然后再利用机器学习各种分类、聚类算法给用户贴上一系列标签。

例如，某个用户是男性还是女性、年龄多大、学生还是白领、个人喜好、购物偏好，购买力强弱-喜欢购买贵重还是便宜的，常出入地等。

数据越多越详细，标签就越精确，从而构建的用户模型就更清晰，推荐营销的效果当然也会更好。

用户画像的作用

精准营销是用户画像最直接最有价值的应用。就比如用户在淘宝、京东、携程等平台上进行商品搜索时，平台会利用构建好的画像，结合用户当时的上下文分析出用户的购买意向，然后为用户提供其感兴趣的商品。

如果有用户满意的商品，用户则会进行点击购买，如果用户没有进行购买就退出，后台会分析出推荐的商品有哪些被点击过、没有点击过从而适当的调整模型，那么当用户下一次再进入时则会根据用户此次的搜索关键字加上历史的行为，进行下一次的个性化推荐，留住了用户的同时也提高了商品的销量。

像淘宝等这种电商平台还会通过和今日头条等各个广告商进行合作将其商品推荐给感兴趣的用户，今日头条广告一般也会对各个广告主进行实时竞价排名(eCPM)，出价最高者获得广告曝光栏位，并只收取第二高价的费用，像这种千人千面的精准营销和千人一面的营销相比，前者更能体现出其价值。

后话

就目前市场而言，用户画像已经渗透到我们生活中的方方面面，无论是我们常用的各种聊天软件还是各个购物平台，亦或者是平时的资讯类平台，都不难发现推送的广告消息综合了我们平时的各种行为。

作为用户的我们常常感觉没有任何秘密而言，担心自己的信息泄露。其实任何事物都有多面性，就在于我们如何看待，就拿“用户画像”来说，虽然有些烦恼自己的各种行为都被进行收集分析，感觉没有了私密性，但另一方面我们也应该体验到它带给我们生活中的便利。

同时各个互联网平台也应该坚持自己的底线，不能过度收集用户信息，更不能将用户信息用于非法途径。

只有平衡好用户画像与用户隐私之间的矛盾，才能消除人们对精准营销的担忧。既然我们无从阻止它的存在，就让我们试着以一种更加包容的心态去体验这种计算广告啦。