本文內容較長，代碼全部已展示在文中

用戶精細化分類也可以稱做用戶畫像，是目前很常見的一種運營手段，目的是為了更好的服務不同性質的客戶，提高每個環節的轉化率，最大程度挖掘客戶價值，創造利潤。

那么如何構建用戶畫像，或者說構建精細化的運營體系，這個過程的數據工作其實就是：

• 畫像相關數據的整理和集中
• 找到同業務場景強相關數據
• 對數據進行分類和標簽化(定量to定性)
• 依據業務需求引入外部數據
• 按照業務需求進行篩選客戶(DMP的作用)

本次案例就來分享如何通過數據挖掘的手段對用戶進行精細化分類，以保險行業為例。

一、客戶細分

客戶細分根據客戶的分類維度進行細分，保險行業的分類的維度一般包括5類，分別是社會特征因素、自然屬性因素、行為特征因素、態度偏好因素和生活狀態與個性因素。

前三者屬于事前分類維度，是表露在外的因素，即通過接觸就可知道的因素；后兩者是屬于事后分類維度，需要通過調研才能了解，反應客戶內在本質的區別。對客戶細分，我們往往通過事后分類維度做客戶分類，以保證分類的深入性，再通過事前分類維度進行描述與驗證，以保證分類客戶的差異性和可接觸性。這里用Python讀取調研的Excel數據，將事后分類維度取出來并查看類型，發現9個維度都是數字類型并且部分維度之間似乎存在一定的相關性，這種相關性可能會造成重疊信息的擴大化，增加分類偏差，因此先對這9個維度進行因子分析。

1.1 因子分析

因子分析是將多個實測變量轉換為少數幾個綜合指標(或稱潛變量)，它反映一種降維的思想。通過降維將相關性高的變量聚在一起，從而減少需要分析的變量的數量，而減少問題分析的復雜性。

因子分析的前提是具有一定的相關性，因此必須通過了kmo和bartlett球形度檢驗的數據才能進行因子分析。

因子分析前，首先進行KMO檢驗和巴特利球體檢驗，KMO檢驗系數>0.5，(巴特利特球體檢驗的x2統計值的顯著性概率)P值<0.05時，問卷才有結構效度，才能進行因子分析，因子分析主要是你自己做了一份調查問卷，你要考量這份問卷調查來的數據信度和效度如何，能不能對你想要調查的東西起代表性作用，說得很通俗不知道能不能理解。

球形檢驗主要是用于檢驗數據的分布，以及各個變量間的獨立情況。簡單一點說，按照理想情況，如果我們有一個變量，那么所有的數據都在一條線上。如果有兩個完全獨立的變量，則所有的數據在兩條垂直的線上。如果有三條完全獨立的變量，則所有的數據在三條相互垂直的線上。如果有n個變量，那所有的數據就會在n條相互垂直的線上，在每個變量取值范圍大致相等的情況下，所有數據分布就像在一個球形體里面。想象一下萬劍穿心的情形，大抵就是那個樣子。如果不對數據分布進行球形檢驗，在做因素分析的時候就會違背因素分析的假設——各個變量在一定程度上相互獨立。

通過了適用性檢驗后進行因子分析：

查看9個公因子的特征值以及方差貢獻率，一般選擇方差累計貢獻率大于0.8的公因子，而文中選擇了特征值大于1的公因子，即方差累計貢獻率為0.697的前4個公因子。接著根據4個公因子重新擬合。

查看公因子的提取度，發現當使用4個公因子時，4個公因子對9個維度的解釋率都超過0.6，說明提取的4個公因子對原始維度有一定的解釋力。
接著查看4個公因子的因子載荷，看看是否需要旋轉。

以第一個維度為例，我們發現4個公因子對原始的第一個維度的解釋程度分別為：0.418，-0.046，0.697，0.293，表明公因子1與公因子3之間存在一定的相關性，達不到因子分析的既定效果，因此需要進行旋轉，使得各個公因子具有差異化的特征。

還是以第一個維度為例，我們發現經過最大方差法旋轉之后，4個公因子對原始的第一個維度的解釋程度分別為：-0.069，0.153，0.203，0.824，即公因子4對第一個維度的解釋力較大。旋轉后4個公因子在原始維度上被明顯的區別出來，即4個公因子具有差異性的特征。

