什麼是數據畫像

❶ 信息安全技術個人信息安全規范中的直接用戶畫像是指什麼

指的是：通過收集、匯聚、分析個人信息，對某特定自然人個人特徵，如其職業、經濟、健康、教育、個人喜好、信用、行為等方面做出分析或預測，形成其個人特徵模型的過程。

在大數據和移動互聯網年代，為分析用戶的群體分布特徵和多樣化、個性化需求，絕大部分網路運營者和網路產品、服務提供者在業務活動中均會使用用戶畫像（user profiling）。

何為「用戶畫像」？在具備強制執行效力的、與數據收集和處理相關的法律法規中均未提及該概念，而國家標准《個人信息安全規范》。

將其定義為「通過收集、匯聚、分析個人信息，對某特定自然人個人特徵，如其職業、經濟、健康、教育、個人喜好、信用、行為等方面做出分析或預測，形成其個人特徵模型的過程。」

《個人信息安全規范》為推薦性國家標准，屬於國家鼓勵採用的標准，並不具有強制執行效力，監管部門不能直接援引該文件作為直接的執法依據。

但是，國家互聯網信息辦公室網路安全協調局在約談「支付寶年度賬單事件」當事企業負責人時，該局負責人明確指出。

支付寶、芝麻信用收集使用個人信息的方式，不符合剛剛發布的《個人信息安全規范》國家標準的精神……應嚴格按照網路安全法的要求，加強對支付寶平台的全面排查。

進行專項整頓，切實採取有效措施，防止類似事件再次發生。可見，在事關全民個人信息安全的熱點事件中。

習慣於擴張權力邊界的行政部門將推薦性標准作為強制性標准適用一般並不會受到輿論以及肇事企業的質疑。

為此，楊春寶律師團隊認為，在實踐中，無論對執法機關還是企業而言，《個人信息安全規范》關於用戶畫像的規定都具有指引性和參照性作用。

《個人信息安全規范》的內容參考了外國關於個人信息保護的相關立法，其中也包括歐盟《通用數據保護條例》（GeneralData Protection Regulation，GDPR於2018年5月25日正式施行）。

GDPR不僅適用於歐盟企業，對於在歐盟內設有分支機構的數據控制者或數據處理者，只要個人數據處理活動發生在分支機構開展活動的場景中。

即使實際的數據處理活動不在歐盟內發生，也應適用GDPR；而對於未在歐盟內設立分支機構的數據控制者或數據處理者，只要為歐盟內的數據主體提供商品或服務（無論是否支付對價）。

或監控歐盟內數據主體的行為，均應適用GDPR。因此，對於在歐盟設有分支機構、開展跨境業務、進行全球化運營的中國企業，尤其是構成《網路安全法》下的網路運營者和網路產品。

