Skip to main content

初识客户画像

一、什么是用户画像

用户画像就是给用户贴标签。
例如你追一个女生,你可以这样给用户贴标签
基本信息:张倩、23岁、成都人、168cm
职业:设计师,月入2万
外在:肤白貌美、前凸后翘、五官精致、长发飘飘、大腿修长
兴趣爱好:喜欢桌球、逛街、看电影、旅游
社交信息:办护照、问云南丽江旅游攻略
知道这些信息,你是不是就可以有目的的投其所好,然后开始你的追求计划!
上面是对一个人的用户画像,产品的用户画像是对一群人的进行贴标签,是对一群人共性特征的提炼。例如你搜索p2p,就会出现p2p的用户画像。主要集中在北上广深,年龄主要集中在20-39岁,且以男性居多,那么你要开一家p2p公司的时候就要选在北京、上海、做运营推广的时候主要找20-39岁的人群,这就是用户画像!

二、为什么要做用户画像

1、防止产品经理跑偏。产品经理做出来的产品是给用户用的,所以脑海中必须有什么样的用户在什么样的场景下使用这个产品,这样设计的东西才能满足用户需求,不带有你个人喜好。例如:你设计理财产品是给20-39岁的年轻人用的,但你却想着有老年人在投资你的产品,把字体设计的特别大,影响美观,也会导致部分目标用户群的流逝。
2、为运营推广提供支持。有了详细的用户画像,推广起来不仅效率高,而且也能降低ROI。例如你的投资理财产品主要针对是30-39岁的年薪在20万以上的目标人群,这些人群有啥特征?这些人群基本上都属于结婚没多久,小孩在上幼儿园的状态,你就可以在幼儿园的门口来加他们的微信,地推你们的产品,就是因为有了目标人群,然后分析目标人群特征,然后才能进行精准化的推广。

三、用户画像注意事项

1、用户画像建立在真实的数据之上。不论是你自己的数据还是引入外部的数据,比如你的理财产品的注册用户有很多垃圾用户,从其他渠道过来的垃圾用户,都不怎么投资,这个时候你做用户画像的时候就要把这部分人群给去掉。
2、多个用户画像,考虑用户优先级。一般不超过三个以上的用户画像,超过三个用户画像,在产品设计的时候会无所适从,产品设计的时候首先考虑满足首要用户画像,在不冲突的情况下满足次要用户画像,当一个产品非常复杂,在设计某个模块的时候,也要考虑用户画像的优先级,例如,购物网站,某一块是给女性设计的,就要站在女性的视角,从颜色、排版角度要考虑偏女性化,但是另外一个购物板块是给男性用的,可能就需要成熟、大气、稳重一些。
3、用户画像是在不断的修正中。刚开始做产品可能猜你的目标用户是什么样的人群,实际做出来可能有点偏差,然后开始修正,当你的数据更丰富的时候,可能用户画像又需要修正。比如:比如你现在在上海做理财产品,主要目标用户是上海的20-39岁人群,万一那天你的推广集中在杭州,你的用户画像中地域分布可能主要就集中在杭州了。

