大数据环境下商业银行客户标签综合体系构建

大数据环境下商业银行用户标签体系构建在大数据时代，以互联网为代表现代信息科技将从根本上改变金融运行模式。数据在展现出海量化、多样化、传输快速化和价值化改变趋势同时，也改变了传统金融行业市场竞争环境、营销策略和服务模式。商业银行“经过产品和服务争夺用户”背后是一场暗流涌动数据战。商业智能、大数据分析、数据挖掘、数据价值、信息地图等词汇越来越多地进入到商业银行各级机构管理层和实施层视野，银行在用户营销、用户关心、风险监管、业务运行等方面，相关数据分析应用也愈加深入和精细。

这也反应了商业银行因时而变、顺势而为转型思绪，即利用互联网思维和大数据思维，实现战略转型，依靠用户服务渠道和大量交易数据优势，打造以大数据为基础、以用户为中心、重视用户体验、适应新时代市场竞争“数字银行”。

在此过程中，怎样在银行内部和全部可能统计用户信息互联网、各类商户系统中结构化、非结构化，以ZB计海量数据中获取并筛选有价值关联信息，是对全部商业银行一大挑战。而经过构建用户标签，实现快速正确营销，则是商业银行应对上述挑战有效处理方案。一、何为用户标签

给用户贴标签是大数据营销中常见做法，诸如“商务人士”、“育婴母亲”、“在校学生”、“奢侈品粉丝”等用户标签早已在互联网企业中建立，借助用户标签，互联网企业可实现基于网页设计广告、营销活动正确推送。多年来，中国商业银行也开始尝试经过深入数据分析和挖掘，洞察用户行为、喜好，给用户“打”上多种类型标签。

合理正确用户标签背后是银行对用户全方位信息深入了解和认知。在这个过程中，银行能够发觉哪些潜在用户对营销活动响应度高；哪些用户接收新产品困难，只钟情于传统业务；哪些用户信用度低、风险高或存在欺诈可能。正确勾勒用户轮廓需要结合银行内部数据、社交媒体数据、外部公共数据等多维度数据，深入分析、挖掘后取得潜在用户知识，并依据业务目标对用户进行分类细化，采取类自然语言方法对用户进行描述。如用户标签“手机消费达人”=统计周期[当年（自然年）01月01日至今]+渠道偏好特征[经过手机银行渠道办理业务]+服务偏好特征=[缴费交易笔数≥4]+交易对手特征[支付宝商户]。一个用户标签通常是一个或多个用户特征集合，组成集合特征也称为业务特征规则，是表示用户标签规则原子组成。二、用户标签体系构建

对商业银行而言，基于用户特征集合形成用户标签有成百上千、甚至成千上万个，这些标签在构建时业务目标和适用场景各有不一样。伴随应用标签场景越来越丰富，商业银行也会逐步形成一套完整用户标签体系。

基于行业特征，用户标签有着不一样分类方法。如业内常见传统分类方法，将人口统计、爱好爱好、社会属性和金融特征作为用户二级标签，在金融特征下细分出产品偏好、渠道偏好、交易偏好等三级标签。和大数据结合后，分类方法增加了基于互联网和外部数据用户生活标签，在这个标签下细分出生存需求、关系需求、成长需求和互联网等多个三级标签，在互联网标签中又细分出访问偏好、内容偏好、行为特征等四级标签。本文关键讨论在大数据环境下支持商业银行进行正确营销用户标签体系建设。

商业银行数据不仅包含传统交易系统结构化业务数据，还包含来自银行本身电子商务网站、网上银行、手机银行和外部社交媒体网站、即时聊天工具、微博、微信等渠道半结构化数据和日志等文本信息和来自用户服务渠道多种语音、图片、影像等非结构化数据。建立用户标签体系可对不一样渠道、不一样口径、不一样起源、不一样结构用户信息进行统一分类管理。依据商业银行用户特征，结合大数据思维，用户标签体系可分为五大类：人口统计、爱好爱好、社会属性、金融特征和互联网特征（图1所表示）。

（1）人口统计维度

依据人口统计学知识定义用户基础信息，包含性别、年纪、收入、人生阶段、儿女情况、父母情况、婚姻情况、宗教信仰、民族、国籍、籍贯、教育水平等。

（2）爱好爱好维度

爱好爱好是指一个人表现出对现实态度、行为方法和心理特征，可分为娱乐偏好、生活偏好、文化偏好、性格情绪和消费心理五个方面。其中，娱乐偏好是指对娱乐项目标喜爱，如音乐、戏曲等；生活偏好是指对日常生活事物喜好，如宠物、家居等；文化偏好是指对文化信息方面喜爱，如阅读、摄影等；性格情绪是指个性和心理方面特点，如有爱心、重感情、急躁等；消费心理是指在消费购物方面行为特点，如网购偏好、促销偏好、假日旅游偏好等。

