分为四个阶段：收集数据、分析数据、打标签、解决方案
收集数据和分析数据都是对信息的操作，所以可以归纳为：
信息->标签->方案
信息：收集、抽离、行为分析，
标签：打标签：码农、抠门、收入高
方案：优化产品、运营方案，比如依据上面的标签信息可以知道这是一个高收入却抠门的码农，那我们就可以使用特惠、促销等方案“勾引”他。
信息的分析
基础属性：年龄、性别、星座、教育、身高、职业（一般是不随自己永远随意改变 的），相对容易拿到
社会关系：孩子（男孩女孩）、兄弟姐妹、父母、老公，相对难拿到
消费能力：月收入、月消费、支付宝有没、信用卡、还房贷、车贷，很难拿到，但总归能拿到
行为特征：经讨厌不准时、常团购、经常加班、上班刷微博、开会不准时、在网吧上网，用户不会说，很多也说不出来，一般是通过数据说话的
打标签
打标签，也就是用户的心里特征：以上交叉：贪小便宜、品牌偏好、好攀比、犹豫、 健康诉求高等
用户特征分析的三种应用场景：
以内容为主的媒体或阅读类网站、搜索引擎或通用导航类网站，往往会提取用户对浏览内容的兴趣特征：
比如：体育类、娱乐类、美食类、理财类、旅游类、房产类、汽车类等等。
社交网站的用户画像也会提取用户的社交网络：
从中可以发现关系紧密的用户群和在社群中起到意见领袖作用的明星节点。
电商购物网站的用户画像，一般会提取用户的网购兴趣和消费能力等指标：
网购兴趣主要指用户在网购时的类目偏好，比如服饰类、箱包类、居家类、母婴类、洗护类、饮食类等。
消费能力指用户的购买力，如果做得足够细致，可以把用户的实际消费水平和在每个类目的心理消费水平区分开，分别建立特征纬度。
像金融领域还会有风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等
另外还可以加上用户的环境属性，比如当前时间、访问地点LBS特征、当地天气、节假日情况等。
当然，对于特定的网站或App，肯定又有特殊关注的用户维度，就需要把这些维度做到更加细化，从而能给用户提供更精准的个性化服务和内容。
实战：
赶集网婚恋交友类别下，客服收到用户投诉：
在频道上和一个女生聊天，很快就约见面了，见面地点在一个不知名的酒吧，点了上千块的酒水，目前联系不上了
产品经理/运营猜测：
这是酒托骗人的情况，用户应该是被酒托骗了
分析：
酒托一般群体作案，找出一个，治理一群，大致思路如下
3.1 个体分析（此时问卷调查是无力的，这也是不提倡问卷的弊端之一）
a、基础信息：女性
b、社会关系：互为好友、聊过天的人、同一个IP段的
c、消费能力：无
d、行为特征：（没有就让开发埋点，规则条件清楚，数据肯定有的）
提出可能的行为特征
- 短时间加了很多人
- 在线时间非常长（婚恋网站，一个女的长期在线很大概率是不正常的）
- ID用了一段时间就废弃了
- 同一个IP有很多类似的账户
- 同时和很多人聊天
- 回复很快
- 主动发起聊天（女生，每次都主动发起聊天，不符合人性）
- 聊天记录10条内，出现QQ或者微信
- 聊天过程短，不超过10条
- 注册完马上快速加一大堆好友
结合行为特征，判断哪些关键行为特征组合后能够确定一个人是不是酒托，不一定要全部特征，适当考虑性价比最高的几条，条件多了开发也难受
e、心理特征：酒托心理
3.2 关键行为特征
a、猜测关键的行为有哪些？
b、关键行为看交叉验证，也就是重复组合关键行为特征
c、明确特征的计算方式，即算法、数字。例如在线时间很长 -》 超过5小时
d、命中的行为路径是什么，分析整个流程，在哪个阶段命中的这个情况。
3.3 召回验证
a、把关键行为特征交叉后调出数据，然后验证数据。
b、召回率：有多少命中策略的数据被调取出来了
c、找回准确率：召回的数据中，准确率多少 ？
d、优化：修正特征数据，调整粒度
3.4 找最有效的解决方案
a、用户特征分析越细致，解决方案就越准确有效。在关键节点上进行处理，让用户察觉不到处理机制，避免违规用户换法子重来。
b、解决方案的排序：用户量和频次进行选择