服務提供者而言，均應關注是否可能適用GDPR，關注GDPR關於用戶畫像的規定。

楊春寶律師團隊擬通過比較分析GDPR與《個人信息安全規范》關於用戶畫像的相關規定，以期為相關企業合規使用用戶畫像提供有益參考。

❷ 什麼是用戶畫像呢一般用戶畫像的作用是什麼

怎樣為用戶「畫像」？
為用戶畫像的焦點工作就是為用戶打「標簽」，而一個標簽通常是人為規定的高度精煉的特徵標識，如年齡、性別、地域、用戶偏好等，最後將用戶的所有標簽綜合來看，基本就可以勾勒出該用戶的立體「畫像」了。
具體來講，當為用戶畫像時，需要以下三個步驟：
首先，收集到用戶所有的相關數據並將用戶數據劃分為靜態信息數據、動態信息數據兩大類，靜態數據就是用戶相對穩定的信息，如性別、地域、職業、消費等級等，動態數據就是用戶不停變化的行為信息，如瀏覽網頁、搜索商品、發表評論、接觸渠道等；
其次，通過剖析數據為用戶貼上相應的標簽及指數，標簽代表用戶對該內容有興趣、偏好、需求等，指數代表用戶的興趣程度、需求程度、購買概率等；
最後，用標簽為用戶建模，包括時間、地點、人物三個要素，簡單來說就是什麼用戶在什麼時間什麼地點做了什麼事。
如何利用用戶畫像進行精準營銷？
消費方式的改變促使用戶迫切希望盡快獲取自己想要了解的信息，所以說，基於用戶畫像上的精準營銷不管對企業還是對用戶來說，都是有需求的，這會給雙方交易帶來極大便捷，也為雙方平等溝通搭建了一個暢通平台。
何謂「用戶畫像」？
在互聯網逐漸步入大數據時代後，不可避免的為企業及消費者行為帶來一系列改變與重塑。其中最大的變化莫過於，消費者的一切行為在企業面前似乎都將是「可視化」的。隨著大數據技術的深入研究與應用，企業的專注點日益聚焦於怎樣利用大數據來為精準營銷服務，進而深入挖掘潛在的商業價值。於是，「用戶畫像」的概念也就應運而生。
用戶畫像，即用戶信息標簽化，就是企業通過收集與分析消費者社會屬性、生活習慣、消費行為等主要信息的數據之後，完美地抽象出一個用戶的商業全貌，可以看作是企業應用大數據技術的基本方式。用戶畫像為企業提供了足夠的信息基礎，能夠幫助企業快速找到精準用戶群體以及用戶需求等更為廣泛的反饋信息。

❸ 基於數據刻畫客戶需求的模型起源於什麼領域

基於數據刻畫客戶需求的模型起源於什麼領域，用戶畫像的起源：為了方便研究客戶興趣、習慣、消費決策，藉助大數據建立的用戶數據畫像
用戶畫像的現狀：被廣泛應用於個性化推薦、精準營銷、為項目立項、決策、優化等方面
用戶畫像的趨勢：從用戶畫像到個人數字畫像、消費實現個人級別的定製化，犀牛智造是序幕
下面我們深入分享：

用戶畫像的起源：為了方便研究客戶興趣、習慣、消費決策，藉助大數據建立的用戶數據畫像

用戶畫像是勾畫用戶的工具，勾畫用戶的目的，是找到客戶訴求、調整商業設計方向、輔助商業決策。

用戶畫像的建立，是一個龐大復雜的工程，大體可以分為以下三個步驟：

獲取用戶數據：

數據是基礎，傳統企業獲取數據的方式以線下會員注冊、信息登記、客戶問卷調查等方式。

互聯網企業在在獲取用戶數據方面，可謂是優勢得天獨厚，除了在線的用戶注冊、實名認證、詳細資料登記等等，還包括用戶定位、打開、關閉、使用APP的記錄信息、瀏覽頁面的信息等等。

可以說只要客戶接通網路使用APP，互聯網企業就在實時的獲取用戶信息。

細分用戶群體：

建立用戶畫像的第二步，是建立不同的維度，細分用戶群體，為獲取的用戶數據貼上各種標簽。

這些標簽包括（不限於）以下內容：

社會屬性：年齡、性別、地域、民族、學歷、職業、婚姻狀況等
生活習慣：興趣、愛好、飲食、起居、休閑、娛樂、運動等
消費習慣：時間、地點、產品、品類、數量、金額、頻次等
心理屬性：興趣、習慣、行為、偏好、血型、星座、屬相等

❹ 什麼叫大數據人物畫像

大數據，是指無法在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合。 在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》[1] 中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據進行分析處理。大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。 特徵 容量（Volume）：數據的大小決定所考慮的數據的價值的和潛在的信息； 種類（Variety）：數據類型的多樣性； 速度（Velocity）：指獲得數據的速度； 可變性（Variability）：妨礙了處理和有效地管理數據的過程。 真實性（Veracity）：數據的質量 復雜性（Complexity）：數據量巨大，來源多渠道 有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。對於很多行業而言，如何利用這些大規模數據是成為贏得競爭的關鍵。 大數據的價值體現在以下幾個方面：1)對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷;2) 做小而美模式的中長尾企業可以利用大數據做服務轉型;3) 面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。 不過，「大數據」在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。著名經濟學家路德維希·馮·米塞斯曾提醒過：「就今日言，有很多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義的了解。」這確實是需要警惕的。

