百分点研发总监苏海波：大数据用户画像的方法及营销实践

摘要：3月18日，以”大数据精准营销”为主题的数据观思享会沙龙在京成功举办。数据观思享会是在贵阳数博会组委会指导下的一个品牌沙龙。百分点研发总监苏海波在活动中给大家分享了主题为《大数据用户画像的方法及营销实践》演讲。

苏海波：大家下午好！我是技术背景出身，今天给大家分享偏技术方面的内容，主要涉及到用户画像的技术以及在营销方面的应用。

不知大家有没有听说过百分点，百分点是09年成立的，最早的时候做推荐起家，给很多电商提供第三方服务。到2014年的时候，差不多大概有1500家的电商和媒体都是我们的客户，是国内推荐最大的第三方服务提供商。2014年下半年，百分点转型为大数据解决提供商，华为、长虹等等采用我们提供的大数据解决方案，他们的企业用户画像DMP平台都是我们构建的。

今天的主题是大数据用户画像的方法及营销实践。

大数据已经上升为国家战略，大数据和用户画像是一个什么关系？我们先讲述一下数据在发展过程中地位的转变。早期的时候，基本上IT系统的构都是为业务服务，在服务过程中积累了数据，然后我们的BI分析团队对这些数据进行分析。但是到了DT时代，大数据时代，数据地位发生根本性的转变，数据本身就是一个现实世界的虚拟化表现，数据已经构成了一个虚拟世界，IT系统是构建虚拟系统之上更加智能，数据在DT时代更加重要。

大家都听说过大数据四个V，大数据应该说一种信息化时代自然的延伸，意味着无处不在。怎么说？第一，我们现在已经进入信息化时代。另外，我们可穿戴设备发展得越来越快，人产生的数据会越来越多，而且随着技术发展，人和人之间这种传统面对面的沟通方式也发生了变化，很多时候可能都通过信息化传输，因此，我们人需要从机器比特流中去识别人，同时由于机器变得智能，需要教会机器去认识用户，那么用户画像这个事情就变得越来越重要。因为基于用户画像可以做一系列的事情，比如说个性化推荐、营销、征信、风控等等都是了解人的基础上才能构建的一些应用，因此用户画像是所有应用的基础。

提到用户画像这个词，好多人都听说这个词。有多少人听说用户画像这个词，能举一下手吗？我给大家解释一下。基本上做大数据这一行的，都听说过用户画像这个词。好多人都听过画像、360用户识别、标签这些词儿，但是对这些概念并不清楚，下面我在这里跟大家分享一下我们理解的用户画像。

首先看一下生活当中对用户的一些描述。首先看一段文字，身长八尺、面如冠玉，大家有没有想到谁？很容易想到诸葛亮。这是一段文本描述，左边这个图的描述也是描述一个人，大家会想到谁？很容易想到希特勒。

右边这个图，描述是一个球员。

这个大家都知道是奥巴马。

生活当中描述一个人的方式有很多，像这些的描述方式不一样，但他们都满足一些共性。首先是目标，都是为了描述人、认识人，其次是形式化，什么叫形式化？我们机器能够理解这段内容，比如说拿身份证，我们身份证可能在卡上一刷信息全部出来了；另外非形式化，刚刚看到文本图像都是非形式化的描述，机器是理解不了的。第三，是信息的组织，有可能是结构化也是非结构化。前面看到的球员给出很多指标，那是一种结构化的方式。第四，标准。我们描述一个人，要采用一套能够达成共识的指示体系，因为必须达成共识对方才能理解，如果我知道这个词而对方不理解这个词，那上面就没有办法达成一致，就没有办法来描述这个人。