四、用户画像的五个维度

每个产品都要结合自己的业务进行用户画像,例如相亲APP可能在意用户的年龄、性别、家庭情况、经济状况(房车)、兴趣爱好、信用状况(防止酒托、骗子之类的),金融类APP可能主要是年龄、收入状况、信用状况等,对于一些其他无关信息身高、体重、星座就不需要了,又不是做模特招聘和直播的。我们主要从人口属性、信用属性、消费特征、兴趣爱好、社交属性进行划分,其他更多的维度可以根据自己的产品需要来定,一般这五个维度能够满足产品设计需求和业务需求。1、人口属性。主要描述一个人基本信息,姓名、联系方式、年龄、性别、电话号码、邮箱、家庭住址这些。知道这些信息,可以划分用户群,是年轻人、中年人、老年人、以及地域分布主要在啥地方,知道他们的联系方式可以确保你能联系到他们,对你的营销有帮助。
2、信用属性。主要描述用户收入情况、支付能力、以及信用情况。银行有余钱、芝麻信用分高的人一般有能力进行理财而且信用比较好,这些有利于了解信用情况,定位目标用户,客户职业、收入、资产、负债、学历、信用评分、芝麻信用分都属于信用信息。
3、消费特征。主要描述用户的消费习惯和消费偏好,用于寻找高频和高价值的用户,一个经常买买买的人,也是一个比较有财力,愿意花钱的人。为了方便筛选用户可以直接将客户定位为某些消费特征人群。例如一个人经常旅游,那么你就可以向他推销旅行险,一个人刚买车,你就可以将他的车抵押向他放贷等,如果你的客户是经常买奶粉,你可以在你的产品上做个积分商城,商城里面的产品有奶粉。
4、兴趣爱好。用于描述客户有哪方面的兴趣爱好。例如你的用户经常去看一些戏剧啥的,听交响乐。那么他有可能是中产阶级,比较有钱,你可以好好维护吗,这里要说明的一点就是兴趣爱好和消费特征可能部分有重复,区别在于数据来源不同,消费特征来源于已有的消费记录,但是我买来的东西不一定是自己用,但是兴趣爱好代表本人真实的兴趣。例如户外运动爱好者、旅游爱好者、电影爱好者、健身爱好者、奢侈品爱好者。掌握这些信息可以方便你做运营,比如客户是电影爱好者,那么你就可以做一个活动说投资送电影票。至于这些数据怎么获取,可以通过社交信息和地理位置信息来获取。经常去电影区是电影爱好者,经常去健身房是健身爱好者…
5、社交信息。用于描述用户在社交媒体的评论,这些信息往往代表用户内心的真实想法和需求,具有时效性高,转化率高的特点。例如用户询问房屋贷款哪家多?你就可以向他推荐贷款,如果企业及时了解到这些信息,可以有效的进行推广

债券简介_002-收益率

债券收益率
         债券收益率就是衡量债券投资收益通常使用的一个指标,是债券收益与其投入本金的比率,通常用年利率表示。债券的投资收益不同于债券利息,债券利息仅指债券票面利率与债券面值的乘积,它只是债券投资收益的一个组成部分。除了债券利息以外,债券的投资收益还包括价差和利息再投资所得的利息收入,其中价差可能为负值
  债券收益率曲线是描述在某一时点上一组可交易债券的收益率与其剩余到期期限之间数量关系的一条曲线,即在直角坐标系中,以债券剩余到期期限为横坐标、债券收益率为纵坐标而绘制的曲线。
  决定债券收益率的主要因素,有债券的票面利率、期限、面值、持有时间、购买价格和出售价格
常见的计算方式
    常见的债券收益率有5种。
  1. 名义收益率:
  通常称之为票面利率,这是国债一开始发行就确定的收益率。
  例如:某10年期中国国债,面值100元发售,每年支付一次利息,持有人每年某个固定日期都会从财政部收到5元钱的收益,这就意味着名义收益率5%。
  1. 即期收益率:意思是按照现在的国债价格和票面收益算出来的收益率
  例如:某十年期中国国债,面值100元,票面利率5%,而当前市场价格96元,那么,即期收益率=5/96=5.2%。
  1. 到期收益率:这个稍复杂一点儿,要考虑当前债券价格和持有到期后财政部返还所有本息的价差和距离到期的剩余年份。
  例如:某十年期中国国债,面值100元,票面利率5%,当前市场上价格96元,还有8年到期,那么,到期收益率=[5+(100-96)/8]/96=5.73%。
  1. 认购者收益率
    在绝大多数时候,100元面值的国债,财政部是不会按照100元来卖的,而是要根据当前市场上的国债收益率价格进行调整,还要根据各购买国债的金融机构投标情况来确定价格。这个收益率,指的是认购者买国债之后,持有到期的收益率。这需要考虑财政部出售债券价格、本来的票面收益率等因素。
  例如:某十年期中国国债,面值100元,票面利率5%,购买者从财政部购买的价格是102元,那么,认购者收益率=[5+(100-102)/10]/102=4.71%。
  1. 持有期收益率:国债价格本身有涨跌,有人就会想着在涨涨跌跌中赚差价,而这个收益率就是在你赚取差价时候的收益率。
  例如:某十年期中国国债,面值100元,票面利率5%,每年付息一次。我以96元在年初买进,除了获得国债利息收入外,我还预计2年后会涨到102元,并在那时卖出,这样一来,持有期收益率=[5+(102-96)/2]/96=8.33%。