1.2 聚類分析

經過因子分析之后，我們把所有的客戶分成了具有差異性特征的4類客戶(代表了9個事后分類維度)，接著我們通過因子類型以及保費金額兩個維度進行聚類分析。

聚類分析是針對數據的相似性和差異性將一組數據分為幾個類別。常用的聚類分析方法有kmeans、DBSCAN以及層次聚類。這里使用的是層次聚類，因為層次聚類對數據的類型要求不高而且事先不需要知道分為幾類，缺點在于計算量大。

層次聚類(Hierarchical Clustering)是聚類算法的一種，通過計算不同類別數據點間的相似度來創建一棵有層次的嵌套聚類樹。在聚類樹中，不同類別的原始數據點是樹的最低層，樹的頂層是一個聚類的根節點。創建聚類樹有自下而上合并和自上而下分裂兩種方法。

打個比方，你作為一家公司的人力資源部經理，你可以把所有的雇員組織成較大的簇，如主管、經理和職員；然后你可以進一步劃分為較小的簇，例如，職員簇可以進一步劃分為子簇：高級職員，一般職員和實習人員。所有的這些簇形成了層次結構，可以很容易地對各層次上的數據進行匯總或者特征化

# 因子類型以及保費金額的量綱不一致，需進行標準化處理result['因子類型'] = result['因子類型'].astype('int64')result['Z因子類型'] = (result['因子類型']-result['因子類型'].mean())/result['因子類型'].std()result['Z保費金額'] = (result['保費金額']-result['保費金額'].mean())/result['保費金額'].std()result = result.set_index(result['問卷編號'])#層次聚類分析Z = hierarchy.linkage(result[['Z保費金額', 'Z因子類型']], method='ward', metric='euclidean')hierarchy.dendrogram(Z, labels=result.index)# 看效果圖，分為5類比較合適，即高度大概在13左右label = hierarchy.cut_tree(Z, height=13)label = label.reshape(label.size,)result['細分類型'] = list(label)

通過層次聚類分析，我們將所有客戶分為了5類。接下來我們通過方法分析檢驗分類的效果。我們發現無論是保費金額還是因子類型，通過層次聚類分組后，p值都小于0.05，即組間存在顯著性差異，聚類效果良好。

#使用方差分析檢驗 聚類效果a = anova_lm(ols('保費金額~C(細分類型)', data=result[['保費金額', '細分類型']]).fit())[:1]b = anova_lm(ols('因子類型~C(細分類型)', data=result[['因子類型', '細分類型']]).fit())[:1]f_oneway_result = pd.concat([a.iloc[:, 3:], b.iloc[:, 3:]])f_oneway_result['列名'] = ['保費金額', '因子類型']print(f_oneway_result) F PR(>F) 列名C(細分類型) 306.108565 1.157673e-152 保費金額C(細分類型) 742.643495 1.999808e-251 因子類型

通過單因素方差分析，我們知道細分類型各組間存在顯著性差異，那么這種差異怎么表現出來呢？對于類別型數據我們用占比比較，對于數值型數據我們用均值進行比較，然后根據保費金額以及因子類別對細分類型命名。

#保費金額使用均值比較，因子類別使用占比比較nor = pd.crosstab(result['細分類型'], result['因子類型'], normalize=0) # normalize = 0按行求占比mean = result.groupby('細分類型')['保費金額'].mean()result_xf = pd.concat([nor, mean], axis=1)print(result_xf) 1 2 3 4 保費金額細分類型 0 0.000000 0.603774 0.396226 0.000000 1481.7962261 0.657407 0.342593 0.000000 0.000000 2098.2680562 0.000000 0.000000 0.578947 0.421053 2779.9962413 0.000000 0.000000 0.000000 1.000000 1708.3268294 0.530864 0.259259 0.197531 0.012346 3780.096296#各細分類型命名result['細分類型'] = result['細分類型'].map( {0: '低端居家型客戶', 1: '中端享受型客戶', 2: '中端外向型客戶', 3: '中端自信型客戶', 4: '高端享受型客戶'})

