用卡刷卡支付”的占比最高，达到75.48%;其次为通过第三方绑定信用卡支付，占比超过50%。数据可见，当前信用卡支付的渗透，无论从线下消费，还是线上消费角度，都处于第一位。以上数据得出结论：大部分用户手持三张以下信用卡，且时间较短，消费额度在50%以内，偏理性，但在高收入群体中，收入与消费比例成正比，花费渠道最多的是超市购物，使用场景最多的是日常消费支付。 用户场景一：收入越高，消费占比越高，以此证明高端客户使用信用卡的频次越高，借款的需求越大，所以可以针对信用卡额度较高的这部分客户，推送推荐办卡的高额奖励，通过推荐办卡，获取高质量的信用卡客户。用户场景二：招行可与沃尔玛等超市进行合作推出活动，首页推荐超市活动，场景结合。第三部分：用户信用卡管理行为分析1、超过六成用户信用卡总额度在5万元以下75.28%的持卡用户信用卡总额度不超过5万元;信用卡总额度1万-5万的持卡用户占比45，35%，总额度5万-10万的用户占比15.22%，信用卡总额度10万以上的“富人”仅占9.5%。43.43%的持卡用户未申请信用卡提额，对现有额度表示满意，而31.57%的用户会主动向银行申请提升信用卡额度，其中，27.24%的用户通过网上、手机银行、银行微信等渠道申请提额，用户更倾向于选择网络渠道办理业务。2、八成用户使用支付宝、微信进行账单管理用户普遍会对信用卡账单进行管理，不做管理的用户占比仅为2.67%;其中，最常用的账单管理方式是通过支付宝、微信进行管理，占比达82.05%。3、用户最常用支付宝、微信进行信用卡还款通过线上渠道为信用卡还款简单快捷，成为大部分持卡用户的选择。75.48%的持卡用户使用支付宝、微信进行信用卡还款，其次为绑定银行储蓄卡自动还款和使用网上银行、银行手机APP等方式还款;通过银行柜台或ATM机等线下方式还款的占比仅为9.94%。4、近三成用户有过逾期还款行为2016年，27.72%的持卡用户有过信用卡逾期还款行为，逾期次数多在1-3次。其中，58.93%的用户是因为粗心大意、忘记还款导致信用卡逾期，34.52%的用户是因为还款渠道导致未能及时到账导致信用卡逾期。以上数据得出结论：约80%的客户的信用卡额度在5万以下，对额度不满意占比为60%，八成用户使用微信和支付宝进行账单管理以及信用卡还款，且近三次用户有逾期还款行为。（1）大数据风控用户场景一：用户对额度不满占比为60%，说明有市场，银行不提升额度，担心风控问题，导致损失。 常规的调查薪资证明，获取该客户在招商以及其他行的资金数据，算法分析风控与支付宝的芝麻信用体系合作，获取接口，对用户消费数据进行算法分析，评估风控等等通过以上方式，获取用户数据，保证资金安全，同时保证银行利益最大化。（2）消息提示用户场景二：三成用户逾期还款，且粗心大意、忘记还款的比例很高，另外一部分由于还款渠道太慢导致。逾期还款比例越高，银行获利越高，但从长远来看，用户体验不好，没有一个明显的消息提示，容易让用户丧失忠诚度。在还款日当天发一条短信到手机，以及在信用卡个人中心中新建消息中心功能，进行通知。通过分析信用卡的用户画像，剥离出用户画像，最后搭建场景，通过场景的梳理，衍生出需求，最终需求实现，形成产品。可分为四个模块：首页、推荐、金融、我的 首页为banner活动以及电影、商城、积分商城等场景的搭建推荐为招行每个月主推的一些活动，以及用户购买商品、积分兑换的排行榜等信息金融为借款、理财、保险等场景我的为个人借款、额度、个人账号、消息通知等等场景当前市场，有关信用卡的APP，大多做得十分复杂，非常臃肿，各行体验吐槽。#专栏作家#不羁，人人都是产品经理专栏作家，对于电商以及社交领域产品有深入了解，重业务逻辑，喜深入思考，欢迎与我交流~题图来自

