论文部分内容阅读
摘 要：用户画像是代表目标客户特征并将用户需求与计划定位联系起来的桥梁。 用户画像是一个用户标签模型，通过整合用户的社会特征，行为习惯，心理特征，消费者行为和其他数据来抽象。因此，用户画像是一个虚构的图像，它不代表特定的真实世界用户，而是收集一系列真实世界的数据以形成代表某些类型用户共同特征的一些共同属性。本文旨在将用户画像方法引入营销领域，从而进一步提高营销活动的准确性，实现精准营销。
关键词：用户画像;需求推荐;精准营销
引言
近年来，随着互联网技术的飞速发展，用户已经进入了“信息超载”时代，从以前的信息短缺时代（包括电子商务数据，社交网络数据，短视频数据）开始高速生产信息和数据。等等。各种数据充斥着用户的视线，使用户面对各种各样的产品选择时不知所措。另一方面，随着经济的快速发展，用户的经济水平和消费能力也得到了明显提高，用户越来越关注自己的实际需求和个性化需求。在这种情况下，尤其重要的是如何更好地利用数据的价值，为用户实现精确的营销，并推荐满足用户需求的产品，以进一步提高产品和服务的转换率。因此，本研究建议使用大数据时代的产物用户画像方法，并将大数据技术集成到现有的营销活动中，以进一步实现精准营销并提高用户满意度和忠诚度。
1基于用户画像的需求推荐系统相关理论
1.1用户画像概念界定
用户画像（用户个人资料）最初由Alan Cooper提出。它是基于一组实际数据的目标用户模型。它以不同的维度显示相同类型的用户。信息的全貌。 用户画像的本质是标记用户，即使用简短的单词描述用户特征的某个方面，并且所有反映用户偏好特征的标签都组合在一起，以代表完整的用户图像和用户特征的所有方面完全显示。 用户画像分为多个字段，这意味着不可能在所有字段中使用统一的肖像。例如，支付宝中的用户画像和微信中的用户画像肯定是不同的。因此，当公司使用用户画像技术分析用户时，他们需要收集某些字段。关联字段中的用户信息数据确定关联字段的用户画像模型。只有这样，分析结果才能更加精确。
应用用户画像技术是为了更好地了解用户需求并提高用户满意度。随着互联网技术的发展，在大数据环境中，用户画像不仅可以充分了解用户需求，而且可以预测用户需求。与传统的营销活动相比，用户画像具有多维数据，细粒度数据，并在大数据环境中保持动态特性。这些特征使公司的营销活动更加准确。此外，回归分析，聚类分析，神经网络和其他算法可用于预测和分析营销结果，发现新的用户需求和潜在的用户市场，并更好地提高公司的ROI。
1.2大数据
大数据是指传统软件工具无法在特定时间范围内收集，管理和处理的数据集合。这是一个庞大的高增长量，新的处理模型需要更大的决策，洞察力和发现以及流程优化功能。评价和多样化的信息资源。麦肯锡全球研究所认为，大数据是指足以收集，存储，管理和分析数据的数据集合。
大数据技术系统庞大而复杂。其中，数据分析技术可以帮助我们查明用户的兴趣和偏好，以实现精确的营销。
1.3精准营销
菲利普·科特勒（Philip Kotler）指出，精准营销是一种营销传播过程，通过制定营销计划可以产生高投资回报。杰夫·萨宾（Jeff Sabine）的答案是：在正确的时间通过适当的渠道将信息发送给目标客户，以实现营销目标。准确性意味着精确，精确和可测量。精准营销具有五个特征：第一，精准的受众。只有找到实际具有相应产品要求的用户组并进行营销活动，才能提高转换率。第二是正确的市场定位。 正确的营销目标是通过定量和准确的市场定位技术来克服传统营销定位的质量限制。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。第三是正确的沟通。 准确的营销体系方法可确保公司与客户之间的密切对话与沟通，不断满足客户的个性化需求，建立稳定而忠诚的客户群，实现客户链反应的附加值，并确保公司的长期发展能够可以实现稳定和快速发展，以确保快速发展。第四是精确的成本计算。传统的营销方式只是盲目地投资于人，希望通过交易成本来获得产品的知名度。精准营销可以将成本投资于目标受众，以降低成本并增加销售额。第五是准确把握用户需求。随着人们生活水平的提高，用户越来越关注他们的个人需求。有不同类型的需求，需求经常变化。精准营销可以通过技术手段充分把握用户特征，理解用户需求，从而达到更高的用户满意度。
