1. 引言

行为与交互模式是银行用户画像中时序行为驱动的核心维度。与风险偏好（稳定的主观倾向）、金融知识（相对静态的认知能力）等维度不同，行为与交互模式回答的是用户如何与银行系统交互、何时交互、以何种方式交互——它是连接"用户是谁"（静态画像）与"系统该怎么做"（动态策略）的桥梁维度。

具体而言，金融知识维度决定了"说到什么深度"，产品偏好维度决定了"推荐什么内容"，而行为与交互模式维度则决定了**“什么时候说”、“说多快”、“用什么语气说”**——它是画像从"内容适配"走向"体验适配"的关键一步。一个精准的行为模式画像，能让系统在用户最可能接受信息的时刻、以用户最习惯的方式、推送最匹配的内容，从而显著提升触达转化率与用户体验。

在监管层面，行为数据的采集与使用受到《个人信息保护法》和《数据安全法》的严格约束，自动化决策的透明度要求使得行为画像必须具备可解释性。在学术层面，行为经济学中的双系统理论、助推理论、习惯回路模型，以及人机交互领域的 Fogg 行为模型、信息觅食理论，为行为画像的设计提供了坚实的理论支撑。在业界实践层面，蚂蚁财富、招商银行、平安银行等头部机构已经将行为模式画像深度嵌入推送优化、界面自适应和内容分发策略，验证了该维度的商业价值。

本文以 Fogg 行为模型（FBM） 和 Thaler & Sunstein 助推理论 为行为触发与引导的核心理论框架，以 Duhigg 习惯回路模型 和 Pirolli & Card 信息觅食理论 为行为模式认知的方法论基础，从 监管法规、学术研究、业界实践 三个视角，为行为与交互模式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

1.1.1. Fogg 行为模型（Fogg Behavior Model, FBM）

BJ Fogg（2009）在斯坦福大学说服技术实验室（Persuasive Tech Lab）提出的 Fogg 行为模型（FBM），是人机交互与行为设计领域最具影响力的理论框架之一。该模型以简洁的公式 B = MAT 描述行为发生的充分必要条件：

Fogg 行为模型的核心洞察是：行为发生需要三者同时汇聚——即使用户有强烈动机，如果触发时机不当（如在深夜推送需要复杂决策的产品），行为也不会发生。这一洞察直接解释了 G1（操作时间规律）在推送策略设计中的核心地位——推送的本质就是"在正确的时间投放正确的 Trigger"。

1.1.2. Thaler & Sunstein 助推理论（Nudge Theory）

诺贝尔经济学奖得主 Richard Thaler 与哈佛法学院教授 Cass Sunstein 在 2008 年出版的 Nudge: Improving Decisions About Health, Wealth, and Happiness 中，系统提出了"助推"（Nudge）理论。其核心思想是：通过选择架构（Choice Architecture）的巧妙设计，在不限制选择自由的前提下，引导人们做出更优决策。

助推理论对手机银行行为画像的关键指导意义：

1.1.3. Duhigg 习惯回路模型（Habit Loop）

Charles Duhigg 在 2012 年出版的 The Power of Habit 中，基于麻省理工学院 Graybiel 实验室的神经科学研究，提出了"习惯回路"（Habit Loop）模型：

暗示（Cue） → 惯常行为（Routine） → 奖赏（Reward）
     ↑                                      |
     └──────────────────────────────────────┘

该模型认为，习惯的形成依赖三个要素的闭环：暗示触发行为（如收到推送通知→打开App），惯常行为是自动化的操作序列（如查看收益→浏览推荐→对比产品），奖赏是行为后的满足感（如发现好产品、获得收益）。当这个回路被反复强化，行为就会从"有意识决策"转变为"自动化习惯"。

对手机银行画像的启示是：G1（操作时间规律）捕捉的是用户的"暗示-行为"时间锚点——每个用户都有自己固定的打开App时间窗口（如晚10点），系统如在此时推送，即精准命中用户的 Cue；G5（反复关注主题）反映的是用户对特定主题的持续"奖赏期待"——连续3次查看基金收益，说明"基金信息"已成为该用户的稳定 Reward 来源。

1.1.4. Pirolli & Card 信息觅食理论（Information Foraging Theory）

Pirolli 与 Card（1999）在施乐帕克研究中心（Xerox PARC）提出的信息觅食理论（Information Foraging Theory, IFT），将生态学中的最优觅食理论（Optimal Foraging Theory）迁移到人类信息搜索行为领域。该理论的核心假设是：人类在信息环境中搜索信息的行为，类似于动物在自然环境中觅食——个体会根据"信息气味"（Information Scent）的强弱，决定是否深入探索某个信息源，目标是最大化单位时间的信息收益。

