三、解决方案详述

　　3.1用户画像

　　建立用户信息的统一视图数据库，按照教育培训行业特征建立行业用户重点关注维度和各维度内的深度数据，同时从实际应用场景出发对用户数据进行分析，建立针对不同应用场景的三类标签：事实、模型、预测。从而使得一个用户在不同应用场景下能够以所标签的信息被形象展示。

　　3.2用户统一画像模型建设及步骤

　　3.2.1基于企业现有数据整合和完善，通过6个维度的事实信息来描述用户，建立用户的基础维度和各维度的不同层级的信息：

　　如下图所示：

（图3-2）

　　3.2.2 基于用户信息建立6个维度的服务目标和基于事实用户信息的目标维度标签，更准确描述客户在各个目标维度的定位和状态。

　　通过大数据处理分析工具来分类客户的事实标签，实现客户画像的第一步分析，初步实现用户画像。

　

（图3-3）

　　3.2.3基于客户的浏览兴趣与购买数据，结合模型如LTV、RFM等通过分析工具计算客户的模型标签，实现客户画像的第二步分析，实现用户商业价值画像。

　

（图3-4）

　　3.2.4 基于用户基本画像与模型画像，通过大数据机器学习算法(如贝尔斯、逻辑回归等)来进行用户预测与完善反馈，实现更精准的推广分配，提高运营效率，如下图所示：

（图3-5）

　　3.3统一画像标签完整过程

　　基于企业现有数据，定期通过工具从数据库与Web日志采集原始数据，然后生成标签模型并持续优化。

（图3-6）

（图3-7）

　　3.4用户数据在业务环节中的共享

　　通过一套开放的应用之间采用开放的应用接口（API）实现用户信息在市场、客服、门店营销、培训中心等各系统中的共享互通。API为统一标准，为各个应用数据系统，设置未来外部数据接入，提供统一的数据接收（get）与采集（post）接口，如下图所示。

（图3-8）

　　通过API对数据流通的支持与一致化视角，提供全面、整合的分析能力帮助企业英语提升复杂流程下的高性能分析，快速建立专注于客户的凝聚力，借助大数据分析改善运营效益。

　　（未完，请待下期连载，意向者可搜索匡衡软件咨询）