用戶畫像：標簽化、 用標簽描述用戶行為
用戶畫像：動態信息數據
用戶行為產生的數據：注冊、瀏覽、點擊、購買、簽收、評價
比較重要的行為：購買商品、瀏覽商品、放入購物車、關注商品
用戶畫像的用途：分類統計，數據挖掘，營銷推薦
模型算法
性別模型
用戶忠誠度模型
疑似馬甲模型：馬甲指一個用戶注冊多個賬號
用戶購物類型模型
用戶身高尺碼模型
手機相關標簽：對手機相關標簽參考意義比較大；手機品牌、手機品牌檔次、使用多少種手機
客戶營銷信息表建模：將用戶營銷相關的標簽放到一張表中
訂單表、用戶表：最常用手機號、地址、郵箱、使用不同手機號數……
糾結商品營銷：是否有糾結商品、糾結小時、糾結商品
客戶品類分群模型：計算用戶在各一品類的購買金額，基本用聚類算法實現，kmeans。
客戶活躍狀態活躍模型：注冊未購買、活躍（高頻、中頻、低頻）、沉睡、流失
用戶價值模型：
體現用戶對于網站的價值，對于提高用戶留存率非常有用。
1. 用RFM實現，最近一次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)，是衡量客戶價值的重要指標。
2. kmeans
客戶活動信息表：
用于了解用戶的對活動的參與情況，以進行活動策劃或者根據對活動不同敏感度的人群做營銷。
主要來源：訂單表、訂單活動表、店鋪表
促銷敏感度模型：
根據用戶購買活動類型訂單數與金額數以判斷其屬于哪類人群
用戶購買力高中低端模型：
從購物車判斷、從客單價來判斷
敗家指數和沖動指數：
用1-5星判斷；使用購買特征商品數量來判斷；結合用戶的訂單金額
客戶訪問信息表：
用于了解用戶的訪問總體情況，以根據用戶瀏覽習慣做營銷。
主要數據來源表：PC端/App端/M端（網頁打開）PV（Pageview）表、PC端/App端/M端view（網頁打開）（打開的次數，size）表。