2.营销策略系统设计
2.1数据获取
使用多级属性标签，通过数据提取和抽象用戶信息制作用户的肖像画。要创建用户档案模型，需要大量的数据，如人口统计数据、用户行为、用户喜好数据等。肖像画越多，肖像画越完整，人物表现越全面。这张肖像可以帮助商人更好地理解用户的需求，正确捕捉用户喜好的特征。现有的数据类型不仅有结构数据，还有大量的半结构数据和非结构数据。例如，浏览数据或单击数据。数据的显示、查找和其他动态数据中没有明确的属性。必须通过数据解析和数据挖掘技术从用户日志系统和应用背景中提取。随着互联网的发展，庞大的数据充斥着人们的世界。为了正确提取不同数据模型的种类价值，企业必须整理收集的数据并利用计算机技术。将所有类型的数据处理为用户概要建模所需的数据集。有目标地推进营销活动。是的，对应的产品推荐的大数据环境主要分为静态数据和动态数据。统计数据主要与人口统计学的数据有关。有性别、职业、年龄、场所等数据。这些数据可以通过用户注册信息来收集。动态数据是指用户持续变化的动作数据。
2.2用户行为数据
用户行为数据（即动态用户数据）是构建用户画像的主要基础。用户行为数据基于配对。网站正确的标签系统可以在公司面前显示用户的特点，为企业的决定提供参考。用户配置文件的数据标签是高度复杂的特征识别，通过分析性别、年龄、地区、用户习惯、用户偏好等用户信息来识别。最后，可以汇总所有标签。使用意义特征记述用户的肖像。理解英语援助各标签的重要性，慎重评价用户的喜好，实现精确的市场营销。 2.3用户画像模型构建
捕获用户行为标签后，可以对用户肖像进行建模。用户的设计变成“可视化”。这个用户配置文件的设计大致可以分为三个级别。用户数据收集层、用户数据处理层、用户数据分析和标签层用户数据获取层主要用于记录。负责静态和动态数据，用户数据处理层对收集的数据进行清洗、滤波、复制，并将其发送到数据分析和标签层。用户数据分析和标记层使用数据挖掘技术分析处理后的数据，然后标记数据。用户概要模型需要动态属性，随着用户随时生成新的数据。只有这样，才能及时发现用户喜好的变化，调整公司的营销战略，提高用户满意度和忠诚度。如表1所示，用户A和C是相似的用户。用户C喜欢产品1/2/3，因此向用户A建议产品3。
确定目标受众是营销实践中的一项主要任务。创建“用户配置文件”时，挖掘和分析数据会引入更多干扰。
3.基于用户画像的精准营销策略
3.1用户画像的构建
3.1.1用户画像数据采集与处理
建立用户画像模型需要大量数据，涵盖用户的各个方面，人口统计数据，有关用户行为的数据，有关用户偏好的数据等。数据越多，肖像越完整，人物特征也就越大。这样的肖像可以帮助公司更好地了解用户需求并查明用户偏好，以便在进行营销活动时可以有针对性地使用它们。产品推荐。
在大数据环境中，用户画像数据主要分为两类：静态数据和动态数据。静态数据主要是指可以通过用户的注册信息收集的人口统计数据，例如性别，职业，年龄，位置以及其他数据。动态数据是指一些不断变化的用户行为数据，例如：浏览数据和单击数据，查看数据，搜索数据等。动态数据没有明确的特征，必须使用数据分析和数据挖掘技术从用户日志系统，应用后端等中提取动态数据。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。
随着互联网的发展，海量数据正在淹没人类世界。现有的数据类型不仅是结构化数据，而且是大量的半结构化和非结构化数据。用户画像模型的构建需要不同类型的数据。为了准确地提取各种类型的数据的价值，公司需要清理收集的数据，然后使用计算机技术将各种数据处理为用户画像建模所需的数据集。
