银行用户画像 -- 产品与服务偏好
【摘要】 产品与服务偏好是银行用户画像中**“客户想要什么"的核心维度。产品与服务偏好直接回答的是"客户喜欢什么样的产品、通过什么渠道、以什么方式获得服务”**——它是推荐系统实现精准匹配、App实现个性化交互的直接输入。
1. 引言
产品与服务偏好是银行用户画像中**“客户想要什么"的核心维度。与风险偏好（“客户能承受多大风险”）、财务状况（“客户有多少钱”）等维度不同，产品与服务偏好直接回答的是"客户喜欢什么样的产品、通过什么渠道、以什么方式获得服务”**——它是推荐系统实现精准匹配、App实现个性化交互的直接输入。
在《金融机构产品适当性管理办法》（2025）中，核心要求是"将适当的产品通过适当的渠道销售或者提供给适合的客户"，其中"适当的产品"和"适当的渠道"正是产品与服务偏好维度的直接映射。这意味着该维度的构建不仅是提升用户体验的商业需求，更是合规要求。
本文以 Brusilovsky 用户模型理论为方法论基础，以 《金融机构产品适当性管理办法》 为合规框架，从监管法规、学术研究、业界实践三个视角，为产品与服务偏好的每一个画像小类提供多维度的理论依据与合理性论证。
1.1. 理论基础：Brusilovsky 用户模型理论
Brusilovsky & Millán（2007）在其著作《自适应超媒体与自适应教育系统的用户模型》中，系统性地阐述了自适应系统中用户模型的构建框架。该框架的核心思想是：任何自适应系统的核心特征之一，就是拥有一个能表征每个用户关键信息的用户模型（User Model），系统基于此模型在整个交互过程中为用户提供个性化的服务。
用户模型的五个核心特征
| 核心特征 | 核心定义与内涵 | 关键特性与建模方法 |
|---|---|---|
| 1. 用户知识（User Knowledge） | 用户对特定领域所拥有的概念性或程序性知识 | 动态性：知识可能在不同会话间甚至同一会话内变化。 建模：常采用叠加（Overlay）方法，将用户知识视为专家知识的一个子集。 |
| 2. 兴趣（Interests） | 用户对哪些信息或内容感兴趣，是信息过载时代检索和过滤内容的关键 | 重要性提升：随着信息量爆炸式增长，兴趣建模变得日益重要。 建模：使用关键词或概念来表征用户兴趣。 |
| 3. 目标与任务（Goals and Tasks） | 用户使用系统的目的或动机，即"用户希望通过系统达成什么" | 高度可变：最易变的用户特征，几乎肯定会随会话改变。 建模：常用目标目录进行建模。 |
| 4. 背景/经验（Background/Experience） | 用户先前的经验或背景知识，如职业、在专业活动中的角色等 | 相对稳定：变化性较小。 建模：可用刻板类型（Stereotypes）进行建模。 |
| 5. 个体特征（Individual Traits） | 用户的稳定个性特征，如性格、认知风格、学习动机等 | 多样性：范围很广。 建模挑战：常需借助心理测试等方法进行测量。 |
该理论对产品与服务偏好画像的指导意义在于："兴趣"和"背景"维度直接对应产品类别偏好和服务渠道偏好，是用户模型中最直接影响推荐结果的核心维度。
1.2. 合规框架：《金融机构产品适当性管理办法》
国家金融监督管理总局令〔2025〕第7号《金融机构产品适当性管理办法》，自2026年2月1日起施行。该办法共五章四十九条，核心要求可概括为：
| 维度 | 核心要求 |
|---|---|
| 核心理念 | 了解产品、了解客户，将适当产品通过适当渠道销售给适合客户 |
| 投资型产品 | 五级风险评级 + 投资者分为专业/普通两类 + 对普通投资者特别保护 |
| 保险产品 | 产品分类分级 + 销售资质分级管理 + 需求分析与财务评估 |
| 特殊保护 | 65岁以上老年人特别注意义务 + 无民事行为能力人禁售 |
| 监督管理 | 监管措施 + 行政处罚（最高10万元罚款）+ 纳入消保评价 |
