用户画像是基于统计类、预测类、规则类等不同的标签体系，构用户精细化分层能力

如何精准的识别目标用户，以及企业用户的行为特征，充分挖掘用户价值，让每一笔钱都掷地有声、好钢用在刀刃上，实现精细化运营，是目前每个企业都在追求的目标。

用户是谁，从哪里来，有什么样的特征和习惯，这些用户画像信息的挖掘，对业务决策以及精细化运营的意义重大，绝对可以算得上是数据赋能业务。

用户画像是基于统计类、预测类、规则类等不同的标签体系，构用户精细化分层能力。

例如五一期间，机票盲盒是OTA行业追捧的明星产品，对于参与盲盒活动的用户，到底来源于哪些渠道，性别、年龄、消费能力如何这些信息的识别，对于流量渠道的投放、产品策略方案设计就很有帮助了。

用户画像的价值不仅是用户群体的识别，更重要的是基于人群精细化分层圈选的能力，构建用户运营、触达的全流程。

例如，针对即将流失的用户派发优惠券进行召回，对服务受损的用户进行安抚关怀等。基于DMP平台，实现用户的精细化运营，在渠道拉新、新客留存、老客复购等场景，都可以提供强大的赋能能力。

DMP除提供基于产品＆运营经验的人群圈选和触达能力外，还可以通过算法模型的能力，围绕业务目标（拉新、营收等），提供目标人群建议。

比如，当你在携程上浏览了很多个酒店都没有下单，突然弹出了一个X元的红包，你是不是很有可能更快下单呢？

业务配置的规则是浏览酒店详情页X次，且无成功订单，则派发红包，红包金额基于你的价格敏感度标签算法计算得出。

5. 个性化推荐

恰当的时间给合适的用户推荐合适的商品，是平台和用户双赢的事情，既可以提升用户体验，很快找到目标商品，用户下单意愿提高了，业务量也就增加了。

数据赋能离不开算法赋能，基于用户历史浏览行为、用户画像特征、商品画像特征，提供千人千面的算法推荐服务。

6. AI应用

大数据的应用出口之一是AI，通过机器学习算法提升产品智能化的能力。AI的概念并不新，最早能追溯到90年代，但真正发展起来还是得益于计算机算力、大数据发展技术。

除了语音识别、人脸识别等生活中的应用场景外，互联网公司常用的场景有：图片优化，例如商品头图的质量会影响用户的点击欲望，靠运营去更新图片一方面耗费人力高，另一方面，运营的审美不一定能够代表大众审美，通过机器学习模型，对图片进行打分，自动确定商品头图。

内容审核：点评、短视频平台等UGC平台，内容合法合规的监管关系到企业的生死存亡（内涵段子），所有内容靠人工审核那发布周期就很长，用户体验差。

抖音上亿日活，每天生产视频内容数十亿，是怎么那么快审核的，有些“危险动作请勿模仿”“内容可能引起不适”标签如何打的呢？

AI技术。即内容发布后，平台基于算法模型对视频内容进行自动审核，识别不了的才会由人工运营审核。