3.1.2用户信息标签化
通常，用户画像用于标识用户。因此，标记用户信息是创建用户画像的核心工作。精确的识别系统可以在公司前面显示用户属性，并为公司决策提供其他参考。用户画像数据标签是从分析用户信息（例如性别，年龄，地区，用户习惯，用户喜好等）而衍生的复杂功能标识符。最后，将所有标签合并以勾勒出用户的肖像。标签具有语义功能，使公司能够理解每个标签的含义，准确评估用户的偏好并实现精确的营销。如图2所示用户画像标签建模图
3.1.3建立用户画像模型
用户画像建模是在标记了收集和处理的用户信息和数据之后对用户的“可视化”构造。用户画像结构可以大致分为三个层次：用户数据获取层，用户数据处理层，用户数据分析和标记层。
例如，对于L公司的产品推荐，选择协同过滤推荐算法更为合适。结合用户行为，可以有效解决冷启动问题（冷启动，如果产品从未被关注或浏览过，则不会被推荐），从而使推荐信息更加准确。
一般来说，用户A和用户B有共同的偏好。假设用户A为U（I=1，2，…，n），产品B为M（J=1，2，…，m），u在M上的得分为r，系统将收集用户和产品的历史信息，计算用户u与其他用户Sim（u，n）之间的相似度，并根据得分找到与目标用户u相似度高的用户N（u）。从所有NNn（u）中，选择用户喜欢的目标和目标。我们鼓励将用户定位为从未见过的产品。
基于协作用户筛选，请使用以下公式来计算产品的用户设置。
其中，Puj显示用户u喜欢产品j的程度，根据用户推荐的得分最高的產品。
3.2把握用户心理，精准推送营销信息
传统公司的营销活动主要是离线大型广告，例如广告牌。现在，公司已使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。例如，GoogleAdWords使用用户画像模型检查公司目标用户的年龄范围，地理位置，收入范围等，以进行广告展示，这不仅可以准确地到达公司目标用户，还可以大大降低广告费用。如果每个公司都基于用户画像模型进行准确的广告投放，则将大大减少用户的信息负担。关于接收到的广告，用户不会视而不见并且以循环方式做广告，既减小用户收到不符合自身需求的“垃圾信息”的可能性，提高用户满意度，又降低了企业的营销成本。
3.3对接用户需求，精准塑造品牌定位
在当前的市场环境中，不仅有大量的产品，而且有越来越多的同类产品。在激烈的市场竞争中，公司要想立足就必须具有核心竞争力。优质的服务和用户需要或感兴趣的产品的即时推荐是公司的竞争力。用户画像模型可帮助公司提出准确的产品建议。在现有推荐算法中，最常见的是用于协同过滤的推荐算法。其基本思想是利用用户相似度来找到最接近的邻居，然后根据预测值向用户推荐产品。但是，协同过滤算法会忽略用户自己的功能偏好。因此，基于用户画像模型的推荐具有较高的准确性，使得推荐结果可以更好地满足用户的需求和偏好，提高用户满意度。
4.总结
本文主要介绍用户画像及其设计逻辑，帮助开发潜在用户。毕竟，技术只是公司做出基于用户的营销决策的最终工具。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。面对很多产品的种类，用户正面临着损失。为了更好地服务用户，他们将在激烈的市场竞争中更具竞争力。一个大数据时代的技术工具，帮助用户肖像公司正确评价用户的兴趣和喜好。事实上他们已经证明了。在商业营销活动中使用用户肖像是正确的选择。是的，但是用户概要建模过程要求公司收集、分析、挖掘用户信息，有用户数据泄露的风险。为了保护自己的信息安全，很多用户不想公开和发表自己真实的信息，企业无法正确评价用户的需求，凸显了用户特征分析方法的实际重要性。怎么样保护用户的隐私。如何在用户和企业之间建立信赖是研究的方向。
参考文献：
[1]雷汝霞.中端酒店的用户画像研究——以希岸？清雅酒店在携程网上的在线评论为例[J].现代商业，2020（26）：3-6.