Image

债券收益率

债券简介_001

1.什么是债券

债券是政府、金融机构、工商企业等机构直接向社会借债筹措资金时,向投资者发行,承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证。债券的本质是债的证明书,具有法律效力。债券购买者与发行者之间是一种债权债务关系,债券发行人即债务人,投资者(或债券持有人)即债权人。最常见的债券为定息债券、浮息债券以及零息债券。
与银行信贷不同的是,债券是一种直接债务关系。银行信贷通过存款人-银行,银行-贷款人形成间接的债务关系。债券不论何种形式,大都可以在市场上进行买卖,并因此形成了债券市场。
债券所规定的借贷双方的权利义务关系包含4个方面的含义:
第一,发行人是借入资金的经济主体
第二,投资者是出借资金的经济主体
第三,发行人必须在约定的时间付息还本
第四,债券反映了发行者和投资者之间的债权债务关系,而且是这一关系的法律凭证

2.债券的基本要素

  • 债券面值
  • 债券价格
  • 债券利率
  • 债券还本期限与方式
  • 其他约束

3.股票和债券的区别

股票和债券虽然都是有价证券,都可以作为筹资的手段和投资工具,但两者却有明显的区别。
3.1 发行主体不同
作为筹资手段,无论是国家、地方公共团体还是企业,都可以发行债券,而股票则只能是股份制企业才可以发行。
3.2 收益稳定性不同
从收益方面看,债券在购买之前,利率已定,到期就可以获得固定利息,而不管发行债券的公司经营获利与否。股票一般在购买之前不定股息率,股息收入随股份公司的盈利情况变动而变动,盈利多就多得,盈利少就少得,无盈利不得。
3.3 保本能力不同
从本金方面看,债券到期可回收本金,也就是说连本带利都能得到,如同放债一样。股票则无到期之说。股票本金一旦交给公司,就不能再收回,只要公司存在,就永远归公司支配。公司一旦破产,还要看公司剩余资产清盘状况,那时甚至连本金都会蚀尽,小股东特别有此可能。
3.4 经济利益关系不同
上述本利情况表明,债券和股票实质上是两种性质不同的有价证券。二者反映着不同的经济利益关系。债券所表示的只是对公司的一种债权,而股票所表示的则是对公司的所有权。权属关系不同,就决定了债券持有者无权过问公司的经营管理,而股票持有者,则有权直接或间接地参与公司的经营管理。
3.5 风险性不同
债券只是一般的投资对象,其交易转让的周转率比股票较低,股票不仅是投资对象,更是金融市场上的主要投资对象,其交易转让的周转率高,市场价格变动幅度大,可以暴涨暴跌,安全性低,风险大,但却又能获得很高的预期收入,因而能够吸引不少人投进股票交易中来。
另外,在公司交纳所得税时,公司债券的利息已作为费用从收益中减除,在所得税前列支。而公司股票的股息属于净收益的分配,不属于费用,在所得税后列支。这一点对公司的筹资决策影响较大,在决定要发行股票或发行债券时,常以此作为选择的决定性因素。

忘掉你的大数据,数据思维才最重要!