该办法的出台是将保护金融消费者权益关口前移的重要举措，对产品与服务偏好画像的构建提出了明确的合规要求。
2. 产品与服务偏好画像
| 小类 | 定义 | 从对话提取的信号示例 | 推荐映射 |
|---|---|---|---|
| F1 产品类别偏好 | 偏好的产品大类及权重 | “喜欢货币基金”“对保险不感兴趣” | 类别优先级排序与过滤 |
| F2 产品属性偏好 | 对产品具体特征的偏好 | “期限短一点”“收益要稳定”“手续费低的” | 产品特征匹配排序 |
| F3 品牌与机构偏好 | 对特定银行/机构的倾向 | “就信招行”“不想买小银行的” | 来源机构过滤 |
| F4 服务渠道偏好 | App/电话/线下/微信等渠道偏好 | “不想去网点”“希望有人电话指导” | 触达渠道选择 |
| F5 功能偏好 | 对App功能的偏好 | “转账要快”“喜欢看账单分析” | App首页/功能区布局个性化 |
2.1. F1 产品类别偏好（Product Category Preference）
产品类别偏好是推荐系统进行第一层过滤的核心依据，决定了向用户推荐的产品大类范围。
| 依据维度 | 具体说明 |
|---|---|
| 监管法规 | ① **《金融机构产品适当性管理办法》**明确要求金融机构"根据产品的基本属性、风险特征等，结合客户金融需求、财务状况、风险承受能力等因素，开展识别、提示、匹配、销售、交易等活动"。产品类别偏好是识别客户金融需求的核心维度，是实现"将适当的产品通过适当的渠道销售或者提供给适合的客户"的前提。 ② 中国银保监会《商业银行理财业务监督管理办法》：要求银行对理财产品进行风险评级，并确保客户风险承受能力不低于产品风险等级。产品类别偏好（如"偏好货币基金"）直接关联风险等级匹配。 ③ MiFID II Article 25(2)：要求获取客户"investment objectives"（投资目标），产品类别偏好是投资目标的外在体现。 |
| 学术研究 | ① Brusilovsky & Millán（2007） 将"兴趣/偏好"（interests/preferences）列为用户模型的核心层之一。在推荐系统中，用户对产品类别的偏好是最直接、最稳定的兴趣信号。 ② Xiao & Noring（1993）—— Financial Asset Ownership：家庭资产结构是金融产品需求的最强预测因子——持有大量现金的家庭倾向储蓄类产品，持有股票基金的家庭倾向权益类产品。 ③ 金融推荐系统研究：金融产品的长尾分布导致低频产品交互数据不足，客户-产品二部图高度稀疏，准确预测客户产品类别偏好是提升推荐性能的关键挑战。学术研究已提出基于图增强对比网络（GCN-PCP）等模型专门解决银行客户产品偏好预测问题。 |
| 业界实践 | ① 招商银行"金葵花"分层：不同资产层级客户的产品推荐池完全不同——大众客户推货币基金和固收，金葵花客户推私募和信托，私行客户推定制化产品组合。 ② 蚂蚁财富"风险测评"：风险测评结果直接决定首页产品池——保守型用户首页看不到权益类基金，产品类别偏好是最基本的过滤条件。 ③ 浙商银行"大数据营销平台"：通过构建用户偏好标签，针对不同客群特性推送差异化产品。调研显示超过62%的用户表示"在App中找不到想要的服务"，45%的用户因推送内容与自身无关而关闭通知权限——产品类别偏好画像直接关系到用户体验与业务转化效率。 |
2.2. F2 产品属性偏好（Product Attribute Preference）
产品属性偏好深入到产品特征的细粒度层面，是推荐系统实现精准匹配的关键——在同类产品中，用户的期限、收益、费率等属性偏好决定了最终推荐排序。
| 依据维度 | 具体说明 |
|---|---|
