分析と事例 | 金融業界のユーザーポートレートの5つの側面を包括的に理解

1. 金融業界がユーザーポートレートを作成する必要があるのはなぜですか?

フィンテックは金融業界の従来のマーケティング手法を大きく変え、これまでの単一チャネル、散発的なマーケティング、店舗や電話への情報発信への依存といった問題点を解消しました。ビッグデータを活用することで、企業は散在的なマーケティングに別れを告げ、低コスト、高効率、正確かつ自動化されたマーケティングを実現できます。金融企業の主な消費者である80年代後、90年代後の消費者の金融消費習慣も絶えず変化しており、彼らは金融商品やサービスを受動的に受け入れることを好みません。ビッグデータの助けを借りて、マーケティングシナリオをユーザーの好みの方法でユーザーの生活に頻繁に統合し、温かいシナリオマーケティングモデルを作成し、「ユーザーの好みに応える」方法でユーザーにアプローチして、ユーザーの心をつかむことができます。

しかし、金融企業は膨大なユーザーベースに直面しています。企業が分析するのに適したユーザーポートレートをどのように作成できるでしょうか?企業のビジネスシナリオから始めることができます。

2. 金融ユーザープロファイリングの目的は何ですか?

ユーザープロファイリングとは、ユーザーのニーズと消費能力を理解した上で、潜在的な製品のターゲットユーザーを見つけ、そのプロファイリング情報を活用してユーザー向けの製品を開発することです。

ビジネス視点で作成されたユーザーポートレートは企業にとって大きな価値があり、ユーザーポートレートを作成する目的は 2 つあります。1 つは、ビジネスシナリオに基づいてターゲットユーザーを見つけることです。もう1つは、ユーザーポートレートの情報を参考にして製品を設計したり、ユーザー向けのマーケティング活動を行うことです。

3. ユーザーポートレート描写の次元は金融商品ビジネスにどのように関係していますか?

最初は何事も難しいものです。データが豊富であるため、金融会社はユーザーポートレートを作成する際に多次元のデータを処理するのが困難です。ほとんどの企業は、ユーザーポートレートデータの次元が多ければ多いほど良い、ポートレートデータが豊富であればあるほど良いと常に考えており、ユーザーポートレートは巨大で複雑なプロジェクトになっています。しかし、ポートレート作成に多大な労力を費やした結果、ビジネスとはかけ離れた、直接業務をサポートできないユーザーポートレートだけが残されていることがわかりました。実際、ユーザーポートレートに関係するデータディメンションは、製品自体のビジネスと高度に統合される必要があります。一般的に、計画は次の 3 つの側面から行うことができます。

1. 人口属性と信用

人口統計情報は、ユーザーの資産、仕事、収入、学歴などの情報を含み、電話番号、メールアドレス、住所、勤務先住所など、ユーザーにリーチする目的で使用されます。この情報は、金融会社がユーザーとつながり、自社の製品やサービスをユーザーに販売するのに役立ちます。

2. 関連性の高い情報

たとえば、仕事と教育は、関連性の高い情報である収入と信用に大きな影響を与えます。しかし、身長や星座などの情報が消費能力に与える影響を確率的な観点から分析することは難しいため、ユーザーポートレート分析に含めることは適切ではありません。この情報はユーザーの購買力にほとんど影響を与えず、商業的価値もほとんどないからです。

3. 定性データ

プロファイリングの目的は、対象ユーザーを選別することです。定量的な情報はユーザーの選別には役立たないため、定量的な情報を定性的な情報に変換することが非常に重要です。たとえば、30 歳、年収 100 万元などの定量的な方法の使用は避け、代わりに年齢層 (25 ～ 30 歳) と収入範囲 (50 万～ 100 万元) を使用すると、ターゲットユーザーグループをすばやく見つけやすくなります。

4. ユーザーポートレートを作成した後、どのようにユーザーにアプローチすればよいでしょうか?

実務的な観点から、金融企業はその事業内容と組み合わせて描写する必要があります。ユーザーポートレート情報は 5 つのカテゴリに分類できます。これらは、人口統計属性、信用属性、消費タイプ、興味や趣味、社会的属性です。上記は基本的にビジネスニーズに必要な強力な関連情報をカバーしており、外部のシナリオデータと組み合わせることで、大きな商業価値を生み出します。次に、ユーザーポートレートの 5 つの主要な情報カテゴリが、実際のユーザーリーチシナリオでどのように機能するかを見てみましょう。

1. 人口属性:

主な機能はユーザーにリーチすることです。性別、年齢、電話番号、メールアドレス、住所、現在の地理的位置などはすべて人口統計属性情報です。

（地理位置情報、ホリデーマーケティング - 保険、WeChat決済の利用）

2. クレジット属性:

例えば、職業、収入、資産負債、信用スコアなどはすべて信用情報です。ユーザーの資産成長の可能性や収支状況を説明するために使用されます。企業がユーザーの資産状況や信用を把握し、対象ユーザーを見つけるのに役立ちます。

（リスク評価と所得属性マッチング金融商品の活用-JD Finance）

3. 消費習慣の分類：

消費頻度が高く価値の高いユーザーを見つけるために使用されます。企業がユーザーの消費特性に基づいてサービスを推奨し、消費特性を正確に把握するのに役立ちます。このタイプの人々のコンバージョン率は非常に高く、N回の再投資率もそれに応じて非常に高くなります。例えば、子供の教育、出張、海外旅行、ケータリングユーザー、自動車、母子、財務管理関係者など。企業がユーザーの消費記録を持っている場合、特定の消費特性を持つグループにユーザーを分類し、ターゲットを絞ったマーケティング活動を通じてユーザーにアプローチすることができます。

（消費習慣属性の活用 - 目標財務管理 - GFファンド）

4. 趣味と興味:

この種の情報は、企業がユーザーの興味や消費傾向を理解するのに役立ち、ターゲットを絞ったマーケティングキャンペーンにも役立ちます。興味や趣味は消費特性と重複する可能性があることに注意してください。違いはデータソースの違いにあります。消費習慣は既存の消費記録から生まれますが、購入する商品やサービスは必ずしも自分のためではなく、趣味や関心は自分の本当の関心事を表しています。たとえば、アウトドアスポーツ、映画、電子技術、フィットネス、高級品、料理など。

（人生の趣味を活かす - 電子製品の消費 - 怠惰な投資）

5. ソーシャル情報:

ソーシャルメディア上のユーザーの行動やコメントは、多くの場合、ユーザーの内面的な考えや趣味を反映しており、リアルタイムでの利用可能性が高く、コンバージョン率が高く、再購入につながりやすいという特徴があります。たとえば、ユーザーが「広州で楽しい場所やおいしい場所はどこ？」と尋ねたとします。旅行ホテルの予約で最も割引を受けられるのはどこですか?どちらの住宅購入の方が割引率が高いでしょうか?金融投資におけるリスク管理に最適な場所はどこですか?これらのソーシャル情報は、ユーザーの多様なニーズを表しています。企業がそれらをタイムリーに理解できれば、製品の宣伝に役立ちます。ただし、これらのソーシャル情報は動的であり、常に変化していることに注意してください。正確なプロモーションを実現するには、ラベル分類を定期的に更新することを忘れないでください。

（生活消費シナリオを使用 - 直接消費 - 華北）