基于用户画像的信用卡精准营销研究

门洪亮，李 舒

（广州番禺职业技术学院，广东 广州511483）

一、引言

经过30 多年的发展，我国信用卡规模取得了长足的进步。根据人民银行发布的《2018 年支付体系运行总体情况》，截至2018 年年底，我国信用卡和借贷合一卡发卡数量共计6.86 亿张，同比增长16.73%，人均持有信用卡0.49 张。互联网的发展、金融科技的应用，信用卡消费金融业务的地域限制被打破。随着信用卡用户的年轻化，用户的行为习惯也在发生改变，差异化、便利化的需求明显加强。网络购物、移动支付等成为信用卡用户主要的消费场景，发卡行对用户的了解变得越来越难。

信用卡业务作为商业银行零售战略的重要组成部分，可以带动交叉销售，积累用户消费行为数据，也可以树立品牌，提升品牌形象和市场竞争力。各发卡行在追求发卡规模的同时，面对庞大的客户群体和丰富的信用卡品类，同质化、粗放式的营销效率和效果不断下降，已越来越难满足用户个性化、多样化、专业化、便利化的需求。移动互联网时代，用户及其行为被数据化和标签化，数据成了信用卡业务发展至关重要的因素。用户画像技术可以让发卡行寻找到营销线索，发挥数据潜在价值，提升用户和发卡行的商业价值，已经成为摆在发卡行面前共同的难题。

二、大数据时代的用户画像与精准营销

2008 年《Nature》推出了 Big data 专刊，首次提出了大数据的概念，短短10 多年时间，大数据技术得到飞速发展，“银行纷纷将大数据分析有效应用于产品营销上，力求在大数据中寻找机会，实施精准营销、寻找潜在客户、挖掘市场、建立客户黏性、增强互动、提供个性化服务与定制化产品，将其作为新的差异来参与重新打造银行①。”大数据也为信用卡业务带来了新的机遇和挑战，发卡行具有天然的数据优势，利用大数据分析技术，构建合理的模型，通过挖掘用户需求，及时设计、开发具备竞争力的产品和服务，为信用卡营销带来巨大的推动力和精准度，可以取得快速聚集用户资源，增强用户黏性的市场效应，从而提升发卡行的竞争力。

（一）基于大数据的用户画像

“基于大数据的应用产生了用户画像技术。Alan Cooper 最早提出了用户画像（persona）的概念，他认为，用户画像是真实用户的虚拟代表，是建立在一系列真实的数据之上的目标用户的一种模型②。”用户画像成技术是银行业发展的重要工具和手段。基于大数据平台的用户画像通过对用户 “属性或维度的标签化和结构化，形成对用户行为的分层分类分析，而不是用户数量之间的统计分析③”。“银行可以通过数字化、精细化的用户运营，为客户提供更具个性化、差异化的产品和服务，满足用户的差异化需求④。”通过用户画像进一步完善信用卡产品和服务，准确、快速地提升用户的消费体验，提高用户响应和服务效率，更有利于赢得用户。发卡行通过对用户需求的洞察和消费能力的把握，利用画像信息为用户提供量身定制的差异化产品。

（二）用户画像驱动精准营销

精准营销的核心思想由莱斯特·伟门于1999 年提出。2004 年，Zabin 和Brebach 提出精准营销的4R法则，即在正确的时间（Right time），通过正确的渠道（Right channel）向正确的顾客（Right custom），传递正确的信息（Right message），从而使目标消费者产生购买行为，帮助企业达成市场目的⑤。由此，在精准市场细分和定位的前提下，借助精准的市场推广策略，高效接触用户，给用户带来优质体验⑥。在大数据时代，精准的本质在于营销决策是基于对用户数据的分析。表面看来，精准营销体现为一次次的营销活动，但其背后则是对数据的积累和数据库的长期构建，构建完整的数据库是开展精准营销的基础。精准数据、精准分析和精准推送，三者环环相扣，最终达到精准营销的目的⑦。

基于大数据的用户画像技术通过对市场及用户的细分，可以帮助企业准确识别有价值的目标客户，能及时准确地了解消费者用户行为和心理，企业无法实现精准营销或实施效果不理想的根本原因在于对用户了解不够。在充分了解用户的前提下，企业才可能实施差异化营销，精准营销的战略思想主要是靠差异化取胜，差异化经营的核心就是对用户需求的精准把握。在此基础上，通过精准化营销内容推送，最终实现精准营销。