最后一个方面就是验证。构建完用户画像之后，你得说出它的依据，你说这个人特别不靠谱，你得告诉为什么不靠谱，你的依据是什么？你是怎么推理来的？

因此，用户画像的描述都满足这五个方面的特性。

说了这么多，给用户画像来下一个定义，用户画像对现实世界中的用户的数学建模。这句话，它有两层含义。第一层含义，我们看到这个词，有一个关键是用户，说明这个用户画像它跟业务密切相关，实际当中来源于业务，对符合业务需求的特定客户。来源是源于现实，高于现实。另外，数学建模。它是从用户已有数据当中去挖掘深层的、对用户比较高层次的描述，比如说这个人是月光族，月光族只是一个符号，很多时候不可能从原始数据包含月光族，我们是从用户每个月有多少收入每个月花销多少钱，推理出来是否是月光族，消费数据以及收入数据才是原始数据，因此用户画像是源于数据，高于数据。

如何构建用户画像，我们从服务各家企业的过程中总结出来一套方法论。要描述用户画像，第一个要有业务指示体系，达成一套共识的业务支撑体系。另外要有一种形式化的方式能够描述，而且这套知识体系，机器能够理解，只有人理解，机器不能理解这个东西也没有办法去用的。有没有这样一套方法？

大家在60、70年代听说过本体论，那个东西听起来非常复杂，我在这儿不做过多的描述。但是我们有一套比较朴素的知识藐视体系，大家小时候学语文要用新华字典，新华字典其实就是在描述我们的知识。

怎么来描述？左边条目是一个词，就是这里所谓的符号，右边用一大段的文字解释前面这个符号，就是对应的概念，呈一个三角关系。字典里面说狗这个词，我们头脑中想到一段文字描述狗：”四条腿，会叫、会看家的动物”，脑子中想的是各种各样狗的实体，因此词典是描述知识的一套方法。通过这套方法可以拓展到用户画像中来。

首先看一下标签，标签就对应刚刚说的符号，大家对标签这个词不太理解，其实它本质上来说就是一个用户特征的符号表现。我们说用户画像是现实中的数学建模，就是刚才说的一段概念和文字描述，是经验总结出来的用户特征。右下角对应用户群体。举一个例子，我们就拿性别来说，性别对应一个符号，而且这样的符号跟业务密切相关，比较简单的一种场景，大家理解的男女都是性别上的男和女，另外一种场景，譬如互联网上经常喜欢购买男性的商品，这时候指的不是性别，而是指在互联网上喜欢购买什么样的商品，因此跟业务相关。

标签的标准化定义是某一种用户特征的符号表示。比如说这个人是月光族，说他是高富帅，喜欢汽车等等都是给他打上的标签。性别、地域也是标签，都可以用来描述用户。

标签与用户画像是整体和局部的关系，这种关系用标签体系来描述。举例来说，就像每一个人都有一双眼睛和一个嘴巴，但是只有嘴巴和鼻子，在位置合适的时候，才能构成一张人脸。

我们给企业构建用户画像时标签体系非常关键，它不是我们做研发拍脑袋拍出来，要跟产品人员、业务人员沟通他们的需求。刚才提到给华为做企业DMP平台，就要和所有业务部门沟通，每个业务部门对画像的需求不一样，营销部门、售后服务部门等等对标签都有自己的需求，通过收集所有需求构建一套标签体系，给每个标签一个完整定义再交给研发人员生产标签，因此和业务密切关联。

最后一个方面是用户画像生产出来需要验证。客户跟我们交流过程中提的非常多的一个问题，最后我们标签生产出来以后，构建效果怎么样？怎么验证？

我们的经验总结分为两个层面。第一个层面是你的标签准不准，譬如我们经常用搜索，搜索出来结果准不准。第二个层面是标签全不全，一般来说这两者没有办法完全满足，而且对标签体系也很难做到100%的完备，因此我们通常是验证标签打得准不准。

大数据用户画像准确性验证可以分为两个方面。第一，有事实标准。这个人生理上是男是女，这个东西可以验证，但是这种方法可以直接拿到他的性别，再和我们打出来的性别做比较，就知道标签打得准不准。另外一种是无事实标准，刚才提到忠诚度，是营销当中非常重要的标签，但用户忠诚度没有一个客观事实标准，这个时候去做验证，更多的是验证计算过程是否合乎逻辑。

