保險(xiǎn)公司項(xiàng)目用戶畫(huà)像解決方案

保險(xiǎn)公司工程用戶畫(huà)像解決方案1、背景、用戶細(xì)分-畫(huà)像與營(yíng)銷1、收集用戶不同方面的數(shù)據(jù)2、用戶分析與用戶細(xì)分，分析不同群組的行為與需求3、建立用戶響應(yīng)推測(cè)模型，定位響應(yīng)可能性較高的用戶4Offer5、通過(guò)測(cè)試和掌握組比較分析效果6、通過(guò)營(yíng)銷分析優(yōu)化下一次的渠道、Offer因此用戶細(xì)分〔畫(huà)像〕在營(yíng)銷活動(dòng)中的作用是理解、定位與篩選用戶。、用戶細(xì)分-畫(huà)像的概念、用戶行為細(xì)分用戶購(gòu)置方式細(xì)分〔時(shí)間、地點(diǎn)、設(shè)備、渠道〕用戶購(gòu)置產(chǎn)品細(xì)分〔產(chǎn)品類別偏好〕與責(zé)任險(xiǎn)用戶、車險(xiǎn)用戶等。、用戶價(jià)值細(xì)分依據(jù)用戶產(chǎn)生的價(jià)值進(jìn)展細(xì)分，可以分為高價(jià)值、一般和低價(jià)值用戶。、用戶需求細(xì)分期等不同階段，每個(gè)不同階段的用戶有不同的需求。、用戶畫(huà)像在用戶細(xì)分的根底上，分析各個(gè)群組的其它維度。例如在購(gòu)置產(chǎn)品德為細(xì)分組描述。、用戶細(xì)分-畫(huà)像的應(yīng)用場(chǎng)景、用戶獵取戶群體的特征，定位與高價(jià)值用戶類似的用戶。、產(chǎn)品定位體與未掩蓋細(xì)分群體的市場(chǎng)份額與產(chǎn)品屬性偏好，進(jìn)展產(chǎn)品的定位。、穿插銷售樣本用戶中購(gòu)置可能性較高的那一局部人群，提升轉(zhuǎn)化率。、精準(zhǔn)推舉AAA2、實(shí)施過(guò)程、數(shù)據(jù)定義場(chǎng)景包括產(chǎn)品關(guān)聯(lián)分析、用戶響應(yīng)推測(cè)、用戶細(xì)分-畫(huà)像、、用戶根本信息整合之后的用戶根本信息應(yīng)當(dāng)包括身份識(shí)別標(biāo)識(shí)，姓名，性別，年齡、婚姻用戶身份信息表進(jìn)展關(guān)聯(lián)，并導(dǎo)入外部相關(guān)標(biāo)簽信息。用戶身份信息表，用于識(shí)別并標(biāo)識(shí)唯一用戶。屬性屬性訪問(wèn)標(biāo)識(shí)訪客標(biāo)識(shí)訪問(wèn)時(shí)間證件類型證件號(hào)碼會(huì)員賬號(hào)手機(jī)號(hào)碼郵箱城市說(shuō)明主鍵該表為用戶身份信息表，作為數(shù)據(jù)集市的一個(gè)底層表。用戶信息表來(lái)源為線上渠道，包括epiccwap的唯一識(shí)別及整合客戶身份信息。用戶唯一識(shí)別規(guī)章如下：會(huì)算不同的用戶；不同訪客，同一證件號(hào)碼，會(huì)歸為同一個(gè)客戶；手機(jī)號(hào)不存在時(shí)，以用戶會(huì)員賬號(hào)為唯一識(shí)別標(biāo)識(shí)，處理規(guī)章同上；會(huì)員賬號(hào)不存在時(shí)，以有效的郵箱號(hào)碼為唯一標(biāo)識(shí)，處理規(guī)章同上；識(shí)為中心，整合成一條數(shù)據(jù)；、用戶訪問(wèn)記錄錄，主要涉及字段如下表：屬性屬性訪問(wèn)標(biāo)識(shí)訪客標(biāo)識(shí)訪問(wèn)時(shí)間訪問(wèn)次數(shù)訪問(wèn)深度登錄頁(yè)面營(yíng)銷渠道說(shuō)明主鍵SEM/DSP/EDM/短信來(lái)源類型來(lái)源類型搜尋引擎訪問(wèn)渠道區(qū)分率運(yùn)營(yíng)商下載渠道例如Web、APP、WAPAppAppApp、產(chǎn)品掃瞄表產(chǎn)品掃瞄表，記錄線上渠道用戶每次訪問(wèn)的產(chǎn)品掃瞄記錄訪問(wèn)標(biāo)識(shí)訪問(wèn)標(biāo)識(shí)訪客標(biāo)識(shí)····主鍵、產(chǎn)品訂單表產(chǎn)品訂單表，記錄線上渠道用戶每次訪問(wèn)的產(chǎn)品訂購(gòu)數(shù)量訪問(wèn)標(biāo)識(shí)訪問(wèn)標(biāo)識(shí)訪客標(biāo)識(shí)·····主鍵、訂單明細(xì)表購(gòu)置產(chǎn)品，購(gòu)置金額等。訂單編號(hào)訂單編號(hào)訪問(wèn)標(biāo)識(shí)訪客標(biāo)識(shí)主鍵訂購(gòu)時(shí)間購(gòu)置產(chǎn)品購(gòu)置金額訂購(gòu)時(shí)間購(gòu)置產(chǎn)品購(gòu)置金額·····、業(yè)務(wù)數(shù)據(jù)庫(kù)數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)庫(kù)數(shù)據(jù)主要為客戶交易數(shù)據(jù)、CRM數(shù)據(jù)庫(kù)以及其他渠道數(shù)據(jù)等、數(shù)據(jù)比照字典稱。