（3）社会属性维度

社会中不一样类别人会以家庭、邻里、好友等群体形式生活，社会属性维度就是描述社会群体部分特征，关键包含生活特征、工作特征和社交特征。其中，生活特征是指居住区域（如市中心、郊区）、是否购车、是否购房等；工作特征是指工作区域、工作性质、行业类别、工作职务等；社交特征是指交友谊况（友人众多、宅男等）、社交圈属性（如高端知识分子、篮球爱好者等）、人群归属（如大学生群体、恋爱群体等）。

（4）金融特征

金融特征是指用户和商业银行交互过程中银行资产、产品持有、渠道使用、投资偏好等和资金账务、交易往来相关金融特征信息，这类数据能够来自一线业务、汇总信息或挖掘分析等多个渠道。金融特征可分为资产信息特征、收入贡献特征、产品偏好特征、消费行为特征、渠道偏好特征和生命周期特征。其中，资产信息特征包含用户AUM、各类产品日均值和时点值；收入贡献特征指用户经过贷款、中间业务收入等给银行带来利润贡献，可分为高价值用户、中高价值用户、低价值用户等，可和不一样产品进行交叉组合；产品偏好特征包含产品持有及投资、服务偏好特征，如定时持有、生活缴费偏好、银行理财偏好等；消费行为特征包含消费地理位置、消费时段、品牌偏好、广告营销偏好和消费热点偏好等；渠道偏好特征是指用户和银行交互往来渠道特征，如柜台偏好、网银偏好、手机银行偏好等；生命周期特征是指用户和银行从接触到销户不一样阶段，包含获取期、提升期、成熟期、衰退期和流失期。

（5）互联网行为特征维度

互联网行为特征维度是指用户在互联网或移动终端访问内容、操作行为相关信息。这类信息包含银行自有网站、手机APP动态数据搜集、从第三方机构（如淘宝）购置用户互联网交易或操作行为数据。通常可分为访问终端特征（如终端类型、终端品牌等）、内容偏好（如偏爱访问信用卡频道、理财频道等）、操作行为偏好（如目标直达型、悠闲型等）。三、用户标签应用平台

从构建一个用户标签到形成一套用户标签体系，需要搭建用户标签应用平台。用户标签应用平台将用户标签体系（常见标签信息）和360度用户信息视图基础数据有机整合，可基础满足业务部门日常数据分析需求。用户标签应用平台还提供自助信息获取和调用经验规则获取信息功效，并可将规则进行知识沉淀后复用；另外，营销反馈结果也被纳入用户标签应用平台作为标签体系、规则优化补充。用户标签应用平台分为用户标签获取、用户标签库和用户标签应用三个层次（图2）。其中，用户标签获取层负责用户标签数据搜集，关键经过调查研究、一线人员搜集（如支行网点、电话服务热线或用户经理等）、用户接触（包含业务办理接触及营销活动接触等）、网络标签规则（如维基百科、电商标签库）、业务营销经验、数据仓库信息层、数据分析及挖掘建模等渠道或技术手段，积累用户特征规则。用户标签库层负责用户属性、特征规则和用户标签存放。尽管借助用户标签能够快速进行营销定位，但因为标签是一个浓缩信息项，若要展开用户画像和分析挖掘，则略显不足，所以还需结合360度用户信息视图明细数据，以确保用户信息完整性。另外，因为外界环境和用户行为信息不停改变，为确保用户标签数据正确性、时效性和高质量，应该做好用户标签基础管理工作，建立标签创建、编辑、审批、公布、实施、评定和下线生命周期管理步骤，实现标签管理体系化。用户标签应用层是利用用户标签实现用户画像、用户群细分、正确营销、用户价值提升、分析挖掘和信息快速推送，其应用对象包含二线产品经理、营销人员、数据分析人员及一线用户经理、网点柜台等。

在构建用户标签营销和分析架构过程中，不仅要“用数据”，更需要“养数据”。“养数据”就是要拓展用户标签起源，主动搜集银行已经有但还未利用数据和银行外部数据，亲密关注行内业务新动向、新趋势，增强和用户触点沟通，加强用户属性行为特征积累，也可考虑经过第三方工具获取行业内成熟用户标签信息，如经过爬虫技术到互联网抓取所需标签。用户标签营销和分析架构建设，实现了数据从“看”到“用”、从“用”到“养”，让数据“活”起来，充足发挥数据价值。