我们看一下用户画像生产过程中的逻辑架构。首先是数据源，你给企业构建DMP系统，收集所有的数据，而且企业数据源都是来自各个地方，包括电子渠道、官网、微信渠道等等，第一个是要去整合所有的数据源，把所有数据源梳理清楚。

第二，数据采集，不同的渠道你的数据采集方式不一样，我们做数据采集归结两个层面，产品数据集成和用户数据集成。

第三，数据管理层面。这指的什么意思？所有用户数据采集回来之后，你要清洗、加工、建模、构建出我们用户画像，所以说这是一个数据管理的过程。

数据加工完成之后在上面开发一个对应的接口，包括分析类、服务类、营销类，提供给上面各个业务部门使用，到最后你可以应用到各个行业，比如说我们应用到金融、制造、航空、家电等，从逻辑上来说是这样一个架构。

实际构建用户画像过程中会碰到关键技术难题，今天分享主要是两个方面。

第一是用户多渠道的数据打通。第二是用户数据挖掘建模。

什么是用户多渠道的数据打通。在互联网上，用户跟企业有非常多的触点，PC上网是cookie标识，有各种各样的标识。整个用户行为数据被分割，如何把这些数据打通，同样用户在不同触点进行打通就变得特别重要，为了做这个事情，我们需要站在上帝的视角。我们用什么方法做这个事情？

当一个用户，我在一个电商网络上，用邮箱登录的时候，用了email和网站的cookie，在两个标识拉一条边，就可以采用图的方法将用户全渠道ID打通。我们将刚才所有的ID作为顶点，当两个ID共现的时候，邮件和cookie可以连一个边，把所有的点连成起来就构成一张图，就能进行打通，两个ID通过中间一条路径进行联通，认为他们是同样一个用户。实际业务对拉通可信度的要求有区别，比如拿推荐来说，要求没那么高，拉通错了影响没那么大。但如果电商网站上，手机和网上用户拉错了，把信息发到另外一个人的手机里面，用户体验会非常糟糕。

刚才说的标签体系拉通，什么意思？我们数据来自于不同渠道，我们有很多电商客户，它们的类目体系并不一样，我们不同渠道的数据该如何进行整合？这就涉及到标签体系拉通的问题。大家容易想到直观的方法，就是进行手工映射，这种工作量特别大。

另外一种是通过机器学习，百分点建立一套标准体系，对于任何用户访问的任何一个商品，通过机器学习分类到这套标准体系，就解决类目体系拉通的问题。

具体到模型太技术了，就不说了。

接下来说到用户画像标签层级。指的什么意思？我们刚刚说了用户画像是标签的集合，我们可以分为几个层次。我们最开始涉及到的用户行为是什么？网络行为。这些都是原始类的数据，按照他们加工难度或者业务需求程度，可以分为几类。

事实类标签。什么叫事实类标签？比如说购买什么种类的商品，这个网站我浏览了几次，这都不需要加工，只需要做简单统计，就能得到事实标签。

再往上模型预测类标签。比如说你刚刚买了一个手机，你有手机配件方面的需求，这是模型预测类的标签。

再往上是营销类标签，类似于忠诚度、影响力这些方面的标签。我要提高他的忠诚度怎么得到？它其实是上面业务和底下原始数据衔接层，得到用户忠诚度可以去进行营销。再比如影响力标签，可以根据发的信息有多少人转，根据这些原始数据，这个人在朋友圈影响力有多大，这都是加工出来的。

最上面一层是业务类标签，譬如有房一族、有车一族、高富帅、白富美等。比如高富帅，你怎么判断？收入、性别等原始标签组合成高富帅这个标签。

最后说一下用户画像在实际业务中的应用，首先可以根据我们的应用去拓展维度，刚才说了根据实际业务需求，然后去构建标签体系的维度。第二，它可以根据维度扩展用户画像的应用，因此它和实际中的应用是互相促进的关系。