比照數(shù)據(jù)也可以用于對(duì)被比照數(shù)據(jù)的分類，例如產(chǎn)品的分類。、用戶信息匯總戶信息匯總包含以下：用戶根本信息：性別用戶訪問(wèn)記錄：用戶掃瞄記錄：用戶購(gòu)置數(shù)據(jù)：N最大購(gòu)置金額最小購(gòu)置金額用戶標(biāo)簽：訪問(wèn)時(shí)長(zhǎng)、訪問(wèn)頻次、營(yíng)銷渠道偏好、產(chǎn)品掃瞄偏好等〔婚姻、小孩、父母、聯(lián)系方式真實(shí)度評(píng)估購(gòu)置行為分類：購(gòu)置記錄、購(gòu)置時(shí)間偏好、購(gòu)置產(chǎn)品偏好、支付方式分類用戶價(jià)值分類〔依據(jù)保險(xiǎn)購(gòu)置記錄、保費(fèi)金額、理賠信息等推斷〔房屋、車輛、企業(yè)資產(chǎn)等〕興趣愛(ài)好類：旅游偏好、寵物偏好、數(shù)據(jù)集市規(guī)律設(shè)計(jì)用戶標(biāo)簽用戶標(biāo)簽-投保行為分類標(biāo)簽-價(jià)值分類標(biāo)簽-渠道分類標(biāo)簽-相像推舉1-相像推舉2-相像推舉3-相像推舉4-相像推舉5Web行為數(shù)據(jù)〔用戶級(jí)別〕WAP行為數(shù)據(jù)〔用戶級(jí)別〕APP行為數(shù)據(jù)〔用戶級(jí)別〕CIF投保行為〔用戶級(jí)別〕CIF用戶信息用戶訪問(wèn)信息〔用戶級(jí)別〕產(chǎn)品掃瞄記錄〔用戶級(jí)別〕產(chǎn)品訂單記錄〔用戶級(jí)別〕CIF投保數(shù)據(jù)〔訂單級(jí)別〕訪問(wèn)信息〔訪問(wèn)級(jí)別〕產(chǎn)品掃瞄記錄〔訪問(wèn)級(jí)別〕產(chǎn)品訂單記錄〔訪問(wèn)級(jí)別〕產(chǎn)品訂單明細(xì)產(chǎn)品掃瞄標(biāo)簽-產(chǎn)品代碼-關(guān)聯(lián)推舉1-關(guān)聯(lián)推舉2-關(guān)聯(lián)推舉3-關(guān)聯(lián)推舉4-關(guān)聯(lián)推舉5、數(shù)據(jù)獵取、線上行為數(shù)據(jù)2.2.2、業(yè)務(wù)數(shù)據(jù)2.2.3、外部數(shù)據(jù)引入或購(gòu)置外部數(shù)據(jù)、數(shù)據(jù)處理、用戶識(shí)別通過(guò)訪客標(biāo)識(shí)〔Cookie〕和證件號(hào)碼進(jìn)展唯一用戶。假設(shè)沒(méi)有證件號(hào)碼，則假設(shè)沒(méi)有登錄賬號(hào)，則通過(guò)郵箱識(shí)別唯一用戶。、用戶掃瞄行為整合理和匯總，最終形成用戶級(jí)別的掃瞄行為匯總。、用戶投保行為整合用戶投保記錄的整合，最終形成用戶級(jí)別的投保行為匯總。、用戶投保行為分類標(biāo)簽生成本用戶的分類標(biāo)簽，從而生成全部用戶的投保行為分類標(biāo)簽。、用戶購(gòu)置可能性分析戶定位和精準(zhǔn)營(yíng)銷。、產(chǎn)品首頁(yè)的關(guān)聯(lián)推舉選取近N個(gè)月內(nèi)的訪問(wèn)級(jí)別的產(chǎn)品掃瞄記錄，假設(shè)掃瞄過(guò)某產(chǎn)品則記為1，M、訂單支付完成頁(yè)面的關(guān)聯(lián)推舉選取近用戶級(jí)別的產(chǎn)品掃瞄記錄，假設(shè)購(gòu)置過(guò)某產(chǎn)品則記為1，沒(méi)有購(gòu)置過(guò)M、數(shù)據(jù)挖掘模型、主成分分析品進(jìn)展分類。ABCDEFGHIJKLMNOPQ…ZC123430000100195300…4C200004252000010000…1C310113456000000563…81主成分分析之前的用戶產(chǎn)品購(gòu)置數(shù)據(jù)P1P2P3P4P5P6C1150173016C2020101517C32170220192主成分分析之后的用戶產(chǎn)品購(gòu)置數(shù)據(jù)、聚類分析各個(gè)細(xì)分用戶的購(gòu)置行為。P1P2P3P4P5P6分類C1150173016aC2020101517bC3217022019cC411012309aC5023201713bC6016101519b3利用主成分分析之后的數(shù)據(jù)進(jìn)展聚類分析P1P2P3P4P5P6分類性別年齡渠道掃瞄金額C1150173016a男34……500C2020101517b男23……700C3217022019c女26….…600C411012309a女28……400C5023201713b男31……300C6016101519b女41……9004聚類分析之后分析其它維度進(jìn)展完整的用戶描述、多元分類模型進(jìn)展聚類分析之后，可以以所在群組編號(hào)為目標(biāo)變量，整合用戶的產(chǎn)品購(gòu)置入地描述各個(gè)分類的用戶特征。P1P2P3P4P5P6性別年齡渠道瀏覽金額時(shí)間分類C1150