客户画像最早是由移动互联网电商衍生而来的，京东也好、淘宝也好、一号店也好。我们不可能真的每一个用户生成一套推荐方案，我们都是把人分成了一万个类，或者一千个类。将人群划分到某一个类别里面，然后再在那个类别里面做一个推荐。这里面有共同点，就是说分类和聚类。而且群体特征往往更能反映你的个人喜好，现在互联网把这一套细则称为个性化推荐。

一.推荐系统

实施过推荐系统的同学一定非常清楚，推荐系统是一个系统性工程，除了里面所涉及到的个性化推荐算法，最主要的还有各个系统模块的工作:

   

谈到推荐系统，里面会包括HBase的离线和在线分离、Hbase的KV读和Solr的批量读分离、region热点监控和切分等非常多的知识点；所以为了提升文章的可读性，今天我们不聊推荐系统，本文主要来聊聊跟客户画像相关的知识如营销和算法等内容。

二.客户画像维度与标签

客户画像的维度，包括客户的基本特征、社会身份、用户生命周期、类目偏好等等。具体的标签跟上述的维度是息息相关：

   

三.客户画像与精准营销场景

最简单的客户画像是分析不同性别的群体特征，然后做特定营销。如分析广州、北京、客户的群体特征，分析90后、80后的群体特征。前面说到把人分成了一万个类，或者一千个类，然后在这个类别里面，做一个精准化推荐。

比如对于某电信公司的客户画像，我们将其分为8类，分别是：

类别一：喜欢深夜通话，多发信息，多发话给预付费用户，忙时发话少

营销手法：夜间通话套餐，短信大礼包，转为预付费，激励话音用量

类别二：多发短信，多发话给后付费用户，忙时发话少

营销手法：闲时通话弹出/激励；短信大礼包；激励话音用量

类别三：高通话量，发话网外多，有国际长途

营销手法：高价值客户大礼包，激励国际长途通话，高端资费方案

类别四：交往圈固定，多发话给后付费用户

营销手法：高机制客户大礼包，业务引荐奖励

类别五：高通话量，发话网外多

营销手法：激励话音用量，高价值客户大礼包

类别六：固网通话多，高通话量，喜欢早餐通话

营销手法：移动-固网通话套餐，晨间通话套餐

类别七: 多发短信，多发话给后付费用户，忙时发话多

营销手法：短信激励，忙时通话套餐

类别八：高通话量，喜欢深夜通话，闲时通话多

营销手法：夜间通话套餐，闲时通话套餐，通话量奖励

那具体到金融产品中，银行理财产品客户的画像又是什么类型？对于某银行中的客户分层，根据其特点，可以分为以下类型：

 

银行的客群的标签的打法会根据该客户所在银行购买的理财产品，如果有借款行为，就是借款表现，或跟其他银行合作的渠道方、数据埋点等，一起探索客户的真实标签。

四.模型算法

回归到具体如何做客群的聚类分析，目前常规的做法分别有：有监督学习和聚类分析（无监督）。

有监督学习可以分为回归算法、决策树算法等内容；聚类分析常见的有k-means，分层聚类算法等。

有明确目标，就是有Y值的，我们一般会对目标变量建立相应的模型，用于响应/预测。用模型评分做排序划分群组。

而无明确目标，就是没有Y值的客户分群通用采用聚类分析的算法，其目标是尽量将相似的研究对象（客户）聚集在同一个类别（群体），同时让相异的客户分布在不同群体。因此我们需要定性且定量的去描述相似/类似或者相异同的“度”，统计上我们使用”距离“。

4.1.有监督聚类

先来谈一下决策树聚类，在信贷风险中，如果做过规则探索，必须了解的决策树聚类。在用决策树分析客群的时候，通常情况下，分层的客群生成的树如下:

 

无论是做贷前规则准入规则好客群的筛选还是坏客户的筛选，这个都可以采用带标签的样本，采用决策树的方法进行客群筛选。

之前番茄学院里的课堂有跟大家提过，如果用sas em进行坏样本的筛选，最终得到树结构条件规则。这个例子也是用决策树进行客群画像，实现聚类。

 

对该方法不熟悉的同学可以在知识星球里跟我们交流，有需要奉上操作策略到知识星球中。

4.2.无监督聚类

如果采用无监督聚类，通常情况下，一般采用层级聚类（系统聚类）跟K-MEAS聚类的方法，两者所采用的方法也不太一致。

其中的层级聚类的基本步骤如下:

1.计算每两个观测之间的距离

2.将最近的两个观测聚为一类，将其看作一个整体计算与其 它观测（类）之间的距离

3.一直重复上述过程，直至所有的观测被聚为一类

而在K-meas聚类中：

1.设定K值，确定聚类数（软件随机分配聚类 中心所需的种子）；

2.计算每个记录到类中心的距离（欧式）， 并分成K类。

3.然后把K类中心（均值），作为新的中心， 重新计算距离；

4.迭代到收敛标准停止（最小二乘准则）。

所以观察这两种的聚类方式，可以发现层次聚类系统会根据样本的特点进行聚类，能聚成几类之前是未知的；而K-meas聚类就不同，需要提前告知聚类的数量。

在聚类的过程中，需要注意的问题如下：

一．要预先处理变量

1.1.收到的数据通常需要经过处理才能用于分析：

a．缺失值

b．异常值（极大或极小）

c．分类变量需要转化为哑变量（0/1数值）

d．分类变量类别过多

1.2.不同的统计方法对数据有不同的要求：

a.决策树允许缺失值和异常值

b.聚类分析和回归模型则不支持缺失值

二．变量标准化

变量的量纲的不一样引起计算距离的偏差

比如我们用了两个维度：收入和年龄

收入的取值范围 [$10,000, $100,000] 年龄的取值范围 [18, 100]

方法1：中心化

方法2：极差标准化

三．不同维度的变量,相关性尽量低

这里提到的这个客户画像的内容，我们在2020年七月份课程中《信贷产品设计与定价》，也有详细跟大家介绍客户画像的方法：

 

欢迎感兴趣的童鞋们一起来回顾学习！

注：以上图文资料均来自番茄学院《番茄风控大数据》知识星球与相关专题课内容

我们坚持为大家带来输出系列风控干货内容，欢迎广大风控爱好者关注 : 番茄风控大数据