❺ 用戶畫像標簽體系主要包含哪些方面

你說的是冷熱溫數據么？具體來說，冷數據是指，性別、興趣、常駐地、職業、年齡等數據畫像，表徵「這是什麼樣的人」。熱數據是指，當前地點、打開的應用等場景化明顯的、稍縱即逝的營銷機會，表徵「正在哪裡干什麼」。溫數據是指，近期活躍應用、近期去過的地方等具有一定時效性的行為數據，表徵「最近對什麼感興趣」。個推獨創，但是分析得很到位啊！

❻ 什麼是用戶畫像如何分析用戶畫像

用戶畫抄像：定位用戶有很多的方法，比如用戶調研、問卷訪談、數據分析、市場調研等等，海量甚至不可計數。我們針對自家產品的特點和自身的實際情況，更多的使用「用戶畫像」這種方法，來迅速、准確定位服務群體，提供高水準的產品設計服務。
關於如何分析用戶畫像：業內有很多關於創建用戶畫像的方法，比如Alen Cooper的「七步人物角色法」，Lene Nielsen的「十步人物角色法」等，這些都是非常好並且非常專業的用戶畫像方法，值得我們借鑒和學習。事實上，當我們了解了這些方法之後，就會發現這些方法從流程上可以分為3個步驟：獲取和研究用戶信息、細分用戶群、建立和豐富用戶畫像。在這3大步驟中，最主要的區別在於對用戶信息的獲取和分析。獲取和分析數據使用的工具一般為：Google Analytics；Mixpanel；數極客；友盟；網路分析等

❼ 用戶畫像數據建模方法_用戶畫像分析

近些年，互聯網進入了「 大數據 時代」。經歷了12、13兩年熱炒之後，人們逐漸冷靜下來，更加聚 焦於如何利用大數據挖掘潛在的商業價值，如何在企業中實實在在的應用大數據技術。伴隨著大數據應用的討論、創新，個性化技術成為了一個重要落地點。伴隨著對人的了解逐步深入，一個概念悄然而生： 用戶畫像 （UserProfile），完美地抽象出一 個用戶的信息全貌，可以看作企業應用大數據的根基。

一、什麼是用戶畫像？

男，31歲，已婚，收入1萬以上，愛美食，團購達人，喜歡紅酒配香煙。

這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標簽化。

如果用一幅圖來展現，即：

二、為什麼需要用戶畫像

用戶畫像的核心工作是為用戶打標簽，打標簽的重要目的之一是為了讓人能夠理解並且方便計算機處理，如，可以做分類統計：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？

也可以做數據挖掘工作：利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌？利用聚類演算法分析，喜歡紅酒的人年齡段分布情況？

大數據處理，離不開計算機的運算，標簽提供了一種便捷的方式，使得計算機能夠程序化處理與人相關的信息，甚至通過演算法、模型能夠「理解」 人。當計算機具備這樣的能力後，無論是搜索引擎、推薦引擎、廣告投放等各種應用領域，都將能進一步提升精準度，提高信息獲取的效率。

三、如何構建用戶畫像

一個標簽通常是人為規定的高度精煉的特徵標識，如年齡段標簽：25~35歲，地域標簽：北京，標簽呈現出兩個重要特徵：語義化，人能很方便地理解每 個標簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業務需求。如，判斷用戶偏好。短文本，每個標簽通常只表示一種含義，標簽本身無需再做過多 文本分析等預處理工作，這為利用機器提取標准化信息提供了便利。