| 监管法规 | ① **《金融机构产品适当性管理办法》**要求金融机构"清晰界定产品的属性特征、风险水平、权利义务关系和适合的客户范围"。产品属性偏好（如期限长短、收益稳定性、费率高低等）直接关联产品风险等级与客户风险承受能力的匹配，是适当性管理的核心评估内容。 ② 法规禁止"主动推介风险等级高于客户风险承受能力的产品"，而产品属性偏好画像正是识别客户对收益性、流动性、安全性等属性权衡倾向的关键依据。 ③ 《商业银行理财业务监督管理办法》：要求产品期限匹配客户资金使用时间点，产品属性（特别是期限）偏好是期限匹配的直接参数。 |
| 学术研究 | ① 推荐系统细粒度偏好建模研究：用户对产品具体特征的偏好建模是个性化推荐精准度的关键。在金融产品推荐场景中，产品属性（收益率、期限、风险等级、费率等）构成推荐匹配的多维特征空间。 ② Shefrin & Statman（2000）—— Behavioral Portfolio Theory：投资者在多个"心理账户"上分别管理不同属性的资产，对安全性、流动性、收益性的权衡在不同心理账户中呈现系统性差异。 ③ 学术研究表明，仅依赖产品类别标签无法满足个性化需求，必须深入到属性层面进行细粒度偏好建模，才能有效应对金融产品同质化背景下的差异化推荐问题。 |
| 业界实践 | ① 平安银行"智能投顾"：基于用户对产品属性（期限、收益、风险等级）的偏好，生成个性化的配置优化建议，核心逻辑是"缺什么补什么"。 ② 招商银行"基金诊断"：分析用户持有的基金组合，从行业分布、风格暴露、风险等级等属性维度评估配置合理性，并给出调仓建议。 ③ 银行智能推荐系统：通过构建多维度用户画像（包括人口属性、资产规模、风险偏好、行为习惯等），精准识别用户对产品具体特征的潜在需求。例如，老年客群对操作便捷性、信息可读性有特殊需求；年轻客群更关注低门槛、灵活还款方式等属性。产品属性偏好画像使银行能够在合适时机推送符合用户具体需求特征的产品。 |
2.3. F3 品牌与机构偏好（Brand & Institution Preference）
品牌与机构偏好反映了客户对产品来源机构的信任度，是推荐系统中重要的过滤维度——即使产品属性匹配，品牌信任缺失也会导致推荐失败。
| 依据维度 | 具体说明 |
|---|---|
| 监管法规 | ① **《金融机构产品适当性管理办法》**要求金融机构"清晰界定产品的属性特征、风险水平、权利义务关系和适合的客户范围"。品牌与机构偏好涉及客户对不同金融机构的信任度和选择倾向，关系到产品来源的合规性——不同机构发行的产品适用不同的监管规则（如银行理财、基金、保险分别适用不同适当性管理办法）。 ② 尊重客户自主选择权：尊重客户的品牌偏好是保障客户自主选择权的重要体现，银行不得强制客户购买特定机构的产品。 ③ 《商业银行代销业务管理办法》：银行在代销其他金融机构产品时，必须充分告知客户产品来源机构信息，客户对代销机构的品牌偏好是适当性管理的重要参考。 |
| 学术研究 | ① Brusilovsky & Millán（2007）：用户的"经验"（experience）和"知识"（knowledge）是影响其信息处理与决策的重要个体特征。品牌偏好反映了用户过往与特定金融机构交互积累的经验与信任，是用户模型中影响推荐接受度的关键变量。 ② 信任理论（Mayer et al., 1995）：信任是影响消费者金融决策的核心因素，品牌信任度直接影响客户对产品的接受意愿和购买决策。在银行产品推荐中，品牌偏好可作为有效的过滤信号优化推荐结果。 ③ 数字金融"本地偏好"现象：实证研究表明，即便在移动端，用户对本地银行的信任度和使用率仍显著高于异地银行机构，品牌偏好具有显著的地域特征。 |
| 业界实践 | ① 招商银行"自有产品优先"策略：在推荐产品时，优先推荐自有理财产品和代销的头部机构产品，充分考虑客户对品牌和机构的信任度。 ② 高净值客户品牌依赖：高净值客户对特定银行的私行品牌有强依赖（如招行"金葵花"、中信"信守温度"），品牌偏好是决定私行客户粘性的核心因素。 ③ Z世代品牌价值观：Z世代客群注重品牌与自身价值观的契合，品牌偏好画像帮助银行在自有产品与代销产品之间做出最优推荐决策。 ④ 银行App"品牌筛选"功能：多家银行App在理财产品列表页提供"发行机构"筛选功能，允许用户按品牌偏好过滤产品，品牌与机构偏好是用户自主选择的重要维度。 |