“坦白讲如果没有拥有数据思维,那即使拥有了很多数据,而且不管这些数据有多大,都不能说你在做大数据,所以大数据的核心其实是要拥有数据思维。”
1、数据思维
利用数据解决问题
什么是数据思维?数据思维的最核心是利用数据解决问题,利用数据解决问题的最核心是要深度了解需求,了解真正要解决什么样的问题,解决问题背后的真实目的是什么。在解决问题的过程中我们使用数据的方法,通常可以叫量化的方法。

所谓量化的方法,就是解决问题的过程要可衡量、可评估,有非常明确的定义,这点在车老师书里有一篇就介绍了他的几个定义,即“PIMA”,这四个字母分别代表了解决问题时要考虑的几个纬度。

需要有明确的目的(P);
在达到目的的过程中需要有清晰的定义(I);
在解决问题的过程中所使用的手段是可量化的(M);
对问题、解决问题的全过程可评估(A)。

所以不管是财务、人事、还是生产或销售的每一个环节都是可量化的,可以通过数据解决问题的。

通过量化的数据解决问题,就是我们所谓的数据思维。举明略在金融行业的实际案例来看:我们先思考一下,金融行业里银行、保险或证券公司经营的目的是什么?这是核心。车老师在书里也介绍了,考虑大数据也好,考虑数据思维也好,首先是要分析出所做事情的真正目的是什么?然后再进行量化分析。

实际上,金融行业企业最核心的是风险控制问题。银行获取存款的过程做一个最基本的存款操作就行了,是没有任何风险的。但当银行想盈利的时候,存款业务因为要支付储户利息成为非赚钱手段,想赚钱要通过贷款实现。银行把收过来的存款贷出去,两者之间的利差是银行的利润。

所以对于银行来讲,真正的核心诉求是如何在贷款过程中降低风险,尽量减少贷款个体或企业不还款的风险。这个风险越低,银行的利润空间就越大。因为整个贷款利差并不高,可能只有几个点,最多也不会超过十个点,即便是现在的小贷,也不会超过十个点。但一般一个贷款人还不了款的话,银行利润就会被大打折扣。现在整个市场上的风险率或坏账率有时会高达百分之三、百分之五,即便比较低的时候可能在很多银行有百分之一点几、百分之二点几。所以如何有效的控制这个风险对银行很重要。

所以对于银行来讲,他需要了解贷款人的还款能力。而且还款能力从他贷款到还款过程中也在时时发生变化,有消费者在贷款瞬间是有还款能力的,但在还款之前的整个周期里他经历的状况其实在不断发生变化。企业更是这样子,每个企业在经营过程中的状态是瞬息万变的。所以对于银行来讲了解消费者或企业的整个经营状况、资产状况、风险状况是非常关键的,中间的每个环节都可能造成贷款人最后无法还款,银行需要评估这里面的每一个因素与最后能否发签证的关系。

在传统金融行业里,很多银行只会考虑发贷款或者发信用卡之前的风控分析。很多银行到人民银行拿到一些个人消费者征信报告,这些数据包含了消费者以前其他的贷款、每个月工资情况等等这样一些最基本的信息。银行根据信息打分,然后这个分数之上的消费者可以获批贷款,在分数之下的就不会获批。这整个过程是成本较高的,因为任何一个报告都是要花钱去买。第二点是很多情况下需要面访,现场进行风险考察,然而这个考察过程中数据的真实性和有效性也是值得商榷的。

比如我们的一个客户——邮政储蓄银行。向他们贷款的很多客户是农民,他们在种植或者养殖生产中需要资金支持,比如用来投资买种子或者购买种植养殖的基本设施。但是当面谈的时候他或许假装家里有一头牛,我将来可以卖掉这个牛还款,但这个牛有可能是从他的邻居家拉过来的。所以真正证明贷款申请人信用的数据真实性和有效性是解决这个问题过程中非常核心的问题。数据是否是真实有效的、数据是否跟最后结果有关系,这就是我们在数据思维决策过程中需要考虑的两个非常核心的问题。

