一、构建用户画像模型

（一）人口属性

用于描述用户个人基本特征信息，帮助金融企业知道客户是谁？人口属性包括：姓名、性别、年龄、婚否、联系方式、住址等等。

（二）信用属性

用于描述用户收入情况、收入潜力和支付能力，帮助金融企业了解用户资产信用情况。信用属性包括：职业、学历、收入、资产、负债、信用评分等等。

（三）消费特征

用于描述客户主要消费习惯和消费偏好，用于寻找高频和高价值客户。帮助企业依据客户消费特点推荐相关金融产品和服务，转化率将非常高。消费特征包括：有车族、有房族、购物类型、购买周期、品牌偏好等等。为了便于筛选客户，可以参考客户的消费记录和语义场景，将客户直接定性为某些消费特征人群，例如差旅人群，境外游人群，3C控，奢侈品族，母婴用户，理财人群等等。

（四）兴趣爱好

用于描述客户的兴趣偏好，同时帮助企业了解客户消费倾向，定向进行精准营销活动。兴趣爱好和消费特征信息来源于已有的消费记录、位置信息和不同的语义场景等，比如通过客户在论坛中经常会询问有关科技产品的资讯，我们会通过对客户语义的挖掘分析，将其定义为“科技发烧友”。

（五）社交信息

用于描述用户的社交图谱、家庭成员、朋友圈，这些信息往往代表用户的消费预期和客户社会关系网，通过社交信息，可以尽可能完整的了解客户，以便为客户提供个性化的服务。

（六）交互信息

用于描述用户在社交媒体上的评论，这些信息往往代表客户真实的需求，具有实时性高、转化率高的特点。比如：客户在某论坛询问哪个理财产品收益高？我们通过对客户语义的挖掘分析，该客户有投资理财的需求，如果金融企业可以为客户实时推送相关收益高的理财产品信息，其必将具备蕴藏的商业价值。

二、什么是构建用户画像？都需要具备哪些条件？

构建用户画像是指用户信息标签化的过程，通过收集用户多维度的信息数据，如人口统计属性、社会属性、行为偏好、消费习惯等，并对这些信息进行统计、分析，从而抽象出用户信息全貌。一般需要具备3个方面的要素才能成功构建用户画像。

1、用户属性

用户属性包括年龄、性别、学历、收入水平、消费水平、所属行业等用户数据。这些信息被作为样本，把用户的行为数据作为特征训练模型，来构建完整的用户画像。

2、用户偏好

用户偏好数据是互联网领域中使用最广泛的信息，包括了用户的社交习惯、消费习惯、特殊爱好等，能够帮助我们对用户属性进行精准分析。在构建过程中主要是从用户海量的行为数据中进行核心信息抽取、标签化和统计。

3、消费场景

消费场景是对消费者购买或发生消费行为时的特征进行具象化得出的信息要素，包括用户消费的经济价值（消费金额、消费频次）和用户购买行为（品类偏好、时间偏好、使用偏好）等。了解用户的消费习惯和消费场景，才能为后面的产品推广做好准备。消费场景也是构建用户画像非常重要的一环。