[2]何春爱.基于大数据的精准营销模式分析——以汽车营销为例[J].财富生活，2020（18）：195-196.
[3]吴然.大数据时代下的客户关系管理应用[J].数字通信世界，2020（09）：201-202.
[4]汪倩，徐勇，张心蕊，李晓宇.用户画像研究进展综述[J].现代计算机，2020（24）：60-63.
[5]潘文宇，邢青.基于“用户画像”的视频精准推荐系统研究[J].科技风，2020（22）：169+176.
[6]王薇.大数据背景下P2P网贷平台精准营销策略研究[J].电子商务，2020（07）：62-63.
[7]门洪亮，李舒.基于用户画像的信用卡精准营销研究[J].江苏商论，2020（06）：13-16.
[8]唐慧祥，常啸，宋来敏.基于数据挖掘的淘宝精准营销策略研究[J].哈尔滨师范大学自然科学学报，2020，36（03）：19-24.
[9]陈敏.大数据背景下小微电商S公司精准营销策略研究[D].云南师范大学，2020.
[10]徐强.基于大数据的工商银行上饶分行零售业务精准营销方案研究[D].江西财经大学，2020.
[11]南宁豫.基于用户画像的J图书出版公司精准营销研究[D].江西财经大学，2020.
[12]王艨.大数据背景下的奥龙世博公司精准营销研究[D].云南财经大学，2020.
[13]段硕.大数据时代网络视频广告精准营销研究[D].山东师范大学，2020.
（洛阳师范学院 河南 洛阳 471934）
关键词：用户画像;需求推荐;精准营销
引言
近年来，随着互联网技术的飞速发展，用户已经进入了“信息超载”时代，从以前的信息短缺时代（包括电子商务数据，社交网络数据，短视频数据）开始高速生产信息和数据。等等。各种数据充斥着用户的视线，使用户面对各种各样的产品选择时不知所措。另一方面，随着经济的快速发展，用户的经济水平和消费能力也得到了明显提高，用户越来越关注自己的实际需求和个性化需求。在这种情况下，尤其重要的是如何更好地利用数据的价值，为用户实现精确的营销，并推荐满足用户需求的产品，以进一步提高产品和服务的转换率。因此，本研究建议使用大数据时代的产物用户画像方法，并将大数据技术集成到现有的营销活动中，以进一步实现精准营销并提高用户满意度和忠诚度。
1基于用户画像的需求推荐系统相关理论
1.1用户画像概念界定
用户画像（用户个人资料）最初由Alan Cooper提出。它是基于一组实际数据的目标用户模型。它以不同的维度显示相同类型的用户。信息的全貌。 用户画像的本质是标记用户，即使用简短的单词描述用户特征的某个方面，并且所有反映用户偏好特征的标签都组合在一起，以代表完整的用户图像和用户特征的所有方面完全显示。 用户画像分为多个字段，这意味着不可能在所有字段中使用统一的肖像。例如，支付宝中的用户画像和微信中的用户画像肯定是不同的。因此，当公司使用用户画像技术分析用户时，他们需要收集某些字段。关联字段中的用户信息数据确定关联字段的用户画像模型。只有这样，分析结果才能更加精确。
应用用户画像技术是为了更好地了解用户需求并提高用户满意度。随着互联网技术的发展，在大数据环境中，用户画像不仅可以充分了解用户需求，而且可以预测用户需求。与传统的营销活动相比，用户画像具有多维数据，细粒度数据，并在大数据环境中保持动态特性。这些特征使公司的营销活动更加准确。此外，回归分析，聚类分析，神经网络和其他算法可用于预测和分析营销结果，发现新的用户需求和潜在的用户市场，并更好地提高公司的ROI。
1.2大数据
