勾勒客户全景视图，助推大数据落地.docVIP

勾勒客户全景视图，助推大数据落地 　　随着大数据的发展，企业“通过产品与服务争夺客户”的背后是一场暗流涌动的数据战，而这场数据战的核心就是如何通过数据来认识客户，只有在充分认识客户的基础上才能依托现代信息技术手段来建立个性化的客户沟通服务体系，将市场做深做透，获得预期的效益。 　　那么如何才能认识我们的客户呢？ 　　我们认识事物的过程中总是从片面到全面、从主观到客观的一个过程，在以客户为中心的企业信息化建设的过程中也是为了实现全面认识客户这个目标在循序渐进，从最初建立业务系统服务全体客户到建设企业级数据仓库，集中各个业务系统数据进行分析逐步实现客户的细分，再到现在整合企业内部以及所有可能记录客户信息的互联网中获取并筛选有价值的关联信息构建企业大数据平台，使用户的这张“像”逐渐从抽象派变成写实派。 　　这张写实的用户“画像”需要一笔一笔去描绘，其中每一“笔”就是用户的一个“标签”，当标签逐渐丰满和系统化以后，用户的这张“像”也就逐渐清晰地展现在我们面前。 　　下面我们就来看看这张用户的画像该怎么去构图（确定认识用户的角度）、采用什么样的颜料（用什么样的数据）、如何调色（数据之间怎么关联组合，达到多层次多视角效果），在此基础上展示自己的画工（数据分析和挖掘能力）。 　　一、确定认识客户的角度 　　从哪些角度去认识客户是首先要解决的问题，但是对于企业来说不同部门/分公司关注点不同，看待客户的角度也会不同，这就需要通过统一的顶层设计和按需的底层落实来实现，并逐步完善和演进，最终形成一套体系化的用户标签结构。 　　以中国移动某省公司为例，在省公司层面构建指标体系如图1所示。 　　各个部门/地市公司又以省公司标签体系为基础，以各自的实际需求为出发点，形成具有自身特点的标签体系，建立各自的标签库。以佰聆数据在某运营商省公司的咨询项目中为例，在省公司的标签体系的基础上又结合用户的上网行为数据扩展了3大类（包括APP类目标签、电子渠道标签、网购类目标签）18个子类（包括兴趣爱好、业务意向、渠道偏好等）共300多个标签，并且基于这些用户标签刻画了若干类的客户群体画像（包括商业精英、忠实彩民、低头族、炒股达人等），其流程如图2所示。 　　从这个案例我们可以看出，在公司层面看待用户的标签主要是一些客观事实的描述，对具体的业务部门来说就需要根据自身的业务特点进行抽象和归类，这也就导致了在实现认识客户的方法上有所不同，也就是说在画这张用户的“像”的过程中虽然使用的颜料相同，但是需要重新去调色。 　　除了在电信领域以外，佰聆数据在电力、金融等行业的实践过程中发现虽然面对的都是客户，但是每一个行业看待客户的角度都有所不同，所以构建客户的标签体系需要针对每个行业来定制，针对每个不同行业、不同部门，基于不同业务需求（如营销、服务策略等）和经验来制定，这更多的是一项业务梳理工作，非任何一种模型算法可以直接得到，需要各个领域的业务专家做整个的规划，确保整个画像的“轮廓”和“骨架”能描绘出实际的需求“面貌”。 　　二、实现认识客户的方法 　　采用标签的形式确定认识客户的角度以后就需要具体地去实现这些标签，也就是展示我们画工的时候了，画像标签不是对数据的直接使用，而是综合了数据特征和业务特征的经验成果，它从业务需求角度出发，是通过将零散的各个系统的数据根据业务的规则和定义、利用科学的统计分析或挖掘算法提炼而出的刻画指标。 　　在对用户标签进行定义的时候一般采用两种方案： 　　1、针对可以直观定义、显而易见的特征，直接根据业务经验给出统计口径，比如一些自然属性、社会属性、购买特征、使用行为等。 　　2、针对无法直接定义、蕴含在数据中的规则，需要采用数据挖掘算法来实现，比如产品偏好、情感偏向等。采用数据挖掘的方法来定义用户标签是至关重要的，直接影响到我们对客户认识的准确性和全面性。从业务角度看因果，从数据角度看关联，而数据挖掘正是从这两方面入手寻找到那些隐藏在数据背后的用户特征。 　　从这两种方案来看，对于企业层面更多的是采用第一种来客观描述用户的各种特征标签，而对于业务部门/分公司来说更多的是采用第二种，在基础特征标签的基础上延伸出更多有助于自身业务运营的客户标签。 　　以佰聆数据在某省移动公司客服部门为例，为了实现投诉退费这个业务场景，需要给客户的画像上增加一个“投诉退费客户信用度”标签，即用户的这个信用分值达到某个等级以后就可以立即进行退费，不需要走原有的流程，而这个信用度由于只在当前这个投诉退费场景下才具有应用意义，所以需要客户部门来单独实现，不需要在省公司层面来做。 　　实现这个标签就是采用了我们认识客户的第二种方法，综合了客户的基础类信息、经济类信息、交互类信息、性格类信息、行为类信息，而这些信息在省公司的用户标签规