“ 其实我是有一点近视眼的,我看很远处的一个广告牌,上面的文字有时我看得不是很清楚,但我的大脑是能够猜出来文字大概是讲什么的。本质上是因为在我的大脑是拥有识别低分辨率的数据,同时再把它还原推测到高分辨率的那个能力。这种能力其实也是大数据公司里面非常核心的能力。”
2、数据治理
还原推测到“高分辨率”
我接下来就给大家讲讲处理数据里面最核心的两个工作。第一个工作我们称之为数据清洗或是叫数据治理。

很多公司拥有大量的数据,但如果这些数据没有办法整合到一起,没办法清洗、在线化,没办法让使用者方便取用,那即便数据量再大也不能说这个公司有大数据。所以清洗和整合数据是非常重要的。通常在技术领域有一个概念叫“ETL”,ETL其实只把数据抽取到一起,进行数据格式统一化,最后再加载到一个可应用的平台上,这是整个数据治理行业里面最核心的几个环节。但在大数据概念出来之后,跟传统ETL有一个挺大的区别在于数据格式跟以前相比更加复杂。通常我们所谓的大数据、我们处理的数据除了包括以前的结构化数据,还包括新的非结构化数据。

非结构化数据是指数据里每一条记录之间的格式并不统一,甚至很多数据都是脏数据。大家可以想象银行的很多数据,比如消费者注册信息:姓名、年龄、手机号、身份证号,包括月收入可能都要求填,但很多情况下大家填信息的时候格式都不一定统一,比如说手机号可能有一些人填没有加“86”,再比如说身份证号有人填的是18位的,有人填的是15位的,这些信息是否是统一格式对于未来的数据应用非常关键。

今天很多互联网公司都是拥有大量数据的,中国最大的三巨头BAT都拥有海量消费者网名数据。百度云每天一个人搜索数据,阿里拥有每个人每天购物的浏览数据和下单采购数据,腾讯就不用说了,他有我们每个人的聊天记录、通信记录。他们拥有的数据都是非常可怕的。这些数据有一个很主要的工作在清洗过程中,就是需要把数据的唯一用户标识进行统一,因为很多的数据是散落在不同的子平台上的,在不同的平台上的可能会有不同的唯一标识,在有的情况下一个网名是处于登陆状态,而有些情况下是处于没有登录的情况。如何把不同的数据都打到同一个标签上是很多公司正在做的事情。

像我最近在跟几个阿里包括车老师,还有腾讯的人聊,他们自己内部都有一个类似于叫自然人计划的项目,这是公司的核心项目。这个项目工作就是把整个集团下属的所有公司的数据收集到一起,把这些数据连到一块儿,把消费者行为最后标到一个真正的可以看出来的一个自然人身上。比如说像我在阿里体系里不仅是有购物行为,还有在高德地图上的浏览的行为,而且我在高德地图上是没有登录的,那在阿里体系里面他就需要通过一些算法的猜测,而这个人使用地图的具体行为可能正好也就是这个人使用的支付宝账号的信息,他们通过一个算法是可以关联起来的。实际上这个关联并不难,因为我这两个行为都是落在同一个手机上的,他可以通过手机的ID就可以把我的行为连起来了,最后得出结论就是吴明辉的。

所以前面我也反复提到过好多次,数据实际上是每一个人、每一个个体、每个机器、每天日常的各种人的行为的一些记录。因为程序的能力,可以把数据及行为记录下来,这就产生数据。但是任何一个商业公司也好,甚至是国家也好,都没有能力去记录一个个体、一个人一天二十四小时所有的行为,这是不可能的。每个人只能记录一个片段,所以数据清洗的过程还有一个很重要的工作就是想办法把一个人的所有行为进行补全,甚至对你的未来行为进行预测。

这就好比平时用数码相机照相,平时看到一张照片是一百万像素、五百万像素还是一千万像素的,事实上大家可以理解整个世界的像素是无穷的。但是我们最后把拍照存下来的时候肯定是有限制的,如几百万或者一千万,最高可能有几千万像素的相机。但实际上拍下来,真正数码化存下来的时候,他已经是一个采样的过程,就是把真正分辨率极高的这个真实世界里面的一部分信息抽样存下来,然后分辨率越高,就是抽样的比例越高。分辨率越低,抽样的比例越低。