信息觅食理论对手机银行行为画像的两个关键映射：

• G3（探索深度）—— 觅食策略差异：动物觅食有"广撒网"（generalist）和"专精型"（specialist）两种策略，映射到金融App中，窄探索者（只看一个产品就退出）对应"信息气味敏感型"——一旦感知到信息气味不强（如推荐列表不匹配），立即放弃当前信息源；深探索者（反复对比多个产品）对应"专精型"——愿意花更多时间在同一信息源中挖掘有价值信息。
• G5（反复关注主题）—— 信息斑块（Information Patch）偏好：信息觅食理论认为信息环境中存在"信息斑块"——信息密度高的区域。用户反复关注某主题（如"基金收益率"），说明该主题是用户认定的"高信息收益斑块"，系统应增加该斑块的信息供给密度。

1.1.5. 其他相关理论基础

• Kahneman（2011）—— 双系统理论：系统1（快速直觉型）和系统2（慢速分析型）对应不同的交互模式——快决策者更多依赖系统1，适合简洁直接的信息呈现；慢决策者更多启用系统2，适合详细数据和对比分析。G2（决策节奏）和 G4（交互语言风格）均可从该理论获得支撑。
• Parasuraman, Zeithaml & Berry（1985）—— 服务质量差距模型：服务质量的感知取决于"期望"与"实际体验"之间的差距。G4（交互语言风格）的适配，本质上是缩小"客户期望的沟通方式"与"银行实际提供的沟通方式"之间的差距。
• Giles & Coupland（1991）—— 传播适应理论（Communication Accommodation Theory, CAT）：人们在互动中会不自觉地调整自己的语言风格以匹配对方——系统如果能模仿用户的交互语言风格（正式/口语、简洁/详尽），用户的信任感和满意度会显著提升。这为 G4 的画像设计提供了社会语言学基础。
• Eppler & Mengis（2004）—— 信息过载理论：当信息量超过个体的处理能力时，决策质量下降、满意度降低。G3（探索深度）画像有助于识别用户的信息处理阈值，避免因推荐过多产品而导致决策瘫痪。

2. 行为与交互模式画像

参考：Forrester Digital Banking Maturity; Fogg Behavior Model (B=MAT); 行为经济学惯性与锚定效应

2.1. G1 操作时间规律（Activity Timing Patterns）

操作时间规律捕捉的是用户在时间维度上的行为节奏——何时活跃、多频繁、每次多久。它是 Fogg 行为模型中 Trigger（触发）要素的时间锚点，回答的核心问题是"在什么时间点投放信息，用户最可能接收并响应"。

2.2. G2 决策节奏（Decision Rhythm）

决策节奏捕捉的是用户从"了解"到"考虑"再到"决策"的时间跨度——用户是"看一眼就买"还是"考虑几周才行动"。它是助推理论（Nudge Theory）在个性化催化的核心应用场景：快决策者需要"降低行动门槛"（Facilitator助推），慢决策者需要"降低信息不确定性"（教育性内容+对比工具）。

2.3. G3 探索深度（Exploration Depth）

探索深度捕捉的是用户在每次会话中的信息浏览广度（看了多少产品/页面）和深度（在每个产品/页面上停留多久）。它是信息觅食理论（IFT）在手机银行场景的直接映射——窄探索者像"信息环境中的机会主义者"（只取最显眼的信息），深探索者像"信息环境中的深度挖掘者"（愿意花时间挖出最佳信息）。

2.4. G4 交互语言风格（Interaction Language Style）

交互语言风格捕捉的是用户在沟通中展现的语言特征——正式还是口语化、简洁还是详尽、情感化还是理性。它是传播适应理论（CAT）在智能客服与推送文案中的直接应用：当系统的语言风格与用户的自然风格趋同（Convergence）时，用户会感到"被理解"，从而提升信任感与满意度。

2.5. G5 反复关注主题（Recurring Attention Topics）

反复关注主题捕捉的是用户在多次会话中持续关注、反复提及或查询的主题——它是用户"兴趣强度"与"当前焦点"的双重信号。与 D2（隐性需求推断）的"一次性推断"不同，G5强调的是跨会话的持续性——"连续3次问基金收益率"说明"基金"不仅是该用户的一次性好奇，而是其稳定的关注锚点。

