分為四個階段：收集數據、分析數據、打標簽、解決方案
收集數據和分析數據都是對信息的操作，所以可以歸納為：
信息->標簽->方案
信息：收集、抽離、行為分析，
標簽：打標簽：碼農、摳門、收入高
方案：優化產品、運營方案，比如依據上面的標簽信息可以知道這是一個高收入卻摳門的碼農，那我們就可以使用特惠、促銷等方案“勾引”他。
信息的分析
基礎屬性：年齡、性別、星座、教育、身高、職業（一般是不隨自己永遠隨意改變 的），相對容易拿到
社會關系：孩子（男孩女孩）、兄弟姐妹、父母、老公，相對難拿到
消費能力：月收入、月消費、支付寶有沒、信用卡、還房貸、車貸，很難拿到，但總歸能拿到
行為特征：經討厭不准時、常團購、經常加班、上班刷微博、開會不准時、在網吧上網，用戶不會說，很多也說不出來，一般是通過數據說話的
打標簽
打標簽，也就是用戶的心里特征：以上交叉：貪小便宜、品牌偏好、好攀比、猶豫、 健康訴求高等
用戶特征分析的三種應用場景：
以內容為主的媒體或閱讀類網站、搜索引擎或通用導航類網站，往往會提取用戶對瀏覽內容的興趣特征：
比如：體育類、娛樂類、美食類、理財類、旅游類、房產類、汽車類等等。
社交網站的用戶畫像也會提取用戶的社交網絡：
從中可以發現關系緊密的用戶群和在社群中起到意見領袖作用的明星節點。
電商購物網站的用戶畫像，一般會提取用戶的網購興趣和消費能力等指標：
網購興趣主要指用戶在網購時的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護類、飲食類等。
消費能力指用戶的購買力，如果做得足夠細致，可以把用戶的實際消費水平和在每個類目的心理消費水平區分開，分別建立特征緯度。
像金融領域還會有風險畫像，包括征信、違約、洗錢、還款能力、保險黑名單等
另外還可以加上用戶的環境屬性，比如當前時間、訪問地點LBS特征、當地天氣、節假日情況等。
當然，對於特定的網站或App，肯定又有特殊關注的用戶維度，就需要把這些維度做到更加細化，從而能給用戶提供更精准的個性化服務和內容。
實戰：
趕集網婚戀交友類別下，客服收到用戶投訴：
在頻道上和一個女生聊天，很快就約見面了，見面地點在一個不知名的酒吧，點了上千塊的酒水，目前聯系不上了
產品經理/運營猜測：
這是酒托騙人的情況，用戶應該是被酒托騙了
分析：
酒托一般群體作案，找出一個，治理一群，大致思路如下
3.1 個體分析（此時問卷調查是無力的，這也是不提倡問卷的弊端之一）
a、基礎信息：女性
b、社會關系：互為好友、聊過天的人、同一個IP段的
c、消費能力：無
d、行為特征：（沒有就讓開發埋點，規則條件清楚，數據肯定有的）
提出可能的行為特征
- 短時間加了很多人
- 在線時間非常長（婚戀網站，一個女的長期在線很大概率是不正常的）
- ID用了一段時間就廢棄了
- 同一個IP有很多類似的賬戶
- 同時和很多人聊天
- 回復很快
- 主動發起聊天（女生，每次都主動發起聊天，不符合人性）
- 聊天記錄10條內，出現QQ或者微信
- 聊天過程短，不超過10條
- 注冊完馬上快速加一大堆好友
結合行為特征，判斷哪些關鍵行為特征組合后能夠確定一個人是不是酒托，不一定要全部特征，適當考慮性價比最高的幾條，條件多了開發也難受
e、心理特征：酒托心理
3.2 關鍵行為特征
a、猜測關鍵的行為有哪些？
b、關鍵行為看交叉驗證，也就是重復組合關鍵行為特征
c、明確特征的計算方式，即算法、數字。例如在線時間很長 -》 超過5小時
d、命中的行為路徑是什么，分析整個流程，在哪個階段命中的這個情況。
3.3 召回驗證
a、把關鍵行為特征交叉后調出數據，然后驗證數據。
b、召回率：有多少命中策略的數據被調取出來了
c、找回准確率：召回的數據中，准確率多少 ？
d、優化：修正特征數據，調整粒度
3.4 找最有效的解決方案
a、用戶特征分析越細致，解決方案就越准確有效。在關鍵節點上進行處理，讓用戶察覺不到處理機制，避免違規用戶換法子重來。
b、解決方案的排序：用戶量和頻次進行選擇
