本文內容較長，代碼全部已展示在文中

用戶精細化分類也可以稱做用戶畫像，是目前很常見的一種運營手段，目的是為了更好的服務不同性質的客戶，提高每個環(huán)節(jié)的轉化率，最大程度挖掘客戶價值，創(chuàng)造利潤。

那么如何構建用戶畫像，或者說構建精細化的運營體系，這個過程的數(shù)據(jù)工作其實就是：

• 畫像相關數(shù)據(jù)的整理和集中
• 找到同業(yè)務場景強相關數(shù)據(jù)
• 對數(shù)據(jù)進行分類和標簽化（定量to定性）
• 依據(jù)業(yè)務需求引入外部數(shù)據(jù)
• 按照業(yè)務需求進行篩選客戶（DMP的作用）

本次案例就來分享如何通過數(shù)據(jù)挖掘的手段對用戶進行精細化分類，以保險行業(yè)為例。

一、客戶細分

客戶細分根據(jù)客戶的分類維度進行細分，保險行業(yè)的分類的維度一般包括5類，分別是社會特征因素、自然屬性因素、行為特征因素、態(tài)度偏好因素和生活狀態(tài)與個性因素。

前三者屬于事前分類維度，是表露在外的因素，即通過接觸就可知道的因素；后兩者是屬于事后分類維度，需要通過調研才能了解，反應客戶內在本質的區(qū)別。對客戶細分，我們往往通過事后分類維度做客戶分類，以保證分類的深入性，再通過事前分類維度進行描述與驗證，以保證分類客戶的差異性和可接觸性。這里用Python讀取調研的Excel數(shù)據(jù)，將事后分類維度取出來并查看類型，發(fā)現(xiàn)9個維度都是數(shù)字類型并且部分維度之間似乎存在一定的相關性，這種相關性可能會造成重疊信息的擴大化，增加分類偏差，因此先對這9個維度進行因子分析。

1.1 因子分析

因子分析是將多個實測變量轉換為少數(shù)幾個綜合指標（或稱潛變量），它反映一種降維的思想。通過降維將相關性高的變量聚在一起，從而減少需要分析的變量的數(shù)量，而減少問題分析的復雜性。

因子分析的前提是具有一定的相關性，因此必須通過了kmo和bartlett球形度檢驗的數(shù)據(jù)才能進行因子分析。

因子分析前，首先進行KMO檢驗和巴特利球體檢驗，KMO檢驗系數(shù)>0.5，（巴特利特球體檢驗的x2統(tǒng)計值的顯著性概率）P值<0.05時，問卷才有結構效度，才能進行因子分析，因子分析主要是你自己做了一份調查問卷，你要考量這份問卷調查來的數(shù)據(jù)信度和效度如何，能不能對你想要調查的東西起代表性作用，說得很通俗不知道能不能理解。

球形檢驗主要是用于檢驗數(shù)據(jù)的分布，以及各個變量間的獨立情況。簡單一點說，按照理想情況，如果我們有一個變量，那么所有的數(shù)據(jù)都在一條線上。如果有兩個完全獨立的變量，則所有的數(shù)據(jù)在兩條垂直的線上。如果有三條完全獨立的變量，則所有的數(shù)據(jù)在三條相互垂直的線上。如果有n個變量，那所有的數(shù)據(jù)就會在n條相互垂直的線上，在每個變量取值范圍大致相等的情況下，所有數(shù)據(jù)分布就像在一個球形體里面。想象一下萬劍穿心的情形，大抵就是那個樣子。如果不對數(shù)據(jù)分布進行球形檢驗，在做因素分析的時候就會違背因素分析的假設——各個變量在一定程度上相互獨立。

通過了適用性檢驗后進行因子分析：

查看9個公因子的特征值以及方差貢獻率，一般選擇方差累計貢獻率大于0.8的公因子，而文中選擇了特征值大于1的公因子，即方差累計貢獻率為0.697的前4個公因子。接著根據(jù)4個公因子重新擬合。

查看公因子的提取度，發(fā)現(xiàn)當使用4個公因子時，4個公因子對9個維度的解釋率都超過0.6，說明提取的4個公因子對原始維度有一定的解釋力。
接著查看4個公因子的因子載荷，看看是否需要旋轉。

以第一個維度為例，我們發(fā)現(xiàn)4個公因子對原始的第一個維度的解釋程度分別為：0.418，-0.046，0.697，0.293，表明公因子1與公因子3之間存在一定的相關性，達不到因子分析的既定效果，因此需要進行旋轉，使得各個公因子具有差異化的特征。

