智能营销需要利用用户肖像模型进行精准定位，而用户肖像是根据用户的社会属性、生活习惯和消费行为抽象的标签用户模型。
详细包括以下维度：
用户可靠性特征：性别、年龄、地区、教学程度、出生日期、职业、星座
用户乐趣特征：乐趣偏好，使用APP、网站、欣赏/保存/评论内容、品牌偏好、产品偏好
用户社会特征：生活习惯、婚姻、社交/信息渠道偏好、宗教信仰、家庭身份
用户消费特征：收入状况、购买力度、商品类型、购买渠道爱好、购买频率
用户动态特征：当前时间、需求、正在前往的地方、周边商家、周边人群
如何生成用户准确肖像的新闻事件大致分为三步：
收集和清理数据：用已知预测未知
用户分组分类贴标签
制定策略。
优化调解用户肖像后可以了解需求，在实际操作中，可以深入规划主要关系，甚至找到传播口碑的机会。
例如，在上述例子中，如果有新鲜的折扣券，日本餐厅的最新推荐，营销人员会准确地将适合产品的相关信息推送到消费者的手机上；向不同的产品发送推荐信息，同时，通过满意度观察、跟踪码确认等方法，不断掌握业主各方面的行为和偏好。除业主分组外，营销人员还在不同时期调查增长率和成功率，前后比较，确认整体规划策略和偏好是否正确；如果结果不好，应该用什么策略来处理？重复试错，调解模型，实现轮回优化。
2、数据细分受众《颠覆营销》一书中提到的一个例子可以引用。每个人都在思考一个问题：如果你计划收集200份有效问卷，根据你以前的经验，你需要发送多少份问卷才能达到这一目的？估计需要多少预算和时间来实施？过去的要点是这样的：评估网络问卷约为5%接受率，如果你想保证收到200份问卷，你必须有20倍的发送量，也就是说，如果你能在一个月内发送4000份问卷，这会收获一个很好的表达。然而，目前存在差异。在实施大数据澄清的3小时内，您可以轻松完成以下目标：准确选择1%的VIP顾主发送390份问卷，全部接受；3小时内接受35%的问卷；5天内，我接受了数量高于86%问卷数所需时间和预算在过去的10%以下。问卷发送后3小时如何接受35%的问卷？这是因为数据实现了发送时间"一对必然制化"。操作数据得出，A先生什么时候打开邮件，在谁的时间点发问卷。
比如有的人上班路上会打开邮件，但如果是司机，防伪追溯系统就没有时间填答案了。乘坐公共交通工具的人上班路上会玩手机，填答案的概率很高。这些都是数据细分受众的优势。第三，预测预测可能会让你专注于一小群客户，但这些客户可以代表大多数潜在买家的特定产品。当我们收集和澄清用户肖像时，我们可以实现准确的营销。这是最直接、最昂贵的应用。广告公司可以通过用户标签向要接触的用户发布广告，通过上图中提到的搜索广告，展示社交广告、移动广告等多渠道营销策略、营销澄清、营销优化、后端CRM/购买供应链系统的一站式营销优化，全面提升ROI。
我们来谈谈营销时代的变多数传统企业仍然停留在营销1.0时代：以产品为中心，满足传统消费者的需求。进入营销2.0时代：以社会成本和品牌为使命，不能完全准确地满足自然需求。进入营销3.0数据时代，我们应该对每个消费者进行自然匹配，一对一营销，甚至准确计算交易转化率，提高投资回报率。大数据下的营销颠覆了经典营销4P理论：Product（产物），Price（价值），Place（渠道），Promotion(推广)，取而代之的是新营销4P观念：Purpose（意义），Presence（参加），Proximity（靠近），Partnership（帮助）。在大数据时代，线下地理的竞争边界早已不存在，比先知技能更早，操作大数据，从业主的真实业务数据中预测下一次购买时间。