二、目標客戶選取

細分客戶之后，要選取目標客戶。選取目標客戶主要從兩個維度來度量，客戶吸引力和企業競爭力。

企業吸引力主要體現在各個保險公司擁有各個細分類型客戶的數量，即市場占有率。

客戶吸引力包括兩個方面，一是客戶規模，二是保費金額，根據其公司需要，按權重6：4進行計算，得出客戶吸引力。

#統計客戶吸引力和企業競爭力result_final = pd.DataFrame()result_final['客戶數量'] = result.groupby('細分類型')['問卷編號'].count()result_final['保費金額'] = result.groupby('細分類型')['保費金額'].mean()result_final['客戶規模'] = result_final['客戶數量']/result_final['客戶數量'].sum()result_final['客戶規模標準化'] = ( result_final['客戶規模']-result_final['客戶規模'].mean())/result_final['客戶規模'].std()result_final['保費金額標準化'] = ( result_final['保費金額']-result_final['保費金額'].mean())/result_final['保費金額'].std()result_final['客戶吸引力'] = 0.6*result_final['客戶規模標準化']+0.4*result_final['保費金額標準化']result2 = pd.crosstab(result['細分類型'], result['保險公司的選擇'], normalize=0)result2.columns = ['甲', '乙', '丙', '丁']result_final['企業競爭力'] = result2['甲']print(result_final) 客戶數量 保費金額 客戶規模 客戶規模標準化 保費金額標準化 客戶吸引力 企業競爭力細分類型 中端享受型客戶 216 2098.268056 0.303371 1.477388 -0.291968 0.769645 0.240741中端外向型客戶 133 2779.996241 0.186798 -0.188688 0.441347 0.063326 0.458647中端自信型客戶 123 1708.326829 0.172753 -0.389420 -0.711415 -0.518218 0.162602低端居家型客戶 159 1481.796226 0.223315 0.333215 -0.955087 -0.182106 0.119497高端享受型客戶 81 3780.096296 0.113764 -1.232494 1.517124 -0.132647 0.320988#矩陣分析圖plt.rcParams['font.sans-serif'] = 'Simhei'plt.rcParams['axes.unicode_minus'] = Falseplt.subplot(1, 1, 1)plt.scatter(result_final['企業競爭力'], result_final['客戶吸引力'], s=200, c='r', marker='o')plt.hlines(y=0, xmin=0, xmax=0.5)plt.vlines(x=0.25, ymin=-1.2, ymax=1.2)plt.xlabel('企業競爭力')plt.ylabel('客戶吸引力')for a, b, c in zip(result_final['企業競爭力'], result_final['客戶吸引力'], result_final.index): plt.text(a, b, c, ha='center', va='bottom', fontsize=10)

由上圖可知，中端外向型客戶是甲公司的首選客戶，其次是中端享受型客戶和高端享受型客戶，而低端居家型客戶和中端自信型客戶在資源不足的情況下暫可放棄。

三、目標客戶定位

目標客戶定位包括兩部分，一是目標客戶長什么樣，也就是用戶畫像，通過事前分類維度描述目標客戶畫像；二是目標客戶需求是什么，針對需求進行精準營銷。分析過程依然是先進行方差分析，通過方差分析的維度用均值或者占比表現差異性，最后通過對應分析展示效果。

3.1 目標客戶畫像

事前分類維度一共由6個，分別是城市、年齡、性別、家庭月收入、汽車價格、學歷以及職業。通過方差分析發現，學歷以及職業在細分類型組間沒有顯著性差異，故忽略這兩個維度繼續分析。

#事前分類維度方差分析result['職業'] = result['職業'].replace(' ', '6').astype('int64')target_sd = []for i in ['性別', '年齡', '城市', '家庭月收入', '汽車價格', '學歷', '職業']: formula = '(' + str(i) + '~' + 'C(' + '細分類型)' + ')' a = anova_lm(ols(formula, data=result[[i, '細分類型']]).fit())[:1] target_sd.append(pd.DataFrame( {'c': str(i), 'F': a['F'], 'PR(>F)': a['PR(>F)']}))target_result = pd.concat(target_sd)target_result = target_result[target_result['PR(>F)'] < 0.05]#具有顯著性差異的維度結果展示print(target_result) c F PR(>F)C(細分類型) 性別 57.940193 2.614665e-42C(細分類型) 年齡 553.274636 4.801252e-216C(細分類型) 城市 3629.629395 0.000000e+00C(細分類型) 家庭月收入 268.460859 3.193752e-140C(細分類型) 汽車價格 901.193079 7.780527e-276#具有顯著性差異的維度命名Y = result[['性別', '年齡', '城市', '家庭月收入', '汽車價格', '細分類型']]Y['性別'] = Y['性別'].map({1: '男', 2: '女'})Y['年齡'] = Y['年齡'].map({1: '18-30歲', 2: '31-40歲', 3: '41歲以上'})Y['城市'] = Y['城市'].map( {1: '北京', 2: '上海', 3: '武漢', 4: '沈陽', 5: '廣州', 6: '西安', 7: '成都'})Y['家庭月收入'] = Y['家庭月收入'].map( {1: '小于7000元', 2: '7000-10000元', 3: '10000-15000元', 4: '15000-20000元', 5: '20000元以上'})Y['汽車價格'] = Y['汽車價格'].map( {1: '10萬元以下', 2: '10-20萬元', 3: '20-30萬元', 4: '30萬元以上'})# 多因子對應分析mca = prince.MCA(n_components=2, n_iter=10, random_state=1)mca = mca.fit(Y)ax = mca.plot_coordinates( X=Y, ax=None, figsize=(10, 6), show_row_points=False, show_column_points=True, column_points_size=100, show_column_labels=True, legend_n_cols=1)