如何进行精细化的用户画像分析

在当今市场经济不断发展的背景下，作为一个企业或品牌，如何更好地了解消费群体，进行针对性的推广是每一个企业所关注的问题。而一个有效的用户画像分析就能帮助企业更好地了解消费群体，从而更好地开展营销推广活动。而如何进行精细化的用户画像分析也成为了一个非常重要的议题。本文将从以下几个方面讲述如何进行精细化的用户画像分析。

一、数据的收集和整合

用户画像分析的关键在于收集和整合数据，只有收集到足够的准确数据，并且对数据进行整合和分析，才能得到比较清晰和准确的用户画像。因此，企业需要收集用户的相关数据，同时对数据进行分析和整合。收集数据的方式可以有多种，比如直接在网站上收集用户数据，通过问卷调查的方式或者购买市场调查数据等方式。在数据整合的过程中，可以运用数据挖掘和机器学习等技术手段进行深度挖掘和分析。只有将收集到的数据精细化整合，才能更好地发掘用户的需求和特点。

二、用户画像的细分

用户画像分析不是简单的对所有用户进行统一的分析和推广，而是需要将用户细分出不同的群体，根据不同的群体进行差异化的分析和推广。如何进行用户画像的分层也是十分重要的。分层可以根据用户的地域、年龄、性别、收入、教育程度等来进行，也可以将用户分成对不同种类的产品或服务需求较高和需求较低的群体。这样可以更好地掌握消费群体和市场趋势。

三、多元化的数据展示和分析方式

用户画像分析不仅仅是把数据汇总起来进行简单的分析，而是要通过可视化和多元化的方式进行分析和展示。这样不仅能使数据更直观、更有说服力，同时也有助于企业进行指标评估和数据分析。 数据展示和分析可以采用数据报告、数据仪表盘、漏斗图等多种可视化方式，使企业更好地了解消费群体的特征。同时，数据分析需要结合业务联系和实际情况进行，避免单纯从数据出发进行推测。

四、不断更新和迭代的用户画像

用户画像是动态的，用户需求和市场变化都会导致用户画像的变化。因此，企业需要根据市场和用户变化不断地更新和迭代用户画像。只有这样才能更好地了解消费群体，更好地跟上市场的变化。更新和迭代的周期也需要根据实际情况进行调整。

龙源期刊网

基于大数据平台的用户画像与用户行为分析

作者：谢康 吴记 肖静华

来源：《中国信息化》2018年第03期

中共十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。同时指出，推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。当今，互联网、大数据、人工智能等新一代信息技术与实体经济深度融合，构成中国实施创新驱动发展战略的重要组成部分，是当前中国“大众创业、万众创新”的主战场。近年来，中国政府先后出台中国制造2025、“互联网+”行动计划等多项促进新一代信息技术与实体经济深度融合形成创新驱动的政策措施，从而对中国企业创新模式的创新提出了新要求。在众多的企业创新模式中，基于大数据平台的企业与用户互动创新逐渐成为企业产品创新的主流创新方向之一。

在互联网非大数据环境下，企业产品创新主要通过与领先用户交流合作、市场调研、问卷调查、街访、数据库数据采集等手段获取用户需求。其中，探讨领先用户特征，激励领先用户参与产品创新成为非大数据环境下企业与用户互动创新的重要手段①，由此构建用户需求分析模型来剖析需求点和变化方向。在互联网大数据情境下，电商平台、社交平台形成的大数据为企业分析用户需求提供了新资源，这种新资源改变了传统用户需求分析模式，形成了基于大数据平台的用户画像和用户行为分析。

基于大数据的用户画像与用户行为分析，离不开对用户知识抽取方法的探讨和应用。目前，自然语言处理、语义web、机器学习、知识工程、知识发现、文本挖掘等方法，构成基于大数据平台的用户画像与用户行为分析的基本技术方法。本文不对上述方法做深入分析，而是对互联网大数据环境对企业与用户关系的影响、基于大数据平台的用户画像分析和用户行为分析进行具体探讨，为构建大数据驱动的企业与用户互动创新方法研究提供初步的理论基础。