2.4. F4 服务渠道偏好（Service Channel Preference）
服务渠道偏好决定了客户在什么场景下、通过什么方式与银行交互，是落实"适当渠道"要求的关键维度。
| 依据维度 | 具体说明 |
|---|---|
| 监管法规 | ① **《金融机构产品适当性管理办法》**要求金融机构"将适当的产品通过适当的渠道销售或者提供给适合的客户"。法规同时要求通过互联网等线上方式销售产品时，“应当将适当性管理嵌入流程，充分履行适当性义务”。不同渠道（App、电话、线下网点、微信等）的服务能力和适当性管理要求不同，了解客户渠道偏好是落实"适当渠道"要求的前提。 ② 《个人信息保护法》：要求银行不得强制用户使用特定渠道，应尊重用户对服务渠道的自主选择权。 ③ 《金融消费者权益保护实施办法》：要求金融机构保障消费者获得人工服务的权利，不得以自助服务替代必要的人工服务通道。渠道偏好画像是保障这一权利的技术基础。 |
| 学术研究 | ① Brusilovsky & Millán（2007）：用户的"目标"（goals）是最易变化的特征，在不同会话场景下用户的交互方式偏好可能不同。渠道偏好研究属于用户交互行为建模的重要组成部分。 ② 全渠道行为研究：学术研究表明，用户在金融服务中的渠道选择与其使用场景、紧急程度、信任需求等因素相关。使用4个以上类型渠道与银行互动的客户，其客均收入是仅使用单一渠道客户的两倍多（麦肯锡研究），渠道偏好建模对理解用户全渠道行为模式具有重要意义。 ③ 服务渠道选择模型：用户的自助/人工偏好受任务复杂度、紧迫性、信任度三个因素影响，且在不同场景下可能表现出不同的偏好（场景依赖性）。 |
| 业界实践 | ① 招商银行"渠道触达偏好"：PRM系统支持客户自定义触达偏好——可选App推送/短信/电话/邮件，不同偏好对应不同的营销策略和服务模式。 ② 邮储银行"属人和属地"经营体系：通过动态分析客户使用偏好，将常用功能、关键入口突出显示，缩短客户决策时间及使用路径。渠道偏好画像使银行能够"把握用户画像和最佳营销时机，输出更符合需求场景下客群的运营策略"。 ③ 不同客群渠道差异：年轻客群偏好App自助服务，老年客群依赖线下网点或电话指导。银行通过识别用户渠道分布标签，实现"千人千面"的渠道触达策略。 ④ 平安银行"AI+人工"模式：简单查询由AI处理，复杂业务（如贷款申请、投诉）自动转人工并附带用户画像上下文，实现渠道偏好的动态适配。 |
2.5. F5 功能偏好（Function Preference）
功能偏好反映了客户在使用银行App时的交互习惯和功能需求，是App实现个性化布局和功能排序的基础。
| 依据维度 | 具体说明 |
|---|---|
| 监管法规 | ① **《金融机构产品适当性管理办法》**要求金融机构"应当具备符合适当性管理要求的信息系统等设施"。功能偏好画像涉及App功能布局的个性化，与保障客户知情权、自主选择权直接相关。合理的功能布局能帮助客户更便捷地获取产品信息和适当性提示，避免因信息过载或功能隐藏导致的适当性管理缺位。 ② 《个人信息保护法》：功能偏好数据的收集必须遵循"最小必要原则"，只能在用户授权范围内收集和使用。 ③ 《金融科技产品认证目录》：银行App功能需分级管理，不同复杂度功能对应不同的安全认证要求，功能偏好画像需与功能安全分级相匹配。 |