還是以第一個維度為例，我們發(fā)現(xiàn)經(jīng)過最大方差法旋轉之后，4個公因子對原始的第一個維度的解釋程度分別為：-0.069，0.153，0.203，0.824，即公因子4對第一個維度的解釋力較大。旋轉后4個公因子在原始維度上被明顯的區(qū)別出來，即4個公因子具有差異性的特征。

1.2 聚類分析

經(jīng)過因子分析之后，我們把所有的客戶分成了具有差異性特征的4類客戶(代表了9個事后分類維度)，接著我們通過因子類型以及保費金額兩個維度進行聚類分析。

聚類分析是針對數(shù)據(jù)的相似性和差異性將一組數(shù)據(jù)分為幾個類別。常用的聚類分析方法有kmeans、DBSCAN以及層次聚類。這里使用的是層次聚類，因為層次聚類對數(shù)據(jù)的類型要求不高而且事先不需要知道分為幾類，缺點在于計算量大。

層次聚類(Hierarchical Clustering)是聚類算法的一種，通過計算不同類別數(shù)據(jù)點間的相似度來創(chuàng)建一棵有層次的嵌套聚類樹。在聚類樹中，不同類別的原始數(shù)據(jù)點是樹的最低層，樹的頂層是一個聚類的根節(jié)點。創(chuàng)建聚類樹有自下而上合并和自上而下分裂兩種方法。

打個比方，你作為一家公司的人力資源部經(jīng)理，你可以把所有的雇員組織成較大的簇，如主管、經(jīng)理和職員；然后你可以進一步劃分為較小的簇，例如，職員簇可以進一步劃分為子簇：高級職員，一般職員和實習人員。所有的這些簇形成了層次結構，可以很容易地對各層次上的數(shù)據(jù)進行匯總或者特征化

# 看效果圖，分為5類比較合適，即高度大概在13左右label = hierarchy.cut_tree(Z, height=13)label = label.reshape(label.size,)result['細分類型'] = list(label)

通過層次聚類分析，我們將所有客戶分為了5類。接下來我們通過方法分析檢驗分類的效果。我們發(fā)現(xiàn)無論是保費金額還是因子類型，通過層次聚類分組后，p值都小于0.05，即組間存在顯著性差異，聚類效果良好。

通過單因素方差分析，我們知道細分類型各組間存在顯著性差異，那么這種差異怎么表現(xiàn)出來呢？對于類別型數(shù)據(jù)我們用占比比較，對于數(shù)值型數(shù)據(jù)我們用均值進行比較，然后根據(jù)保費金額以及因子類別對細分類型命名。

#保費金額使用均值比較，因子類別使用占比比較nor = pd.crosstab(result['細分類型'], result['因子類型'],                  normalize=0)  # normalize = 0按行求占比mean = result.groupby('細分類型')['保費金額'].mean()result_xf = pd.concat([nor, mean], axis=1)print(result_xf)         1         2         3         4         保費金額細分類型                                                     0     0.000000  0.603774  0.396226  0.000000  1481.7962261     0.657407  0.342593  0.000000  0.000000  2098.2680562     0.000000  0.000000  0.578947  0.421053  2779.9962413     0.000000  0.000000  0.000000  1.000000  1708.3268294     0.530864  0.259259  0.197531  0.012346  3780.096296#各細分類型命名result['細分類型'] = result['細分類型'].map(    {0: '低端居家型客戶', 1: '中端享受型客戶', 2: '中端外向型客戶', 3: '中端自信型客戶', 4: '高端享受型客戶'})

二、目標客戶選取

細分客戶之后，要選取目標客戶。選取目標客戶主要從兩個維度來度量，客戶吸引力和企業(yè)競爭力。

企業(yè)吸引力主要體現(xiàn)在各個保險公司擁有各個細分類型客戶的數(shù)量，即市場占有率。

客戶吸引力包括兩個方面，一是客戶規(guī)模，二是保費金額，根據(jù)其公司需要，按權重6：4進行計算，得出客戶吸引力。

由上圖可知，中端外向型客戶是甲公司的首選客戶，其次是中端享受型客戶和高端享受型客戶，而低端居家型客戶和中端自信型客戶在資源不足的情況下暫可放棄。

三、目標客戶定位

目標客戶定位包括兩部分，一是目標客戶長什么樣，也就是用戶畫像，通過事前分類維度描述目標客戶畫像；二是目標客戶需求是什么，針對需求進行精準營銷。分析過程依然是先進行方差分析，通過方差分析的維度用均值或者占比表現(xiàn)差異性，最后通過對應分析展示效果。