人制定標簽規則，並能夠通過標簽快速讀出其中的信息，機器方便做標簽提取、聚合分析。所以，用戶畫像，即：用戶標簽，向我們展示了一種樸素、簡潔的方法用於描述用戶信息。

3.1 數據源分析

構建用戶畫像是為了還原用戶信息，因此數據來源於：所有用戶相關的數據。

對於用戶相關數據的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學英語的人，一種是不學英語的人；客戶分三類， 高價值客戶，中價值客戶，低價值客戶；產品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構成了類目空間的全部集合。

這樣的分類方式，有助於後續不斷枚舉並迭代補充遺漏的信息維度。不必擔心架構上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據應用場景，業務需求的不同，也許各有道理，按需劃分即可。

本文將用戶數據劃分為靜態信息數據、動態信息數據兩大類。

靜態信息數據

用戶相對穩定的信息，如圖所示，主要包括人口屬性、商業屬性等方面數據。這類信息，自成標簽，如果企業有真實信息則無需過多建模預測，更多的是數據清洗工作，因此這方面信息的數據建模不是本篇文章重點。

動態信息數據

用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監控著，廣義上講，一個用戶打開網頁，買了一個杯子；與該用戶 傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是上帝眼中的用戶行為。當行為集中到互聯網，乃至電商，用戶行為就會聚焦很多，如上圖所示：瀏覽凡 客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發表關於鞋品質的微博、贊「雙十一大促給力」的微博消息。等等均可看作互聯網用戶行為。

本篇文章以互聯網電商用戶，為主要分析對象，暫不考慮線下用戶行為數據（分析方法雷同，只是數據獲取途徑，用戶識別方式有些差異）。

在互聯網上，用戶行為，可以看作用戶動態信息的唯一數據來源。如何對用戶行為數據構建數據模型，分析出用戶標簽，將是本文著重介紹的內容。

3.2 目標分析

用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權重。如，紅酒 0.8、李寧 0.6。

標簽，表徵了內容，用戶對該內容有興趣、偏好、需求等等。

權重，表徵了指數，用戶的興趣、偏好指數，也可能表徵用戶的需求度，可以簡單的理解為可信度，概率。

3.3 數據建模方法

下面內容將詳細介紹，如何根據用戶行為，構建模型產出標簽、權重。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質上是一次隨機事件，可以詳細描述為：什麼用戶，在什麼時間，什麼地點，做了什麼事。

什麼用戶 ：關鍵在於對用戶的標識，用戶標識的目的是為了區分用戶、單點定位。

以上列舉了互聯網主要的用戶標識方法，獲取方式由易到難。視企業的用戶粘性，可以獲取的標識信息有所差異。

什麼時間 ：時間包括兩個重要信息，時間戳+時間長度。時間 戳，為了標識用戶行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常採用精度到秒的時間戳即 可。因為微秒的時間戳精度並不可靠。瀏覽器時間精度，准確度最多也只能到毫秒。時間長度，為了標識用戶在某一頁面的停留時間。

什麼地點 ：用戶接觸點，Touch Point。對於每個用戶接觸點。潛在包含了兩層信息：網址 + 內容。網址：每一個url鏈接（頁面/屏幕），即定位了一個互聯網頁面地址，或者某個產品的特定頁面。可以是PC上某電商網站的頁面url，也可以是手機 上的微博，微信等應用某個功能頁面，某款產品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關頁。

內容 ：每個url網址（頁面/屏幕）中的內容。可以是單品的相關信息：類別、品牌、描述、屬性、網站信息等等。如，紅酒，長城，干紅，對於每個互聯網接觸點，其中網址決定了權重；內容決定了標簽。

註：接觸點可以是網址，也可以是某個產品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車 上賣3元，景區賣5元。商品的售賣價值，不在於成本，更在於售賣地點。標簽均是礦泉水，但接觸點的不同體現出了權重差異。這里的權重可以理解為用戶對於礦 泉水的需求程度不同。即，願意支付的價值不同。

標簽 權重

礦泉水 1 // 超市

礦泉水 3 // 火車

礦泉水 5 // 景區

類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網瀏覽紅酒信息，表現出對紅酒喜好度也是有差異的。這里的關注點是不同的網址，存在權重差異，權重模型的構建，需要根據各自的業務需求構建。