| 学术研究 | ① Brusilovsky & Millán（2007）：用户模型框架强调，自适应系统的用户模型应包含用户的知识、兴趣、目标、经验和特征等多层信息。功能偏好属于用户"特征"（traits）和"目标"的综合体现——用户对App不同功能的使用频率和偏好反映了其使用目标与交互习惯。 ② 技术接受模型（TAM, Davis, 1989）：用户对功能的接受程度受感知有用性和感知易用性影响，功能使用偏好是数字化成熟度的直接度量。 ③ 用户粘性分析：功能使用深度与用户流失率成反比，功能偏好建模有助于识别用户粘性并优化功能布局。 ④ 隐式反馈信号：在推荐系统研究中，用户行为数据的分析是构建用户兴趣模型的基础，功能使用行为是重要的隐式反馈信号，可用于推断用户的产品需求和偏好倾向。 |
| 业界实践 | ① 招商银行App"千人千面"首页：根据用户功能使用偏好动态调整首页布局——基础用户默认显示转账、查询；深度用户显示理财、基金、外汇等入口。 ② 邮储银行"动态分析客户使用偏好"：将常用功能、关键入口突出显示，缩短客户决策时间及使用路径。调研数据显示，49.6%的用户倾向于"部分个性化"，希望查账转账等基础功能保持固定、常用功能个性化。 ③ 工商银行"功能探索"引导：对使用深度不足的用户推送"功能探索"引导，对深度用户推送"新功能体验"邀请。 ④ 国有银行用户画像实践：某国有银行的用户画像显示，不同客群的功能使用频次差异达8倍，但App若仍采用"大一统"设计，会导致60%的用户认为"找不到需要的服务"。功能偏好画像直接决定了用户能否在App中高效完成所需操作，是提升用户体验和App黏性的关键。 |
3. 综合依据
3.1. 依据 1：监管法规——适当性管理要求产品与渠道匹配
| 法规/标准 | 核心要求 | 与该维度的关系 |
|---|---|---|
| 《金融机构产品适当性管理办法》（2025） | “将适当的产品通过适当的渠道销售或者提供给适合的客户”——产品分类分级、渠道适当性管理、客户适当性匹配 | F1（产品类别偏好）+ F2（产品属性偏好）+ F3（品牌偏好）+ F4（服务渠道偏好）是该办法合规落地的直接依据 |
| 中国银保监会《商业银行理财业务监督管理办法》（2018） | 第6条：银行销售理财产品必须进行风险评级，不得向风险承受能力低于产品风险评级的客户销售 | F1（产品类别偏好）和F2（产品属性偏好）是风险等级匹配的必要前提 |
| 中国证监会《证券期货投资者适当性管理办法》（2017） | 经营机构应当了解投资者的"投资经验"和"投资品种偏好" | F1（产品类别偏好）和F2（产品属性偏好）是"投资品种偏好"的直接体现 |
| MiFID II Suitability Requirements（2018） | 投资服务提供者必须获取客户的投资目标、风险容忍度、财务状况 | F1-F2与投资目标直接相关，F4与适当渠道要求相关 |
| 《个人信息保护法》 | 信息采集须遵循"最小必要"原则，自动化决策须透明公平 | F3-F5的数据采集必须在合规框架下进行，且需具备可解释性 |
| 《金融消费者权益保护实施办法》 | 保障消费者自主选择权，不得以自助服务替代人工服务 | F4（服务渠道偏好）是保障消费者渠道选择权的基础 |
结论：产品与服务偏好维度是法规要求的信息维度，F1-F5是落实适当性管理和消费者权益保护的必要画像小类。
3.2. 依据 2：学术文献——偏好模型是推荐系统的核心输入
| 文献 | 核心观点 | 对应小类 |
|---|---|---|
| Brusilovsky & Millán（2007）—— User Models for Adaptive Hypermedia | 用户模型的兴趣（Interests）和经验（Background）是自适应系统的核心维度 | F1（产品类别）+ F4（渠道偏好）+ F5（功能偏好） |
| Shefrin & Statman（2000）—— Behavioral Portfolio Theory | 投资者在多个心理账户上分别管理不同属性的资产，对安全性、流动性、收益性的权衡存在系统性差异 | F2（产品属性偏好） |