3.1 目標客戶畫像

事前分類維度一共由6個，分別是城市、年齡、性別、家庭月收入、汽車價格、學歷以及職業(yè)。通過方差分析發(fā)現(xiàn)，學歷以及職業(yè)在細分類型組間沒有顯著性差異，故忽略這兩個維度繼續(xù)分析。

#事前分類維度方差分析result['職業(yè)'] = result['職業(yè)'].replace(' ', '6').astype('int64')target_sd = []for i in ['性別', '年齡', '城市', '家庭月收入', '汽車價格', '學歷', '職業(yè)']:    formula = '(' + str(i) + '~' + 'C(' + '細分類型)' + ')'    a = anova_lm(ols(formula, data=result[[i, '細分類型']]).fit())[:1]    target_sd.append(pd.DataFrame(        {'c': str(i), 'F': a['F'], 'PR(>F)': a['PR(>F)']}))target_result = pd.concat(target_sd)target_result = target_result[target_result['PR(>F)'] < 0.05]#具有顯著性差異的維度結果展示print(target_result)                c            F         PR(>F)C(細分類型)     性別    57.940193   2.614665e-42C(細分類型)     年齡   553.274636  4.801252e-216C(細分類型)     城市  3629.629395   0.000000e+00C(細分類型)  家庭月收入   268.460859  3.193752e-140C(細分類型)   汽車價格   901.193079  7.780527e-276#具有顯著性差異的維度命名Y = result[['性別', '年齡', '城市', '家庭月收入', '汽車價格', '細分類型']]Y['性別'] = Y['性別'].map({1: '男', 2: '女'})Y['年齡'] = Y['年齡'].map({1: '18-30歲', 2: '31-40歲', 3: '41歲以上'})Y['城市'] = Y['城市'].map(    {1: '北京', 2: '上海', 3: '武漢', 4: '沈陽', 5: '廣州', 6: '西安', 7: '成都'})Y['家庭月收入'] = Y['家庭月收入'].map(    {1: '小于7000元', 2: '7000-10000元', 3: '10000-15000元', 4: '15000-20000元', 5: '20000元以上'})Y['汽車價格'] = Y['汽車價格'].map(    {1: '10萬元以下', 2: '10-20萬元', 3: '20-30萬元', 4: '30萬元以上'})# 多因子對應分析mca = prince.MCA(n_components=2, n_iter=10, random_state=1)mca = mca.fit(Y)ax = mca.plot_coordinates(    X=Y,    ax=None,    figsize=(10, 6),    show_row_points=False,    show_column_points=True,    column_points_size=100,    show_column_labels=True,    legend_n_cols=1)

從對應分析效果圖可知，甲公司首選目標客戶中端外向型客戶，主要分布在北京。武漢的分布比例也比其他細分類型要高，年齡集中在31-40之間，性別為男，家庭月收入在1.5萬到2萬元之間，汽車價格在20-30萬元間。

3.2 目標客戶需求分析

目標客戶關注哪些需求，如何分析？依然是選定各細分類型客戶，然后對各個維度進行方差分析，通過方差分析檢驗后的維度用均值或者占比進行比較。而未通過方差分析的維度，則直接用中端外向型客戶進行各個維度的比較，數(shù)值型用均值，類型用占比。

具體見下：

由上面的分析可知：

• 甲公司的目標客戶中端外向型客戶在選擇保險公司考慮的因素中，比較關注服務網(wǎng)點多、親朋推薦和信任銷售人員，其中尤其關注親朋的推薦。
• 在滿意度分析中，發(fā)現(xiàn)中端外向型客戶對目前購買的車險并不滿意，滿意度只有1.5%，還有很大提升空間，不滿意的具體原因還需進一步調研。
• 中端外向型客戶車險平均保費在2780元，比其他細分客戶更注重產(chǎn)品個性化，所以可以研究下定價策略和一些個性化產(chǎn)品。