所以，網址本身表徵了用戶的標簽偏好權重。網址對應的內容體現了標簽信息。

什麼事 ：用戶行為類型，對於電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏 等等。

不同的行為類型，對於接觸點的內容產生的標簽信息，具有不同的權重。如，購買權重計為5，瀏覽計為1

紅酒 1 // 瀏覽紅酒

紅酒 5 // 購買紅酒

綜合上述分析，用戶畫像的數據模型，可以概括為下面的公式：用戶標識 + 時間 + 行為類型 + 接觸點（網址+內容），某用戶因為在什麼時間、地點、做了什麼事。所以會打上**標簽。

用戶標簽的權重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網址決定了權重，內容決定了標簽，進一步轉換為公式：

標簽權重=衰減因子×行為權重×網址子權重

如：用戶A，昨天在品尚紅酒網瀏覽一瓶價值238元的長城干紅葡萄酒信息。

標簽：紅酒，長城

時間：因為是昨天的行為，假設衰減因子為：r=0.95

行為類型：瀏覽行為記為權重1

地點：品尚紅酒單品頁的網址子權重記為 0.9（相比京東紅酒單品頁的0.7）

假設用戶對紅酒出於真的喜歡，才會去專業的紅酒網選購，而不再綜合商城選購。

則用戶偏好標簽是：紅酒，權重是0.95*0.7 * 1=0.665，即，用戶A：紅酒 0.665、長城 0.665。

上述模型權重值的選取只是舉例參考，具體的權重值需要根據業務需求二次建模，這里強調的是如何從整體思考，去構建用戶畫像模型，進而能夠逐步細化模型。

四、總結 ：

本文並未涉及具體演算法，更多的是闡述了一種分析思想，在計劃構建用戶畫像時，能夠給您提供一個系統性、框架性的思維指導。

核心在於對用戶接觸點的理解，接觸點內容直接決定了標簽信息。內容地址、行為類型、時間衰減，決定了權重模型是關鍵，權重值本身的二次建模則是水到渠成的進階。模型舉例偏重電商，但其實，可以根據產品的不同，重新定義接觸點。

比如影視產品，我看了一部電影《英雄本色》，可能產生的標簽是：周潤發 0.6、槍戰 0.5、港台 0.3。

最後，接觸點本身並不一定有內容，也可以泛化理解為某種閾值，某個行為超過多少次，達到多長時間等。

比如游戲產品，典型接觸點可能會是，關鍵任務，關鍵指數（分數）等等。如，積分超過1萬分，則標記為鑽石級用戶。鑽石用戶 1.0。

百分點現已全面應用用戶畫像技術於推薦引擎中，在對某電商客戶，針對活動頁新訪客的應用中，依靠用戶畫像產生的個性化效果，對比熱銷榜，推薦效果有顯著提升：推薦欄點擊率提升27%， 訂單轉化率提升34%。

❽ 利用大數據技術如何構建用戶畫像

【導讀】目前，我們已經身處大數據時代，大數據的使用不僅普通用戶可以享受到技術帶來的便利，企業也可以從數據中提取有商業價值的信息，構建出用戶畫像，從而對用戶行為進行分析和預測。雖然用戶畫像不是什麼新鮮的概念，但是大數據技術的出現使得用戶畫像更加清晰客觀，那麼利用大數據技術如何構建用戶畫像?

1、認識用戶畫像

用戶畫像簡單來講，就是用戶信息標簽化。即收集這個用戶的各種數據和行為，從而得出這個用戶的一些基本信息和典型特徵，最後形成一個人物原型。一般用戶畫像會分析三個信息維度，分別是基本屬性、消費購物以及社交圈。其中基本屬性就是指用戶的一些基本信息，比如年紀、性別、生日、學校、所在地等等。

