如何用大数据实现用户价值的最大化（3）

但是也存在一个问题。举个例子。如果这个人看新闻咨询，今天看的是武器装备类的新闻，明天看的是古代历史分析的文章。如果是机器打标签，可能会给他打上一个军队爱好者和历史爱好者的标签。但是其实他就是一个喜欢军事的人。我们在进行标签处理的时候，标签划分的比较细，没有对用户的心理进行分析。

所以这种情况下，对于这个人自己的心理标签是没有打上去的。这种情况下，你自己打的标签或者是你运算出来的数据，是有很大的缺失的。我做用户画像，其实就是去给他打标签。希望能更加精准的、更加有个性的去推荐。但是这种推荐，是一门技术。这种技术并不能够让用户感知到。用户所感知到的是你在这个技术的基础上的创意。

这种创意才是你和用户去进行沟通的最直接的工具，最能够贴近用户。我们现在做精细化推送，最重要的是如何吸引用户。如何去和用户去沟通起来，互动起来，这才是创意最根本的。

刚才说的是用户的数据能做什么，现在我们来看一下用户数据的构成。用户数据是怎么产生的呢？只要触网就会产生数据大家都知道。那么另一块就是从我们的PPT来看，我们经常会忽略一些数据。那我们现在把整个用户数据分为体系外和体系内的数据。体系内的数据，指的是一个用户在一个网站或者在一个App上的使用行为。比如一个用户在微信上的行为。体系外的用户行为主要是用户在离开App以后，他的行为是什么样的。

图5.

那么我们就以微信为例，每一个人都在用微信。但是并不是说你只要上移动互联，你就会在微信里呆着，虽然微信很想去做成一个大大的生态系统，但是用户还是不会把所有的时间都放在微信上。这个时候就有问题了，当这个用户离开微信以后去了什么地方？这个才是我们所需要去更加关心的。比如说这个人他在微信里面喜欢去看一些理财的信息，但是当他离开微信以后他并没有使用理财的App。那么这个时候，我们其实可以把他定义成能够成为一个理财爱好者。但是他并不是一个真正的理财者。

所以我们只是从体系内的数据去判断用户，是远远不够的。比如在新闻客户端去进行广告投放，依据一般都是用户在新闻客户端上都会看什么咨询。比如今日头条。今日头条现在的用户渗透率非常的高。对于今日头条来说，他是通过一些算法把用户喜欢的信息推送给用户的。这是没有问题的，那么问题在哪？