用户画像技术在电子商务、通信消费、医疗诊断、社交等方面有较多的研究和应用，但在信用卡精准营销方面的研究和应用相对较少。信用卡行业天然具有大数据基因，用户大数据是信用卡价值创造的新起点，未来信用卡行业的竞争将突出表现在精准营销的竞争方面。发卡行需要基于用户画像技术构建精准营销体系，提高营销活动的转化率。

三、基于用户画像的信用卡精准营销体系构建

发卡行如何充分利用信用卡用户海量数据的优势，构建千人千面立体生动的用户全景画像体系，展开精准营销，这是发卡行在大数据时代亟须解决的问题。本文试图通过构建基于用户画像的信用卡精准营销体系模型，整合发卡行的数据资源，构建用户画像体系，通过精准营销的实施接触用户，提升营销效果（图1）。

（一）信用卡用户画像数据来源

信用卡用户画像的数据主要从两个方面获取，一是内部数据，二是外部数据⑧。“银行业要打破传统的数据源边界，需要更加注重像网络社交媒体等这些方面的新型数据来源，可以通过利用各种渠道，去获取更多的客户交易信息，并从这些客户数据信息中去挖掘出更多的潜在价值⑧。”一方面通过与提供外部数据的企业合作获取，另一方面进行多维抓取、挖掘的与用户行为相关的信息。由于外部数据的纬度较多，数据庞杂，在引入时需要考虑数据匹配度、鲜活度、合规性等问题。

（二）信用卡用户数据的整合

这些整合重点，一是以信用信息和人口属性信息为主。这些信息包括工作、收入、学历、财产等信息。目标用户定位之后，银行需要将产品和服务推介给目标用户，人口属性信息就是起到接触用户的作用，如姓名、性别、电话、电子邮箱、住址等信息。通过整合目标用户与信用卡业务场景强相关的信息，满足用户需求，提高营销转化率。二是定量信息定性化，标签化。依据业务场景需求，对复杂数据进行分类，并且融入商业分析的要求进行加工、整理，将定量信息定性化、标签化，进行目标客户定位，提供不同的金融服务，进行精准营销。三是构建用户画像标签体系。用户画像的形象、准确，进一步助力精准营销。其中消费能力信息是信用卡精准营销的关键属性。可根据业务需求，把定量信息定性化，把非结构性信息结构化、标准化、标签化，结合用户的基本信息，对标签层进行分析。四是构建模型应用标签层。模型应用标签是决策分析和改进银行业务管理的重要工具。数据挖掘技术对信用卡市场营销，尤其在个性化营销方面将产生更加积极的作用⑨。针对营销应用领域的数据挖掘方法主要有聚类分析、分类、关联规则、决策树和协同过滤等。根据信用卡业务营销需求，开发场景驱动类模型标签，有助于进一步预测某些业务场景的潜在用户（图2）。

图1 基于用户画像的信用卡精准营销体系模型

（三）实施精准营销

信用卡用户画像标签体系构建完成后，要把画像应用于相关业务场景。

个性化精准推荐是精准营销的关键环节之一。在大数据时代，用户将成为驱动信用卡业务发展的核心资源。个性化推荐保留高净值的客户也促进长尾客户的购买，避免销售的不均衡⑩。实施个性化精准推荐可以有效降低发卡行营销成本，提升营销效率，减少无效营销信息对用户的干扰，维持用户黏度，提升信用卡业务的营销效果。

实时营销着眼于信用卡用户的修改和多样化需要，始终以消费者需要为出发点，以消费者满足为终点。因此，消费行为和消费习惯是用户画像中非常重要的信息，是实现精准营销，把握消费者行为趋势的非常关键的要素，在用户画像中要更为关注动态信息的收集、整理和分析。通过实时营销，能为用户带来主动、前瞻性的体验和满足，极易树立信用卡品牌形象。

交叉营销是银行常用的高效营销手段。交叉销售的业务逻辑是银行不同业务部门针对已经建立了良好关系的老客户销售其他相关产品或有增值可能的产品，也包括向与老客户有关系的其他客户推荐产品和服务，既可以是线上线下渠道的交叉销售，也可以是金融产品之间的交叉销售，更可以是不同关联客户之间的交叉销售，这样既节约了营销成本，也提高了营销效率。

