2020年，媒介方式已經全面轉向【社交媒體】+【算法媒體】。媒介方式的改變，直接輻射線上流量的轉移及目標TA的碎片化時間分配。

　　新冠肺炎疫情發生以來，各中小微企業、保險行業的線下業務就面臨著諸多考驗。搭建數字化運營體系成為保險公司實現數字化轉型的必經之路。互聯網大數據時代，企業如何高效的追溯、分析用戶數據，從而構建精準的用戶畫像，就成為了用戶營銷要下的第一步棋。

　　一、搭建地基：做好用戶數據細分

　　數字化運營的核心在于以用戶數據為核心，在營銷、客服、風控等場景提升用戶體驗、挖掘客戶價值。

　　我們聊保險用戶的數據，可以先從業務角度對保險用戶相關的數據進行分類，再看有哪些方式可以獲取這些數據。保險用戶數據可以分為四類：用戶屬性數據、用戶行為數據、業務數據、內容數據。

　　在保險業務場景中，用戶屬性數據通常是從用戶的投保、保全、理賠信息中獲取的，例如用戶的性別、年齡、所屬地區、聯系方式、健康狀況等。

　　用戶行為數據指用戶與平臺產生交互行為的數據，例如在保司的App完成注冊、點擊參與線上活動、投保并完成支付等都屬于用戶行為數據。用戶行為數據的采集通常通過前端埋點的方式來實現。這類數據目前在保險行業內應用的范圍較小，只有部分互聯網保險公司會對用戶行為數據進行分析，然而在泛互聯網場景中做用戶行為數據分析的價值是非常高的，這也是保險公司搭建數字化運營體系必做的功課。

　　業務數據無論在互聯網保險場景還是線下保險業務都有重要的價值，用戶購買過哪些保險產品，保險保障的責任范圍和期限，保費金額，做過哪些理賠申請等，都屬于與用戶相關的業務數據，可以通過服務端埋點或者直接從數據庫中獲取。

　　內容數據指用戶瀏覽或產生交互的內容，可以通過客戶端埋點來獲取，例如用戶瀏覽了眾安保險APP頭條板塊中的哪些類型的文章，查看了哪些險種的保險產品。從用戶的內容數據中，我們可以更精準的獲取到用戶的興趣偏好。

　　二、夯實基礎：用戶數據的高效分析與篩選

　　一般我們會把用戶的行為定義成事件，一個完整的事件會包含時間(when)、地點(where)、人物(who)、交互方式(how)、交互內容(what)5個屬性。業務同學可以通過對用戶行為事件的分析來制定合適的營銷策略。

　　舉一些常見的行為數據應用場景的例子可能會更直觀：用戶在APP中完成下單動作但未進行最終的支付動作，針對下單未支付的用戶可以通過系統設定在不同時間以不同的方式觸達用戶，并推動用戶進行最終的支付行為;針對首次注冊并登陸APP的用戶，根據用戶的活躍情況向用戶推送合適的新用戶營銷活動，提升新用戶的留存和轉化;對于添加了家庭賬戶的用戶，自動向這些用戶推送支持家庭投保的保險產品。

　　上述這些營銷策略都是眾安保險日常在使用的，眾安保險的運營同學會通過X-Man智能營銷平臺根據用戶的行為表現，設定不同的觸達方式和內容來進行保險營銷。

　　三、內核基建：設計一個完善的用戶畫像體系

　　保險公司要做精細化運營，首先就要建立自己的用戶畫像體系，要設計一個完善的用戶畫像體系主要包含以下四個環節:

　　1)實現統一的用戶標識。傳統保險行業客戶數據來源簡單，大部分有統一的客戶平臺，然而在互聯網場景下，不同的平臺之間有不同的客戶體系，因此需要通過ID-Mapping將同一用戶在不同場景下的行為串聯起來，消除數據孤島，提供完整用戶行為視圖。

　　2)行為建模，搭建用戶的標簽體系。這是建立用戶畫像的關鍵環節，要結合保險公司的業務情況來設定。

　　3)構建用戶畫像。根據用戶標簽的集合，形成對應的用戶特點，方便運營人員了解和分析用戶群特征。

　　4)用戶畫像的可視化。通過可視化技術，直觀的提供數據的分析和結果，以便運營人員做出運營決策，使運營工作更加高效。

　　保險公司的用戶標簽，通常會關注這么幾個主要的維度：用戶屬性標簽、行為屬性標簽、

　　人身健康標簽、投被保標簽、風險控制標簽、客戶滿意度標簽等等。

　　四、案例分享

　　在這里可以分享一下眾安的客戶標簽體系框架，其中包含了基礎信息、投被保信息、理賠信息、營銷信息、行為信息、客服信息、金融信息、渠道信息、價值信息。

　　在實際業務中，對于用戶畫像的分析和篩選往往會存在多維和交叉應用的情況，運營人員會通過X-Man的用戶洞察模塊進行規則條件的拼裝并執行人群圈選。例如運營人員想對購買過醫療險產品的老用戶推薦購買新上線的重疾險產品，但同時不希望轉化曾發生或理賠的高風險用戶，在進行客群圈選時會同時基于用戶投被保信息和理賠信息進行篩選。

點擊http://www.00008888.com.cn/users/invite/ddb12a17ce400c35fe041d275a578351，注冊135編輯器，即可獲得7天VIP會員