而我们真正记录下来数据,记录得越全面,对还原真实世界就还原得越好。但是很多情况下,如果真正的技术、好的算法或者数据清晰的整合能力很强的话,可以把一个低分辨率的信息,还原成原来很高分别率,很真实的情况。就像我们的人眼其实就很厉害,因为其实我是有一点近视眼的,但是我看很远处的一个广告牌,上面的文字有的时候我看得不是很清楚,但是我的大脑是能够猜出来到底这个文字是讲什么的,本质上是因为在我的大脑里面是拥有识别低分辨率的数据,同时再把它还原推测到高分辨率的那个能力。这种能力其实也是大数据公司里面非常核心的能力。

“并不是所有的数据在系统里面都存在,比如说我跟我同事之间的关系,我跟我爱人之间的家庭关系,可能在公安系统里面并没有完整的存储数据。但是很多数据可以非常快速的被发现出来。”
3、数据关联
同一趟火车到互为同事的推断
前面我给大家介绍的是数据的清洗整合。实际上大数据技术除了信息整合之外,另外一个很核心的技术是数据的关联。

前面我也提到了很多大数据客户不管是政府还是企业都有很多不同的数据,因为数据本身是需要关联起来,在数据真正联系到一起之后,在数据内部我们可以发现很多数据和数据之间的关系,而这些关系真正的挖掘好了之后,它的实战价值是非常大的,可以起到1+1远远大于2的作用。

在美国有一家非常有名的大数据企业叫“Palantir”,这家公司现在虽然还没上市,但市值已达两百亿美金,是全球没有上市的企业里市值排名前五的企业。这家企业之所以厉害是因为其在利用数据关联这种能力去给美国情报机构,包括CIA、美国国土安全局提供数据挖掘服务,帮助他们进行反恐和非常重大的刑事案件追查,数据的关联在很多情况下能够帮助政府很好的发现犯罪份子。

明略数据现在也在利用类似的技术给中国的公安局等部门提供类似的服务。在整个公安破案过程中,这种关系的挖掘是非常重要的。就像前面我说的,并不是所有数据在系统里面都存在,比如说我跟我同事之间的关系,我跟我爱人之间的家庭关系,可能在公安系统里面并没有完整的存储数据。但是很多数据可以非常快速的被发现出来。举个例子,当时我们在河北做了一个试点,我也是很强烈地被震撼到了。当时把我的名字输到这套系统之后,其实是通过我们自己做开发的系统,我们可以用非常快速的方法查出哪一些人是我在明略的同事。

虽然在公安系统里并没有记录我是明略的,我的同事也是明略的,我们之间这种同事关系,但在公安系统里记录了我曾经从北京坐了一趟动车去到了河北,我的另外一个同事也坐这趟车过去,同天晚上我们又入住了同一家酒店,就这样简简单单的信息,就把我们两个人关联上了。我们其他同事用类似的方法都可以非常简单地被关联在一起。当我们利用这样方法把几组数据,比如乘坐火车的数据和住酒店的数据关联到一起之后,很多关联关系就自动的被发现出来了。这个价值对于整个安全体系来讲是非常非常重要的。今天其实很多公安都在试用类似的方法侦破重大案件。

总结
大数据的核心有两个:第一,要知道数据是如何获取的。第二,要拥有“数据思维”,拥有数据思维最核心是我们要考虑到一个事物从起因到结果的发展过程,所有的数据其实是记录这个过程中的证据。

当一个机构在给一个消费者、一个个人提供服务的过程中,这些数据很多情况下就被存储下来了。存储下来的数据可以通过大数据技术来还原最开始的真相,通过统计学的模型可以把缺失的信息补全,用来预测未来的信息,这就是大数据的本质。