来看你的用户画像!腾讯数据为了画你,给你贴了大概2000个标签

CIOAge
在腾讯的眼里,我们每个用户都会生成一个用户画像,而“画”出我们样子的,就是刚刚说的以上种种标签。这还远不是全部,腾讯标记在我们每个人身上的标签,人均2000多个。

[[204518]]

互联网,用过即留痕。我们每一次在互联网应用上的交易和交互,都会留存数据,而这些数据,可以提取出我们的地理位置信息、身份信息、消费信息、行为信息等,进而让屏幕后面的互联网公司把我们“画”出来。

这就是用户画像。我们找到了一个最合适的例子,来阐述大数据概念下的用户画像到底是什么。这个例子离我们很近——手握13亿用户的腾讯。

你肯定也知道腾讯的数据很庞大(毕竟旗下有社交、支付、游戏等各路高频应用),但到底多庞大,答案***次有了清晰的轮廓:腾讯云高管在出席由证券时报举办的AI金融探路者峰会上透露,每个用户人均被腾讯标记的标签高达2000多个,通过这些标签腾讯可以不断分析我们是谁、我们要干什么、我们想干什么。

1.5万亿次计算和人均2000个标签

你的手机支付信息、你在理财通的理财习惯和风险偏好、你的公众号都关注了什么、你在朋友圈或微信群打开过哪些链接、你平常关注哪些财经新闻、你都参与了什么类型的微信/QQ群、你担任群主吗、你是游戏玩家吗、你爱玩哪款游戏、你是不很爱喝星巴克、你是不是爱吃麦当劳、你有没有信用卡、你的账单日、你的充话费频率、你买过保险吗、你有车贷吗、你收红包多还是发红包多、你日常行车路线、你一般都在哪些商圈消费、你爱看电影吗、打车会经常取消吗……这些都是腾讯给我们每个人标记的标签。 

在腾讯的眼里,我们每个用户都会生成一个用户画像,而“画”出我们样子的,就是刚刚说的以上种种标签。这还远不是全部,腾讯标记在我们每个人身上的标签,人均2000多个。

之所以能够搜集并标记多类型标签,首要原因当然是腾讯庞大的有效用户数。沉淀下来的海量用户数据,大概可以归类为账户数据、交易数据、商户数据、QQ平台数据、微信平台数据、安全平台数据。而腾讯为了能“画”出我们,无时无刻不在对这些数据进行计算,日均计算量达到1.5万亿次。

是的,1.5万亿次。这是腾讯云高管在出席由证券时报举办的AI金融探路者峰会上透露的数据,而另外一个令人吃惊的数据是——腾讯目前累积了1000亿条用户关系链。

这些数据会被用来干什么?一言以蔽之:多层次身份分析、多维度行为刻画、多场景风险评分。

Tencent  is  watching  you。

数据加金融会变成什么

数据可以被用来做什么?举个简单例子:首先,腾讯可以基于用户历史购物行为,分析出用户偏向于哪种消费轨迹:是喜欢手机支付还是网络购物,常去的商圈和用户自身地理位置又分别如何。

然后,这些数据会被实时提取到后台数据仓库,通过机器学习、模型分析等方式后,腾讯可以逐步得到精准营销客户方式的依据:比如有些用户适合在微信窗口渠道推荐、有些广告适合在部分客户的朋友圈投放、有些客户适合在理财通应用的内部渠道里推荐等等。

这就是智能营销。

再举另外一个例子:反欺诈。一名持牌消费金融公司的高管告诉记者,近一年来,信贷欺诈行为已经较前几年大为升级,越来越呈现非标准模型、非固定手段和非可追踪环境的特点。因此,反欺诈所需的数据量早已今非昔比。

腾讯帝国中,具备天然海量数据优势与运算能力,承担主要反欺诈职能的是腾讯云。腾讯云高管在AI金融探路者峰会上完整阐述了腾讯云反欺诈的逻辑,他首先总结了信贷申请欺诈行为的主要类型:仿冒他人身份申请、黑中介包装资料、黑名单用户 、利用工具批量申请。

发现了疑似欺诈行为后,腾讯云要做的事情为:

一、判定什么人在欺诈,定位出它是亿级工具账号、还是非常用账号;

二、判定对方用什么工具,腾讯云会在后台做虚假设备检测、中介设备检测、以及非常用设备检测;

三、判定对方使用什么网络,检测是***恶意IP,还是中介网络或非常用网络;

四/判定对方做了什么事情,有没有欺诈历史账号,有没有使用异常APP或浏览任何信息等行为。

看起来简单的反欺诈逻辑,需要海量数据的实时调用、检测和并发处理。一组无法忽略的数据是,腾讯云有50多个全球数据中心、700多个数据加速节点、700多万个域名提供名解析、20T的整体宽带规模。

最为重要的,数据可以推动腾讯在金融科技领域站稳脚跟。企鹅帝国里的金融板块——即FIT(支付基础平台与金融应用线),分为支付基础平台、理财投资平台、证券交易平台、通讯充值业务、创新金融应用。现在,FIT在***化地将数据化用在智能投顾、智能营销、智能审批、智能定价、个人征信、反欺诈、网络保险、移动支付……你能想到的一切,FIT早已低调谋动。

从这个角度,金融会不会成为腾讯帝国社交根基以外的第二级,答案似乎比较乐观。

责任编辑:吴金泽 来源: 券商中国
相关推荐

2015-07-13 09:19:26

云计算云服务云应用

2021-03-09 10:06:34

大数据画像数据采集

2017-11-21 13:46:30

大数据用户画像数据管理

2022-10-31 11:35:48

用户画像底层模型

2016-01-07 11:18:50

用户画像

2024-02-06 08:18:30

用户画像标签数字化异常值处理

2022-09-02 12:09:06

高质量用户画像

2017-02-27 17:34:12

大数据

2022-12-28 11:44:19

用户画像互联网用户信息

2021-06-09 11:28:04

用户画像标签

2023-11-01 11:34:40

用户画像企业

2020-04-16 09:35:53

数据科学机器学习数据分析

2021-03-09 11:31:55

用户画像业务

2016-11-17 11:18:01

金融行业大数据用户画像

2017-07-14 13:07:03

大数据用户画像

2017-04-28 11:15:26

大数据用户画像技术

2024-03-07 07:31:20

画像标签算法业务数据

2023-03-15 07:22:56

画像平台数据中台

2018-06-06 14:17:44

聚类分析算法大数据

2022-05-17 19:54:45

用户画像流程标签

51CTO技术栈公众号