大数据是指传统软件工具无法在特定时间范围内收集，管理和处理的数据集合。这是一个庞大的高增长量，新的处理模型需要更大的决策，洞察力和发现以及流程优化功能。评价和多样化的信息资源。麦肯锡全球研究所认为，大数据是指足以收集，存储，管理和分析数据的数据集合。
大数据技术系统庞大而复杂。其中，数据分析技术可以帮助我们查明用户的兴趣和偏好，以实现精确的营销。
1.3精准营销
菲利普·科特勒（Philip Kotler）指出，精准营销是一种营销传播过程，通过制定营销计划可以产生高投资回报。杰夫·萨宾（Jeff Sabine）的答案是：在正确的时间通过适当的渠道将信息发送给目标客户，以实现营销目标。准确性意味着精确，精确和可测量。精准营销具有五个特征：第一，精准的受众。只有找到实际具有相应产品要求的用户组并进行营销活动，才能提高转换率。第二是正确的市场定位。 正确的营销目标是通过定量和准确的市场定位技术来克服传统营销定位的质量限制。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。第三是正确的沟通。 准确的营销体系方法可确保公司与客户之间的密切对话与沟通，不断满足客户的个性化需求，建立稳定而忠诚的客户群，实现客户链反应的附加值，并确保公司的长期发展能够可以实现稳定和快速发展，以确保快速发展。第四是精确的成本计算。传统的营销方式只是盲目地投资于人，希望通过交易成本来获得产品的知名度。精准营销可以将成本投资于目标受众，以降低成本并增加销售额。第五是准确把握用户需求。随着人们生活水平的提高，用户越来越关注他们的个人需求。有不同类型的需求，需求经常变化。精准营销可以通过技术手段充分把握用户特征，理解用户需求，从而达到更高的用户满意度。
2.营销策略系统设计
2.1数据获取
使用多级属性标签，通过数据提取和抽象用戶信息制作用户的肖像画。要创建用户档案模型，需要大量的数据，如人口统计数据、用户行为、用户喜好数据等。肖像画越多，肖像画越完整，人物表现越全面。这张肖像可以帮助商人更好地理解用户的需求，正确捕捉用户喜好的特征。现有的数据类型不仅有结构数据，还有大量的半结构数据和非结构数据。例如，浏览数据或单击数据。数据的显示、查找和其他动态数据中没有明确的属性。必须通过数据解析和数据挖掘技术从用户日志系统和应用背景中提取。随着互联网的发展，庞大的数据充斥着人们的世界。为了正确提取不同数据模型的种类价值，企业必须整理收集的数据并利用计算机技术。将所有类型的数据处理为用户概要建模所需的数据集。有目标地推进营销活动。是的，对应的产品推荐的大数据环境主要分为静态数据和动态数据。统计数据主要与人口统计学的数据有关。有性别、职业、年龄、场所等数据。这些数据可以通过用户注册信息来收集。动态数据是指用户持续变化的动作数据。
2.2用户行为数据
用户行为数据（即动态用户数据）是构建用户画像的主要基础。用户行为数据基于配对。网站正确的标签系统可以在公司面前显示用户的特点，为企业的决定提供参考。用户配置文件的数据标签是高度复杂的特征识别，通过分析性别、年龄、地区、用户习惯、用户偏好等用户信息来识别。最后，可以汇总所有标签。使用意义特征记述用户的肖像。理解英语援助各标签的重要性，慎重评价用户的喜好，实现精确的市场营销。 2.3用户画像模型构建