總結

最后，市場上用戶畫像的方法很多，許多企業(yè)也提供用戶畫像服務，將用戶畫像提升到很有逼格一件事。金融企業(yè)是最早開始用戶畫像的行業(yè)，由于擁有豐富的數(shù)據(jù)，金融企業(yè)在進行用戶畫像時，對眾多緯度的數(shù)據(jù)無從下手，總是認為用戶畫像數(shù)據(jù)緯度越多越好，畫像數(shù)據(jù)越豐富越好，某些輸入的數(shù)據(jù)還設定了權重甚至建立了模型，搞的用戶畫像是一個巨大而復雜的工程。但是費力很大力氣進行了畫像之后，卻發(fā)現(xiàn)只剩下了用戶畫像，和業(yè)務相聚甚遠，沒有辦法直接支持業(yè)務運營，投入精力巨大但是回報微小，可以說是得不償失，無法向領導交代。

事實上，用戶畫像涉及數(shù)據(jù)的緯度需要業(yè)務場景結合，既要簡單干練又要和業(yè)務強相關，既要篩選便捷又要方便進一步操作。用戶畫像需要堅持三個原則，分別是人口屬性和信用信息為主，強相關信息為主，定性數(shù)據(jù)為主。

1、信用信息和人口屬性為主

描述一個用戶的信息很多，信用信息是用戶畫像中重要的信息，信用信息是描述一個人在社會中的消費能力信息。任何企業(yè)進行用戶畫像的目的是尋找目標客戶，其必須是具有潛在消費能力的用戶。信用信息可以直接證明客戶的消費能力，是用戶畫像中最重要和基礎的信息。一句戲言，所有的信息都是信用信息就是這個道理。其包含消費者工作、收入、學歷、財產(chǎn)等信息。

定位完目標客戶之后，企業(yè)需要觸達客戶，人口屬性信息就是起到觸達客戶的作用，人口屬性信息包含姓名、性別，電話號碼，郵件地址，家庭住址等信息。這些信息可以幫助聯(lián)系客戶，將產(chǎn)品和服務推銷給客戶

2、采用強相關信息，忽略弱相關信息

強相關信息就是同場景需求直接相關的信息，其可以是因果信息，也可以是相關程度很高的信息。

如果定義采用0到1作為相關系數(shù)取值范圍的化，0.6以上的相關系數(shù)就應該定義為強相關信息。例如在其他條件相同的前提下，35歲左右人的平均工資高于平均年齡為30歲的人，計算機專業(yè)畢業(yè)的學生平均工資高于哲學專業(yè)學生，從事金融行業(yè)工作的平均工資高于從事紡織行業(yè)的平均工資，上海的平均工資超過海南省平均工資。從這些信息可以看出來人的年齡、學歷、職業(yè)、地點對收入的影響較大，同收入高低是強相關關系。簡單的將，對信用信息影響較大的信息就是強相關信息，反之則是弱相關信息。

用戶其他的信息，例如用戶的身高、體重、姓名、星座等信息，很難從概率上分析出其對消費能力的影響，這些弱相關信息，這些信息就不應該放到用戶畫像中進行分析，對用戶的信用消費能力影響很小，不具有較大的商業(yè)價值。

用戶畫像和用戶分析時，需要考慮強相關信息，不要考慮弱相關信息，這是用戶畫像的一個原則。

3、將定量的信息歸類為定性的信息

用戶畫像的目的是為產(chǎn)品篩選出目標客戶，定量的信息不利于對客戶進行篩選，需要將定量信息轉化為定性信息，通過信息類別來篩選人群。

例如可以將年齡段對客戶進行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等?？梢詤⒖紓€人收入信息，將人群定義為高收入人群，中等收入人群，低收入人群。參考資產(chǎn)信息也可以將客戶定義為高、中、低級別。定性信息的類別和方式方法，金融可以從自身業(yè)務出發(fā)，沒有固定的模式。

將企業(yè)各類定量信息，集中在一起，對定性信息進行分類，并進行定性化，有利與對用戶進行篩選，快速定位目標客戶，是用戶畫像的另外一個原則。

4、用戶畫像的方法介紹，不要太復雜

需要結合業(yè)務需求進行用戶畫像，從實用角度出發(fā)，比如這里我們將用戶畫像信息分成五類信息。分別是社會特征因素、自然屬性因素、行為特征因素、態(tài)度偏好因素和生活狀態(tài)與個性因素。它們基本覆蓋了業(yè)務需求所需要的強相關信息，結合外部場景數(shù)據(jù)將會產(chǎn)生巨大的商業(yè)價值。特別復雜的用戶畫像緯度例如八個緯度，十個緯度信息都不利于商業(yè)應用，其他具有價值的信息，基本上都可以歸納到這五個緯度。過于復雜用戶畫像這個工作，對商業(yè)意義也不太大。

最后，以上就是本篇分享，希望對大家有用。