场景营销是基于时间、地点、用户、产品、服务、关系等要素共同构建的消费情景。移动互联网环境下，信用卡业务更多地接入用户的生活、消费场景，发卡行营造了更多的与用户沟通的渠道和触点，消费者也开始形成了标签化的圈子效应。民生银行信用卡业务从品牌定位、产品设计、权益配置、经营场景等多方面向“千禧一代”核心目标客群进行战略聚焦，加强客群的标签画像及应用，充分发挥“全民生活App”的经营平台和场景拓展功能，使精准营销与业务场景紧密结合，2018 年“千禧一代”新增客户达234.89 万个，其交易额贡献占比、收入贡献占比持续提升。

图2 统计分析标签层体系

银行视角的信用卡客户生命周期大体分为客户获取、客户提升、客户成熟、客户衰退、客户流失五个阶段，不同时期的用户画像会有明显的差异，发卡行应基于客户生命周期的阶段性有针对性地开展营销活动，以期满足用户需求的同时，尽可能地拉长生命周期每一个阶段的时间，挖掘客户的营销价值。而对应于客户的自然生命来分析，客户生命周期就更多地与客户的生活场景的需求紧密相关，发卡行应更多地关注客户生活转折时点的关键营销机会，如求学、婚姻、购房、购车、育儿、教育、养老、健康、重大疾病等环节，为其提供有针对性的个性化产品和服务。

（四）反馈评估

发卡行应借助信用卡业绩的相关数据对精准营销活动效果进行评价，在评价时以互联网环境下消费者购买决策机制模型AISAS （注意-兴趣-搜索-购买-分享）各环节中消费者的关注度、活跃度、参与度、贡献度、忠诚度、影响力等形成相应的评价指标体系，进行定性定量的分析。

四、结语

本文以信用卡用户画像为切入点，分析了大数据背景下用户画像技术对于商业银行精准营销的作用，构建了基于用户画像的信用卡精准营销体系模型，重点探讨了用户画像标签体系的数据来源、画像标签的层次以及如何利用画像开展个性化精准推荐、实时营销、交叉销售、场景营销和客户生命周期管理。用户画像是实施精准营销的重要前提，画像越清晰越准确，精准营销的效果就越好，越能挖掘信用卡用户的需求，提高营销活动的针对性，从而让商业银行以最低的营销成本取得较高的营销价值，提升用户的忠诚度和满意度。

用户画像技术已逐步成为商业银行关注的焦点。通过构建用户画像的信用卡精准营销体系，可以为商业银行挖掘用户数据价值，逐层深入构建画像标签体系以实施精准营销，提供一定的借鉴意义。基于用户画像技术的精准营销，可以有效地避免信用卡产品和服务的同质化，提升对市场环境、竞争对手、用户行为和需求变化的适应能力，以消费者需求为中心，刺激信用卡营销创新。

注释：

①(美)布莱特·金.大数据银行:创新者、颠覆者、企业家们正在重塑银行业[M].机械工业出版社,2016:3.

②亓丛,吴俊.用户画像概念溯源与应用场景研究[J].重庆交通大学学报(社会科学版),2017,(5):82-87.

③谢康,吴记,肖静华.基于大数据平台的用户画像与用户行为分析[J].中国信息化,2018,(3):100-104.

④欧阳芳慧.A 银行信用卡营销客户画像体系设计[D].湖南大学,2018.

⑤Zabin J,Brebach G, Kotler P.Precision Marketing: The New Rules for Attracting,Retaining, and Leveraging Profitable Customers[J].Akuntansi Pegawai,2004,93(3):158-165.

⑥倪宁.大数据营销[M].中国人民大学出版社,2015:58-64.

⑦王克富.论大数据视角下零售业精准营销的应用实现[J].商业经济研究.2015,(6):50-51.

⑧Brown B，Chui M，Manyika J.Are you ready for the era of‘big data[J].Intermedia，2011,71（2）：739-741.

⑨侯文喆.基于数据挖掘的银行信用卡客户细分研究[D].天津财经大学,2008.

⑩邓典娜.大数据背景下商业银行精准营销的设计与应用[D].华南理工大学,2018.