2、利用大數據構建用戶畫像的好處

(1)精準營銷：當企業和商家掌握了用戶的一定信息後，就可以構建出清晰的用戶畫像，這樣一來就可以根據用戶的偏好、收入等標簽，推薦給他們會感興趣的商品和服務。

(2)用戶統計：通過大數據我們可以對一些數據進行統計，比如我們經常會看到有一些APP的排行榜，甚至是滲透率、日活率這些具體數據都可以清晰統計出來。

(3)數據挖掘：構建智能推薦系統，利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌，利用聚類演算法分析，喜歡紅酒的人年齡段分布情況。

(4)進行效果評估：其實相當於市場調研、用戶調研，迅速下定位服務群體，提供高水平的服務。比如你是一個買車的想要投放廣告，但是不知道哪個渠道投放更好，就可以先嘗試一下，看看數據反饋如何。

(5)私人訂制：對服務或產品進行私人訂制，然而不法商家也會利用用戶畫像來殺熟。

(6)業務經營分析：業務經營分析以及競爭分析，影響企業的商業決策，甚至發展戰略。

3、構建用戶畫像的流程

(1)數據源端：一般來講構建用戶畫像的數據來自於網站交易數據、用戶行為數據、網路日誌數據。當然也不僅限於這些數據，一些平台上還有個人徵信數據。

(2)數據預處理：第一步是清洗，把一些雜亂無序的數據清洗一下，然後歸納為結構化的數據，最後是把信息標准化。我們可以把數據的預處理簡單理解為把數據分類在一個表格中，這一步就是奠定數據分析的基石。

關於利用大數據技術如何構建用戶畫像?就給大家分享到這里了，如果你想成為大數據工程師，那就從現在開始，不斷進行自我提升，學會大數據實用技能，保證自己在大數據行業有一定的立足之地，有徵服他人之能。

❾ 抖音上那個巨量數據人群畫像怎麼得來的

方法如下，所謂的用戶畫像,就是根據用戶的社會屬性、生活習慣和消費行為等信息抽象出的一個標簽化的用戶模型。根據這個模型,給用戶提供針對性的服務。簡單來說,就是用戶信息標簽化。
所以,構建用戶畫像的核心工作就是給用戶「貼標簽」,而這些標簽是通過對用戶的信息進行分析而得到的高度精練的特徵標志。

❿ 什麼是用戶畫像如何分析用戶畫像

什麼是用戶畫像？

用戶畫像是真實用戶的虛擬代表，是建立在一系列真實數據之上的目標用戶模型。

通俗來講，就是——我們產品的目標受眾是什麼，使用我們產品的核心人群是什麼樣的，他們有什麼行為特徵、消費習慣，什麼是能夠刺激他們購買的核心需求。

如何分析用戶畫像？

1.網路大數據洞察：網路指數

網路指數是以網路海量網民行為數據為基礎的數據分享平台。分別有趨勢研究、需求圖譜、人群畫像是網路指數的三個展現維度。

趨勢研究：這是網路指數最核心、最基本的功能，是以時間維度，判斷關鍵詞的關注熱度；我們可以做對比分析，從而找出規律。

以美術班為例，搜索關鍵詞後，發現了一條規律，每年的3月和9月是搜索高峰期，這也正好應對了兩個開學季。

需求圖譜：通過用戶在搜索該詞的前後的搜索行為變化中表現出來的相關檢索詞需求。

比如，通過「美術」這個大關鍵詞，檢索出的相關小關鍵詞。可以幫我們更精準地掌握用戶的需求。圓中的圈越大，說明與大關鍵詞的關聯性越強。

人群畫像：搜索關鍵詞的人群共性特徵，是從地域、年齡、性別分布以及興趣屬性這幾個特徵展開的。

2.全域數據洞察——觀星盤

觀星盤匯聚了網路域內數據、客戶數據、合作夥伴數據組成的全域數據，構建海量用戶行為標簽，提供多維度行業和品牌洞察能力，全方位感知用戶行為和意圖，幫助品牌鎖定精準目標用戶。

藉助觀星盤數據精細化細分人群，可以覆蓋不同側重點進行引流營銷，增強目標用戶對品牌的認知，提升影響力。