捕获用户行为标签后，可以对用户肖像进行建模。用户的设计变成“可视化”。这个用户配置文件的设计大致可以分为三个级别。用户数据收集层、用户数据处理层、用户数据分析和标签层用户数据获取层主要用于记录。负责静态和动态数据，用户数据处理层对收集的数据进行清洗、滤波、复制，并将其发送到数据分析和标签层。用户数据分析和标记层使用数据挖掘技术分析处理后的数据，然后标记数据。用户概要模型需要动态属性，随着用户随时生成新的数据。只有这样，才能及时发现用户喜好的变化，调整公司的营销战略，提高用户满意度和忠诚度。如表1所示，用户A和C是相似的用户。用户C喜欢产品1/2/3，因此向用户A建议产品3。
确定目标受众是营销实践中的一项主要任务。创建“用户配置文件”时，挖掘和分析数据会引入更多干扰。
3.基于用户画像的精准营销策略
3.1用户画像的构建
3.1.1用户画像数据采集与处理
建立用户画像模型需要大量数据，涵盖用户的各个方面，人口统计数据，有关用户行为的数据，有关用户偏好的数据等。数据越多，肖像越完整，人物特征也就越大。这样的肖像可以帮助公司更好地了解用户需求并查明用户偏好，以便在进行营销活动时可以有针对性地使用它们。产品推荐。
在大数据环境中，用户画像数据主要分为两类：静态数据和动态数据。静态数据主要是指可以通过用户的注册信息收集的人口统计数据，例如性别，职业，年龄，位置以及其他数据。动态数据是指一些不断变化的用户行为数据，例如：浏览数据和单击数据，查看数据，搜索数据等。动态数据没有明确的特征，必须使用数据分析和数据挖掘技术从用户日志系统，应用后端等中提取动态数据。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。
随着互联网的发展，海量数据正在淹没人类世界。现有的数据类型不仅是结构化数据，而且是大量的半结构化和非结构化数据。用户画像模型的构建需要不同类型的数据。为了准确地提取各种类型的数据的价值，公司需要清理收集的数据，然后使用计算机技术将各种数据处理为用户画像建模所需的数据集。
3.1.2用户信息标签化
通常，用户画像用于标识用户。因此，标记用户信息是创建用户画像的核心工作。精确的识别系统可以在公司前面显示用户属性，并为公司决策提供其他参考。用户画像数据标签是从分析用户信息（例如性别，年龄，地区，用户习惯，用户喜好等）而衍生的复杂功能标识符。最后，将所有标签合并以勾勒出用户的肖像。标签具有语义功能，使公司能够理解每个标签的含义，准确评估用户的偏好并实现精确的营销。如图2所示用户画像标签建模图
3.1.3建立用户画像模型
用户画像建模是在标记了收集和处理的用户信息和数据之后对用户的“可视化”构造。用户画像结构可以大致分为三个层次：用户数据获取层，用户数据处理层，用户数据分析和标记层。
例如，对于L公司的产品推荐，选择协同过滤推荐算法更为合适。结合用户行为，可以有效解决冷启动问题（冷启动，如果产品从未被关注或浏览过，则不会被推荐），从而使推荐信息更加准确。
一般来说，用户A和用户B有共同的偏好。假设用户A为U（I=1，2，…，n），产品B为M（J=1，2，…，m），u在M上的得分为r，系统将收集用户和产品的历史信息，计算用户u与其他用户Sim（u，n）之间的相似度，并根据得分找到与目标用户u相似度高的用户N（u）。从所有NNn（u）中，选择用户喜欢的目标和目标。我们鼓励将用户定位为从未见过的产品。
基于协作用户筛选，请使用以下公式来计算产品的用户设置。
其中，Puj显示用户u喜欢产品j的程度，根据用户推荐的得分最高的產品。
3.2把握用户心理，精准推送营销信息