有了忠诚度、影响力的标签可以做营销，在售前推出一款新产品，希望在销售之前找到目标用户群做精准营销，这是一方面；另一方面，在售中把用户拉到网站上做向其推荐感兴趣的商品，这是售中；最后我的用户买了商品离开网站之后，用户对产品以及对我的品牌口碑反馈是什么样，这是售后。我希望得到这方面的用户反馈，用于售后做增值服务。今天主题是大数据在营销方面的应用，因此后面的内容侧重在营销方面，即用户画像在营销中如何使用。

构建画像之后，因为营销渠道非常多，包括短信营销、在线营销等等，百分点基于企业的三方数据来进行营销。所谓第一方数据，指的是企业的CRM数据、销售数据，这些都是属于它的第一方数据。第二方数据，比如做广告做投放，广告的曝光数据、点击数据、转化数据等。第三方数据，指的是第三方的数据服务公司补充的数据，帮助企业找到更多的潜在客户，这种叫做第三方数据。

有了三方数据之后全部进行整合，加工成用户画像，筛选出潜在人群，就有了数据闭环，同时还包括营销闭环，在做营销的时候可能对初始筛选出的人群效果不太满意，因为效果不一定是特别好的，根据实际报表情况对我的营销策略不断进行调整，因此会有两个闭环。

百分点营销管家是一站式营销平台，它解决什么问题？客户做营销的渠道非常多，短信、百度搜索还有门户广告等，这些是大家比较熟悉的。这两年什么最火？程序化购买，跟企业接触过程当中，企业对DSP不太了解，但又不得不往这方面转型，他们如何选靠谱的DSP对他们来说都是很费劲的事情。一方面，我们产品就可以解决它们的问题，营销管家对接了众多的投放平台，包括短信营销、邮件营销、搜索SEM等等，广告主你需要什么样的渠道在平台上直接选择就好，实现全渠道的营销。

我们可以看一下实现的营销方面的效果，这是给某知名手机厂商采用营销管家最后达到的效果方面的提升。现在企业做营销，投放完就将数据留在了投放渠道上，自己没拿回来，那这次投放的数据就浪费了。现在很多企业都在构建自己的DMP平台，所谓DMP就是数据管理平台，需要把自己投放的数据拿回来，便于后面做营销可以再次利用这些数据，相当于形成数据资产不断沉淀。

第二个例子，化妆品闪购商城达到了销售的提升，这里就不再细说了。

上面一个例子是我们给某个知名制造企业构建的第一方DMP，首先要拉通所有的数据建立整体的大数据管理平台，然后把他们所有企业内部外部所有数据都收集归拢建立消费者画像，结合画像做营销。

这里构建360度的用户画像体系，传统用户画像来自结构化的数据，比如CRMM系统或者销售数据，这些数据相对很多维度有缺失，我们将所有的数据，浏览数据、访问数据、微博数据、论坛数据进行整合，拉通构建360度用户画像体系，基于整体的画像去做营销。

我们当时做过这样的一个案子，大概60万左右的潜在消费者形成了四个标准进行投放，大概效果是盲投的10倍。

最后再补充一个在社会化营销做的例子。当时某一个家电制造企业客户新品发布希望招募粉丝，他们希望从老用户中找出最有可能参加活动的粉丝。

我们的方案是利用企业销售数据对用户忠诚度进行建模，得到忠诚度标签之后挑选忠诚度比较高的用户，具体的建模数据包括接受渠道多少、购买品类多少，购买频次多少次，最后直接带来的效益是带来了超过一半的粉丝，成本只有以往的40%。

最后，我对前面内容做一个小结。用户画像不是数学游戏，而是严肃的业务问题。所谓标签不仅仅是一个符号，其实是衔接底层用户数据和上面业务之间一个很好的抽象层，是业务和技术的非常好结合点，通过用户画像无论将它应用于营销还是将来拓展到征信方面、推荐方面，都是有非常多的实际案例。

这是我今天给大家分享的内容，谢谢！