抖音号交易出售资讯用户画像人人都在说，用户画像贵在准

模型解释

该模型主要工作站是推荐引擎和人工规则，推荐引擎中所用的算法将在下一个段落根据算法的功能相似性一节里面细讲。

场景数据是指用户所处的环境例如用户刚刚下地铁，用户刚刚在某个购物中心某家店有过消费过某个商品A，根据上篇讲述的交叉关联销售可以为用户推荐关联商品B。

用户画像人人都在说，用户画像贵在准。

广义上，” 用户画像 ” 指的是企业从各个渠道收集用户信息，再根据所获信息对用户进行人格化分析，包括人口属性、兴趣爱好、购物偏好、社交属性等等，为每一位用户打上专属标签。

用户画像的分析维度：

其一、人口属性：

地域、年龄、性别、文化、职业、收入、生活习惯、消费习惯等;

其二、产品行为：

产品类别、活跃频率、停留时间、问题咨询、产品喜好、产品驱动、使用习惯、产品消费等;

用户画像对精准推荐的好处，随着移动互联网的发展，各类手机应用的频繁使用，用户的时间越来越趋于碎片化，各维度的信息也更丰富，移动应用开发者们也从以技术为中心的产品设计渐渐转向了以用户为中心。

对用户的精准画像，一方面可以很好地描述用户的许多特征，有助于产品人员展开针对性的设计产品;另一方面，对运营人员开展精准化营销、个性化推荐也起到了至关重要的作用。

如今，”用户画像”被越来越多的谈及，它是产品经理、运营者们津津乐道的宝贝。作为销售员们喜爱的一款工具，我们来看看我所投资企业人工智能推荐引擎是如何进行用户画像，帮助企业实现精准营销的。

企业管理者或销售人员借助我搭建的AI-UTAUT模型，便能够实时获取客户的信息和行为轨迹，包括他们的基本特征、联系方式，他们浏览过哪个页面，他们喜欢点击、分享怎样的内容，他们会咨询什么样的问题。

AI-UTAUT模型还能实时把客户的行为与销售员进行关联，例如一旦监测到客户点击小程序中的任何页面，即会通知销售人员，帮助销售获取潜在客户，实现标签化管理。销售员还可以与客户发微信消息，而且无需加好友、不用跳转，即可随心实现。

根据客户的行为分析,AI-UTAUT模型运用独特的人工智能算法,可以自动生成成交几率预测,以漏斗图的形式，把客户按照成功率由高往低排,让销售员一眼便能知道谁才是潜在用户，避免销售人员多做无用功。

例如，某汽车4S店销售员小王周一上午到达公司后，第一件事就是打开自己的微信，这时他看到AI-UTAUT模型助理已经推送了几十条销售线索。当他点开”客户”,可以查看AI所分析的预计成功率,并且系统已经自动按成功率高低排出客户的优先级。