從對應分析效果圖可知，甲公司首選目標客戶中端外向型客戶，主要分布在北京。武漢的分布比例也比其他細分類型要高，年齡集中在31-40之間，性別為男，家庭月收入在1.5萬到2萬元之間，汽車價格在20-30萬元間。

3.2 目標客戶需求分析

目標客戶關注哪些需求，如何分析？依然是選定各細分類型客戶，然后對各個維度進行方差分析，通過方差分析檢驗后的維度用均值或者占比進行比較。而未通過方差分析的維度，則直接用中端外向型客戶進行各個維度的比較，數值型用均值，類型用占比。

具體見下：

#事前分類維度方差分析result['職業'] = result['職業'].replace(' ', '6').astype('int64')target_sd = []for i in ['性別', '年齡', '城市', '家庭月收入', '汽車價格', '學歷', '職業']: formula = '(' + str(i) + '~' + 'C(' + '細分類型)' + ')' a = anova_lm(ols(formula, data=result[[i, '細分類型']]).fit())[:1] target_sd.append(pd.DataFrame( {'c': str(i), 'F': a['F'], 'PR(>F)': a['PR(>F)']}))target_result = pd.concat(target_sd)target_result = target_result[target_result['PR(>F)'] < 0.05]#具有顯著性差異的維度結果展示print(target_result) c F PR(>F)C(細分類型) 性別 57.940193 2.614665e-42C(細分類型) 年齡 553.274636 4.801252e-216C(細分類型) 城市 3629.629395 0.000000e+00C(細分類型) 家庭月收入 268.460859 3.193752e-140C(細分類型) 汽車價格 901.193079 7.780527e-276#具有顯著性差異的維度命名Y = result[['性別', '年齡', '城市', '家庭月收入', '汽車價格', '細分類型']]Y['性別'] = Y['性別'].map({1: '男', 2: '女'})Y['年齡'] = Y['年齡'].map({1: '18-30歲', 2: '31-40歲', 3: '41歲以上'})Y['城市'] = Y['城市'].map( {1: '北京', 2: '上海', 3: '武漢', 4: '沈陽', 5: '廣州', 6: '西安', 7: '成都'})Y['家庭月收入'] = Y['家庭月收入'].map( {1: '小于7000元', 2: '7000-10000元', 3: '10000-15000元', 4: '15000-20000元', 5: '20000元以上'})Y['汽車價格'] = Y['汽車價格'].map( {1: '10萬元以下', 2: '10-20萬元', 3: '20-30萬元', 4: '30萬元以上'})# 多因子對應分析mca = prince.MCA(n_components=2, n_iter=10, random_state=1)mca = mca.fit(Y)ax = mca.plot_coordinates( X=Y, ax=None, figsize=(10, 6), show_row_points=False, show_column_points=True, column_points_size=100, show_column_labels=True, legend_n_cols=1)

由上面的分析可知：

• 甲公司的目標客戶中端外向型客戶在選擇保險公司考慮的因素中，比較關注服務網點多、親朋推薦和信任銷售人員，其中尤其關注親朋的推薦。
• 在滿意度分析中，發現中端外向型客戶對目前購買的車險并不滿意，滿意度只有1.5%，還有很大提升空間，不滿意的具體原因還需進一步調研。
• 中端外向型客戶車險平均保費在2780元，比其他細分客戶更注重產品個性化，所以可以研究下定價策略和一些個性化產品。