传统公司的营销活动主要是离线大型广告，例如广告牌。现在，公司已使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。例如，GoogleAdWords使用用户画像模型检查公司目标用户的年龄范围，地理位置，收入范围等，以进行广告展示，这不仅可以准确地到达公司目标用户，还可以大大降低广告费用。如果每个公司都基于用户画像模型进行准确的广告投放，则将大大减少用户的信息负担。关于接收到的广告，用户不会视而不见并且以循环方式做广告，既减小用户收到不符合自身需求的“垃圾信息”的可能性，提高用户满意度，又降低了企业的营销成本。
3.3对接用户需求，精准塑造品牌定位
在当前的市场环境中，不仅有大量的产品，而且有越来越多的同类产品。在激烈的市场竞争中，公司要想立足就必须具有核心竞争力。优质的服务和用户需要或感兴趣的产品的即时推荐是公司的竞争力。用户画像模型可帮助公司提出准确的产品建议。在现有推荐算法中，最常见的是用于协同过滤的推荐算法。其基本思想是利用用户相似度来找到最接近的邻居，然后根据预测值向用户推荐产品。但是，协同过滤算法会忽略用户自己的功能偏好。因此，基于用户画像模型的推荐具有较高的准确性，使得推荐结果可以更好地满足用户的需求和偏好，提高用户满意度。
4.总结
本文主要介绍用户画像及其设计逻辑，帮助开发潜在用户。毕竟，技术只是公司做出基于用户的营销决策的最终工具。使用用户画像模型来了解产品目标用户的特定特征，包括兴趣偏好和其他可以针对广告的信息。面对很多产品的种类，用户正面临着损失。为了更好地服务用户，他们将在激烈的市场竞争中更具竞争力。一个大数据时代的技术工具，帮助用户肖像公司正确评价用户的兴趣和喜好。事实上他们已经证明了。在商业营销活动中使用用户肖像是正确的选择。是的，但是用户概要建模过程要求公司收集、分析、挖掘用户信息，有用户数据泄露的风险。为了保护自己的信息安全，很多用户不想公开和发表自己真实的信息，企业无法正确评价用户的需求，凸显了用户特征分析方法的实际重要性。怎么样保护用户的隐私。如何在用户和企业之间建立信赖是研究的方向。
参考文献：
[1]雷汝霞.中端酒店的用户画像研究——以希岸？清雅酒店在携程网上的在线评论为例[J].现代商业，2020（26）：3-6.
[2]何春爱.基于大数据的精准营销模式分析——以汽车营销为例[J].财富生活，2020（18）：195-196.
[3]吴然.大数据时代下的客户关系管理应用[J].数字通信世界，2020（09）：201-202.
[4]汪倩，徐勇，张心蕊，李晓宇.用户画像研究进展综述[J].现代计算机，2020（24）：60-63.
[5]潘文宇，邢青.基于“用户画像”的视频精准推荐系统研究[J].科技风，2020（22）：169+176.
[6]王薇.大数据背景下P2P网贷平台精准营销策略研究[J].电子商务，2020（07）：62-63.
[7]门洪亮，李舒.基于用户画像的信用卡精准营销研究[J].江苏商论，2020（06）：13-16.
[8]唐慧祥，常啸，宋来敏.基于数据挖掘的淘宝精准营销策略研究[J].哈尔滨师范大学自然科学学报，2020，36（03）：19-24.
[9]陈敏.大数据背景下小微电商S公司精准营销策略研究[D].云南师范大学，2020.
[10]徐强.基于大数据的工商银行上饶分行零售业务精准营销方案研究[D].江西财经大学，2020.
[11]南宁豫.基于用户画像的J图书出版公司精准营销研究[D].江西财经大学，2020.
[12]王艨.大数据背景下的奥龙世博公司精准营销研究[D].云南财经大学，2020.
[13]段硕.大数据时代网络视频广告精准营销研究[D].山东师范大学，2020.
（洛阳师范学院 河南 洛阳 471934）