1、关于大数据的理解
作为一个互联网的技术从业者，之前从事过多年的传统数据仓库方面的工作。随着技术的进步，互联网时代的大数据解决了原来未解决好的很多问题，主要表现在两个方面：第一是技术上的进步使得大数据的成本大大缩减，降低了使用门槛。原来主要依赖Oracle等数据仓库，以二维表为基本元素,动辄使用大的存储设备和小型机，而现在做大数据主要是使用HDFS等分布式系统及内存技术替代传统的IOE。但数据分析的思路和原理跟原来是一样的，得到原始数据后，进行数据清洗，再依据目标进行数据建模，建立各种数据集市，最后以报表的形式呈现结果。第二是数据的容量、速度、多样性及价值（即 所谓的“4V”）不一样了。尤其是具备了多样性，原来主要是结构化的数据，现在则可以有非结构化的数据，如日志、用户行为，甚至图片、声音文件等，这些非结构化的数据可以很快地与结构化的数据相关联，快速分析出结果，极大地解放了人们的思想，所有发生的故事都可以用大数据来关联分析，极大解放了数据，给数据很大的价值。
2、用户画像体系
精准营销应用具体包括以下几个方面：
一是个性化搜索，通过国美在线平台搜索“手机”，不同的人搜出的结果是不一样的，因为不同的人喜好是不同的，比如有人使用的是苹果，有人使用的是三星，也有的人使用的是小米或者其它手机，系统会基于用户的行为来猜测用户想搜什么。传统的搜索，若要搜手机就只出现手机，然后加上一个业务权重，如果最近要推广苹果手机，就会把苹果的权重往上加，搜出来的结果就主要是苹果手机。个性化推荐搜索不仅直接推荐用户想要的，也会推荐猜测用户想要的结果，这就是搜索推荐，相当于一个店小二或者门店促销员的角色。
二是社交传播，以微信广告为例，微信广告不是所有的广告向所有人推送。微信台会有一个分析系统，它分析出有些人经常看汽车，就会给这些人推汽车广告，有些人经常浏览衣服，就会给这些人推衣服广告。所以看到自己收到的广告，周围人不一定都收到，这就是基于用户画像来推荐的广告。
三是热力图工具。热图工具是内部使用的基于大数据结果分析的工具，主要是显示哪些地区热度高、哪些品类用户比较关注等实时状态的工具。
四是会员营销。传统意义上理解的会员营销主要是发送短信、发送邮件、发放宣传单等方式，这些其实都是会员营销的一个结果应用，其实前面讲到的几点也是基于大量数据分析的会员营销。
五是智能选品。当打开国美在线网站或者登陆手机App时，一个页面或者一个手机登录页上面，哪些东西呈现在前面，哪些东西呈现在后面，这就是智能选品，也是根据用户画像来做的，甚至包括采购的定价也是智能定价。
六是DSP广告。DSP广告就是需求方的广告平台，简单的讲就是用户主动看过什么就会给用户推相应的广告。比如，某用户在国美在线看了一个杯子，接下来你去浏览新浪、搜狐、微博等门户网站时，就会看到杯子的广告。
七是个性化推荐。现在网站到处都有推荐，个性化推荐跟这些差不多，不太一样的地方在于它是实时的。电商行业的转化率平均值是3%。国美在线的个性化推荐转化率达到17%-18%，有时候能达到20%，已经算是很高。转化率高反映的是推荐比较准确，核心就是用户画像比较准确。
精准营销的核心是用户画像，而用户画像的核心是标签。那么，标签是什么呢？具体来讲，某些用户喜欢健身，那就给他打个标签“喜欢健身、阳光”；或者某些用户穿的衣服是修身型的，就可以给他打个标签“修身”，这就是标签。若系统得出了这个结论，那么等他下次来的时候，系统就会为他推这类产品，比如健身器材、修身的衣服这类产品。
标签怎么来呢？来自大量用户的基本数据。比如在网上浏览的行为数据，包括用户在门户网站甚至其他电商网站上浏览的数据。主要包括用户数据、行为数据、消费数据、商品数据、行为数据和客服数据等，任何跟用户有关系的数据都可以作为数据源。数据源这部分可能会涉及到“数据交换”，即从其他网站等渠道通过一定方法拿到需要的数据。然后是数据管理平台，管理平台的核心是做标签的管理，包括定义、编辑、审核、查询等等，及对应的分析工具。在此基础上再来建立各种模型，包括用户购买力模型、群体画像模型、购买兴趣模型、促销敏感度模型等。通过系列模型得出的结果就是用户的标签，包括用户DNA、品类偏好、品牌偏好、促销偏好、价格偏好等。截止去年底，国美在线大概有600多个不同门类的标签，包含季节、价格档次等。
3、用户标签体系
用户画像的核心是标签，标签可以分为以下几类：
第一类是基础属性，比如“所在城市”、“会员等级”、“生命周期”、“会员网龄”等基本信息，其中生命周期是按照曾经访问的频次，把用户区分为活跃的会员、沉睡的会员或者沉闷的会员，或者网上叫死粉、僵尸粉等。
第二类是消费能力，购买力、消费等级、累计消费金额、消费频率等。
第三类是行为偏好，时段、访问方式、品类偏好、品牌偏好等。访问的方式、时段数据的分析可以用于决定采用哪一种方式给用户推广告，例如，有些人喜欢晚上访问网站，或者喜欢看视频，那我们通过跟视频网站合作，在视频中的广告对这些用户进行推荐。
