在互聯(lián)網(wǎng)下半場(chǎng)、精細(xì)化運(yùn)營(yíng)時(shí)代，很多互聯(lián)網(wǎng)公司利用各種方法收集消費(fèi)者的信息，再運(yùn)用大數(shù)據(jù)分析相關(guān)技術(shù)，分析消費(fèi)偏好、消費(fèi)習(xí)慣、消費(fèi)能力、消費(fèi)頻次，將不同的商品以不同的價(jià)格在不同的時(shí)間推送給不同的人。具體細(xì)分有三類：

1、根據(jù)用戶使用的設(shè)備不同而差別定價(jià)；

2、根據(jù)用戶消費(fèi)時(shí)所處的場(chǎng)所不同而差別定價(jià)；

3、根據(jù)用戶消費(fèi)頻率的不同而差別定價(jià)。

那么我們今天就來看看，我們是如何一步步被大數(shù)據(jù)殺熟的吧。大數(shù)據(jù)殺熟關(guān)鍵的一步便是用戶畫像。

所謂用戶畫像體系指的是通過用戶相關(guān)數(shù)據(jù)采集，進(jìn)行數(shù)據(jù)處理分析，將用戶分成不同的類。在你注冊(cè)成為用戶時(shí)，系統(tǒng)便知道你是哪一類用戶，可以進(jìn)行精準(zhǔn)的數(shù)據(jù)營(yíng)銷。殺熟只是系統(tǒng)根據(jù)不同用戶特點(diǎn)展示不同數(shù)據(jù)的一個(gè)體現(xiàn)。

那么用戶畫像體系如何建設(shè)呢？首先在產(chǎn)品層給用戶畫上不同的標(biāo)簽，通過產(chǎn)品設(shè)計(jì)中的用戶注冊(cè)信息校驗(yàn)，數(shù)據(jù)收集中的客戶端、服務(wù)端日志采集，數(shù)據(jù)倉庫做數(shù)據(jù)分析、呈現(xiàn)不同的數(shù)據(jù)，最后給到業(yè)務(wù)層進(jìn)行應(yīng)用（比如營(yíng)銷、數(shù)據(jù)報(bào)表、反欺詐等等），整個(gè)用戶畫像體系架構(gòu)圖可見下圖所示。

在給用戶定義標(biāo)簽時(shí)，我們又可以分為基礎(chǔ)標(biāo)簽、行為標(biāo)簽、偏好標(biāo)簽、預(yù)測(cè)標(biāo)簽幾大類�；�礎(chǔ)標(biāo)簽指的是用戶的基礎(chǔ)信息，比如年齡、設(shè)備信息、職業(yè)、性別、教育情況；行為標(biāo)簽指的是用戶的個(gè)人行為，比如點(diǎn)贊、瀏覽、轉(zhuǎn)發(fā)、分享、購買、關(guān)注；偏好標(biāo)簽指的是用戶的個(gè)人便好，比如汽車、美食、旅游、動(dòng)漫；預(yù)測(cè)標(biāo)簽指的是對(duì)于用戶的個(gè)人預(yù)測(cè)，比如近期是否出行、近期是否買房等。

定義好標(biāo)簽規(guī)則后，我們便可以進(jìn)行數(shù)據(jù)的采集、處理、分析了。整個(gè)架構(gòu)可以分為三層，即數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)服務(wù)層。在數(shù)據(jù)采集層，通過日志和數(shù)據(jù)庫等方法實(shí)時(shí)采集數(shù)據(jù)，通過Kafka消息中間件進(jìn)行數(shù)據(jù)傳輸，給到數(shù)據(jù)分析引擎。數(shù)據(jù)分析引擎包含實(shí)時(shí)計(jì)算和離線計(jì)算，實(shí)時(shí)計(jì)算可采用Flink計(jì)算引擎進(jìn)行，離線計(jì)算可采用Hive、Hadoop進(jìn)行。在計(jì)算架構(gòu)上建議采用Lambda架構(gòu)，將實(shí)時(shí)計(jì)算和離線計(jì)算拆分出來，因?yàn)橛械臄?shù)據(jù)不一定能通過實(shí)時(shí)計(jì)算挖掘出來。在數(shù)據(jù)存儲(chǔ)上，可以使用HBase做離線標(biāo)簽存儲(chǔ)，Redis做實(shí)時(shí)標(biāo)簽存儲(chǔ)。

在數(shù)據(jù)建設(shè)體系這塊，我們尤其要關(guān)注數(shù)據(jù)的質(zhì)量、數(shù)據(jù)時(shí)效性。對(duì)于數(shù)據(jù)質(zhì)量，我們需要關(guān)注是否覆蓋全面、覆蓋準(zhǔn)確，通過監(jiān)控體系做對(duì)應(yīng)的驗(yàn)證-分析-調(diào)整可逐步的提高質(zhì)量；對(duì)于數(shù)據(jù)時(shí)效性，除了來自業(yè)務(wù)需求的實(shí)時(shí)數(shù)據(jù)和非實(shí)時(shí)數(shù)據(jù)外，我們也要關(guān)注其它因素是否會(huì)導(dǎo)致數(shù)據(jù)采集、數(shù)據(jù)處理延時(shí)；最后，就是避免重復(fù)對(duì)接，我們應(yīng)當(dāng)建立統(tǒng)一的數(shù)據(jù)體系，讓所有的業(yè)務(wù)數(shù)據(jù)都按照這個(gè)格式進(jìn)行對(duì)接，而不是每套系統(tǒng)去兼容一次，這也是數(shù)據(jù)倉庫、數(shù)據(jù)中臺(tái)的一個(gè)設(shè)計(jì)思想。

在采集分析用戶數(shù)據(jù)后，我們便可進(jìn)行用戶畫像。從用戶的整體生命周期來看，可以分為潛在用戶、新用戶、活躍用戶、沉默用戶、流失用戶；針對(duì)不同的用戶群體，再細(xì)分用戶的購物習(xí)慣、購物便好、購物頻次、購物能力，適時(shí)的推薦商品、發(fā)送觸活短信。

我們生在互聯(lián)網(wǎng)時(shí)代、活在互聯(lián)網(wǎng)時(shí)代的人，享受了技術(shù)紅利所帶來的便利，也引起了競(jìng)爭(zhēng)，這才有大數(shù)據(jù)殺熟的事件出現(xiàn)。不過大家在剁手時(shí)也不要太過于擔(dān)心，在外有國家通過《電子商務(wù)法》規(guī)定：電子商務(wù)經(jīng)營(yíng)者根據(jù)消費(fèi)者的興趣愛好、消費(fèi)習(xí)慣等特征向其提供商品或者服務(wù)的搜索結(jié)果的，應(yīng)當(dāng)同時(shí)向該消費(fèi)者提供不針對(duì)其個(gè)人特征的選項(xiàng)，尊重和平等保護(hù)消費(fèi)者合法權(quán)益；在內(nèi)可以通過不同設(shè)備做價(jià)格對(duì)比、不同用戶做價(jià)格對(duì)比、線上線下做價(jià)格評(píng)估進(jìn)行避免。同時(shí)互聯(lián)網(wǎng)巨頭擁有海量的數(shù)據(jù)、強(qiáng)勁的算法，也更應(yīng)該聚焦于科技創(chuàng)新，給社會(huì)帶來更多進(jìn)步～