3. 综合依据

3.1. 依据 1：监管法规——行为数据的使用必须符合个人信息保护要求

结论：行为与交互模式是行为数据密集的画像维度，G1-G5的构建和运用必须在个人信息保护法律框架下进行，确保透明度、可解释性和用户可控性。

3.2. 依据 2：学术文献——行为模式是可量化、可干预、可引导的独立维度

3.3. 依据 3：业界实践

说明：上述实践案例及数据基于公开技术分享、行业报告、官方文档及媒体报道整理。部分案例为基于公开信息的合理归纳，具体实现细节可能与实际产品存在差异。

4. 总结

上述五个小类构成了银行用户画像中"行为与交互模式"维度的完整框架：

五个小类之间存在从"时序→节奏→深度→风格→焦点"的递进关系：

• G1（时间规律）回答"什么时候说"——在用户最可能接收的时刻投放信息；
• G2（决策节奏）回答"说多快"——匹配用户从了解到决策的自然时间跨度；
• G3（探索深度）回答"说多少"——匹配用户的信息处理容量和探索偏好；
• G4（语言风格）回答"怎么说"——匹配用户的自然语言模式，提升信息处理流畅性；
• G5（关注主题）回答"说什么主题"——识别用户的持久兴趣锚点，实现主题驱动的精准触达。

这五个小类共同构成从"知道用户在何时以何种方式交互"到"在正确时间以正确方式送达正确内容"的完整行为适配链路。与金融知识维度（决定"说到什么深度"）和产品偏好维度（决定"推荐什么内容"）相比，行为与交互模式维度是画像体系的最后一公里——它确保前面所有维度（偏好、知识、目标、风险）产生的推荐结果，能够在用户体验层面被有效送达，而非在错误的时间以错误的方式触达，导致"好推荐被坏时机浪费"。

从监管视角看，行为与交互模式是个人信息保护法规要求最严格的画像维度——行为数据的采集、分析和使用必须在透明、知情、可控的框架下进行，自动化决策必须保留用户的拒绝权和人工干预通道。从学术视角看，它整合了行为经济学（习惯回路、助推理论、双系统）、人机交互（FBM行为模型）、信息科学（信息觅食）和社会语言学（传播适应理论）的多学科理论。从业界实践看，蚂蚁财富、招商银行、平安银行等头部机构已经建立了覆盖 G1-G5 全链路的智能触达体系，验证了该维度在提升推送转化率、优化用户体验和践行适当性管理方面的核心价值。

5. 参考

• Fogg, B. J. (2009). A behavior model for persuasive design. Proceedings of the 4th International Conference on Persuasive Technology, 40.
• Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. New Haven: Yale University Press.
• Duhigg, C. (2012). The Power of Habit: Why We Do What We Do in Life and Business. New York: Random House.
• Pirolli, P., & Card, S. (1999). Information foraging. Psychological Review, 106(4), 643-675.
• Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.
• Giles, H., & Coupland, N. (1991). Language: Contexts and Consequences. Buckingham: Open University Press.
• Niederhoffer, K. G., & Pennebaker, J. W. (2002). Linguistic style matching in social interaction. Journal of Language and Social Psychology, 21(4), 337-360.
• Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995-1006.
• Schwartz, B. (2004). The Paradox of Choice: Why More Is Less. New York: Ecco.
• Eppler, M. J., & Mengis, J. (2004). The concept of information overload: A review of literature from organization science, accounting, marketing, MIS, and related disciplines. The Information Society, 20(5), 325-344.
• Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and its implications for future research. Journal of Marketing, 49(4), 41-50.
• Zajonc, R. B. (1968). Attitudinal effects of mere exposure. Journal of Personality and Social Psychology, 9(2), 1-27.
• Tversky, A., & Kahneman, D. (1981). The framing of decisions and the psychology of choice. Science, 211(4481), 453-458.
• Laibson, D. (1997). Golden eggs and hyperbolic discounting. Quarterly Journal of Economics, 112(2), 443-477.
• Treisman, A. M. (1964). Selective attention in man. British Medical Bulletin, 20(1), 12-16.
• Hägerstrand, T. (1970). What about people in regional science? Papers of the Regional Science Association, 24(1), 7-21.
• Forrester Research. (2020). The Forrester Digital Banking Maturity Model.
• 全国人民代表大会常务委员会. 《中华人民共和国个人信息保护法》（2021）.
• 全国人民代表大会常务委员会. 《中华人民共和国数据安全法》（2021）.
• 国家金融监督管理总局. 《金融机构产品适当性管理办法》（2025，令〔2025〕第7号）.
• 中国证监会. 《证券期货投资者适当性管理办法》（2017）.
• 中国银保监会. 《商业银行理财业务监督管理办法》（2018）.
• 中国人民银行. 《金融消费者权益保护实施办法》.
• 国家互联网信息办公室等. 《App违法违规收集使用个人信息行为认定方法》.
• 欧盟. General Data Protection Regulation (GDPR), 2018.