總結

最后，市場上用戶畫像的方法很多，許多企業也提供用戶畫像服務，將用戶畫像提升到很有逼格一件事。金融企業是最早開始用戶畫像的行業，由于擁有豐富的數據，金融企業在進行用戶畫像時，對眾多緯度的數據無從下手，總是認為用戶畫像數據緯度越多越好，畫像數據越豐富越好，某些輸入的數據還設定了權重甚至建立了模型，搞的用戶畫像是一個巨大而復雜的工程。但是費力很大力氣進行了畫像之后，卻發現只剩下了用戶畫像，和業務相聚甚遠，沒有辦法直接支持業務運營，投入精力巨大但是回報微小，可以說是得不償失，無法向領導交代。

事實上，用戶畫像涉及數據的緯度需要業務場景結合，既要簡單干練又要和業務強相關，既要篩選便捷又要方便進一步操作。用戶畫像需要堅持三個原則，分別是人口屬性和信用信息為主，強相關信息為主，定性數據為主。

1、信用信息和人口屬性為主

描述一個用戶的信息很多，信用信息是用戶畫像中重要的信息，信用信息是描述一個人在社會中的消費能力信息。任何企業進行用戶畫像的目的是尋找目標客戶，其必須是具有潛在消費能力的用戶。信用信息可以直接證明客戶的消費能力，是用戶畫像中最重要和基礎的信息。一句戲言，所有的信息都是信用信息就是這個道理。其包含消費者工作、收入、學歷、財產等信息。

定位完目標客戶之后，企業需要觸達客戶，人口屬性信息就是起到觸達客戶的作用，人口屬性信息包含姓名、性別，電話號碼，郵件地址，家庭住址等信息。這些信息可以幫助聯系客戶，將產品和服務推銷給客戶

2、采用強相關信息，忽略弱相關信息

強相關信息就是同場景需求直接相關的信息，其可以是因果信息，也可以是相關程度很高的信息。

如果定義采用0到1作為相關系數取值范圍的化，0.6以上的相關系數就應該定義為強相關信息。例如在其他條件相同的前提下，35歲左右人的平均工資高于平均年齡為30歲的人，計算機專業畢業的學生平均工資高于哲學專業學生，從事金融行業工作的平均工資高于從事紡織行業的平均工資，上海的平均工資超過海南省平均工資。從這些信息可以看出來人的年齡、學歷、職業、地點對收入的影響較大，同收入高低是強相關關系。簡單的將，對信用信息影響較大的信息就是強相關信息，反之則是弱相關信息。

用戶其他的信息，例如用戶的身高、體重、姓名、星座等信息，很難從概率上分析出其對消費能力的影響，這些弱相關信息，這些信息就不應該放到用戶畫像中進行分析，對用戶的信用消費能力影響很小，不具有較大的商業價值。

用戶畫像和用戶分析時，需要考慮強相關信息，不要考慮弱相關信息，這是用戶畫像的一個原則。

3、將定量的信息歸類為定性的信息

用戶畫像的目的是為產品篩選出目標客戶，定量的信息不利于對客戶進行篩選，需要將定量信息轉化為定性信息，通過信息類別來篩選人群。

例如可以將年齡段對客戶進行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等?？梢詤⒖紓€人收入信息，將人群定義為高收入人群，中等收入人群，低收入人群。參考資產信息也可以將客戶定義為高、中、低級別。定性信息的類別和方式方法，金融可以從自身業務出發，沒有固定的模式。

將企業各類定量信息，集中在一起，對定性信息進行分類，并進行定性化，有利與對用戶進行篩選，快速定位目標客戶，是用戶畫像的另外一個原則。

4、用戶畫像的方法介紹，不要太復雜

需要結合業務需求進行用戶畫像，從實用角度出發，比如這里我們將用戶畫像信息分成五類信息。分別是社會特征因素、自然屬性因素、行為特征因素、態度偏好因素和生活狀態與個性因素。它們基本覆蓋了業務需求所需要的強相關信息，結合外部場景數據將會產生巨大的商業價值。特別復雜的用戶畫像緯度例如八個緯度，十個緯度信息都不利于商業應用，其他具有價值的信息，基本上都可以歸納到這五個緯度。過于復雜用戶畫像這個工作，對商業意義也不太大。

最后，以上就是本篇分享，希望對大家有用。

總結

以上是生活随笔為你收集整理的python聚类分析案例_深度解读｜如何构建用户分级体系实现精细化运营？附案例实操...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。