| Xiao & Noring（1993）—— Financial Asset Ownership | 家庭资产结构是金融产品需求的最强预测因子 | F1（产品类别偏好） |
| Davis（1989）—— Technology Acceptance Model (TAM) | 用户对功能的接受程度受感知有用性和感知易用性影响 | F5（功能偏好） |
| Mayer et al.（1995）—— Organizational Trust Model | 信任是影响消费者金融决策的核心因素 | F3（品牌与机构偏好） |
| Kahneman（2011）—— 双系统理论 | 系统1（直觉型）和系统2（分析型）影响用户对渠道和信息密度的偏好 | F4（服务渠道偏好）+ F5（功能偏好） |
3.3. 依据 3：业界实践
| 机构 | 实际做法 | 对应小类 |
|---|---|---|
| 招商银行"金葵花"分层 | 不同资产层级客户的产品推荐池完全不同 | F1 |
| 平安银行"智能投顾" | 基于用户对产品属性（期限、收益、风险等级）的偏好生成配置建议 | F2 |
| 招商银行"基金诊断" | 从行业分布、风格暴露、风险等级等属性维度评估配置合理性 | F2 |
| 招商银行"渠道触达偏好" | PRM系统支持客户自定义App推送/短信/电话/邮件触达偏好 | F4 |
| 邮储银行"属人和属地"经营体系 | 动态分析客户使用偏好，将常用功能、关键入口突出显示 | F4+F5 |
| 工商银行"功能探索"引导 | 对使用深度不足的用户推送"功能探索"引导，对深度用户推送"新功能体验" | F5 |
| 蚂蚁财富"风险测评决定首页" | 风险测评结果直接决定首页产品池，保守型用户看不到权益类基金 | F1 |
| 高净值客户品牌依赖 | 对特定银行的私行品牌有强依赖，品牌偏好决定客户粘性 | F3 |
4. 总结
上述五个小类构成了银行用户画像中"产品与服务偏好"维度的完整框架：
| 小类 | 对应的Brusilovsky核心维度 | 画像构建的技术侧重点 |
|---|---|---|
| F1 产品类别偏好 | 兴趣（Interests） | 类别优先级排序与过滤（基于历史交互和风险测评的产品大类偏好识别） |
| F2 产品属性偏好 | 兴趣 + 目标（Interests & Goals） | 细粒度属性匹配（期限、收益、费率等多维特征的偏好权重计算） |
| F3 品牌与机构偏好 | 背景/经验（Background/Experience） | 品牌信任度建模（基于历史交互和用户反馈的品牌偏好权重） |
| F4 服务渠道偏好 | 背景 + 个体特征（Background & Traits） | 渠道选择概率模型（不同场景下的渠道偏好概率预测） |
| F5 功能偏好 | 目标 + 个体特征（Goals & Traits） | 功能使用频率建模（基于行为序列的功能偏好排序和布局优化） |
从监管视角看，五个维度共同服务于《金融机构产品适当性管理办法》所要求的"适当产品、适当渠道、适当客户"的合规目标；从学术视角看，它们分别对应Brusilovsky用户模型中的兴趣、目标、经验、特征等核心层，是推荐系统实现个性化的信息基础；从业界实践看，这五个维度共同支撑银行从"千人一面"到"千人千面"的精细化运营转型，是实现精准营销、提升用户体验和业务转化效率的必要条件。
5. 参考
- [《金融机构产品适当性管理办法》（2025）]
- [证券期货投资者适当性管理办法]
- [商业银行理财业务监督管理办法]
- Brusilovsky, P., & Millán, E. (2007). User models for adaptive hypermedia and adaptive educational systems. The Adaptive Web, 3-53.
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）