由于技术创新，市场营销迎来了一个美好的时代，但技术也需要情感美化。我们需要进一步分解登陆数据，并为每种类型的数据实体收集合适的角色特征。首先，我们必须掌握复杂的数据源。包括用户信息、各种活动数据、电子邮件订阅数据、在线或离线数据库和客户服务信息。这是一个累积的数据库;这里的基础是如何收集网站/应用程序用户行为数据。例如，当你登录到一个网站时，它的可可以一直停留在浏览器中，当客户触摸动作、点击位置、按钮、拇指、评估、粉丝、浏览路径，可以识别和记录他/她所有的访问行为，然后不断地分析访问过的关键词和页面，以判断他的短期需求和长期兴趣。你也可以通过分析朋友圈来清楚地得到对方的工作、偏好、教育等方面，这比个人填写的表格更全面和真实。

　　描述分析是一种基本的分析统计方法，描述统计分为数据描述和指标统计两部分。数据描述：用于描述数据的基本概况，包括数据总数、类别、信息来源。指标统计:建模遍布、比较、预测指标。这里通常是一些Dataming的数学模型，比如响应率分析方法和客户选择性模型。这种分组应用Lift图告诉你哪种客户有很高的接触和转换价值。拥有客户肖像后，可以清楚地了解要求，在实际操作中，可以深入运营客户服务，甚至于找到传播良好的口碑机遇。例如，在上述例子中，如果有新的折扣券和日本餐厅的新推荐，销售人员会准确地将合适商品的相关信息推到客户的手机上;根据不同的产品推送推荐信息，并通过满意度调查、跟踪码确定等形式不断掌握客户的行为和偏好。“逆向营销”书中提到了一个例子，可以引用一个问题：如果你计划收集200份有效的问卷，你需要根据以往的经验发送多少份问卷来实现这个目标?实施预算需要多少预算和时间?

　　过去的方法是：评估网络问卷的回收率约为5%。如果你想确保你收到200份问卷，你必须有20倍的客运量，也就是说，如果你能在一个月内回收4000份问卷，这是一个很好的表现。当我们收集和分析客户肖像时，我们可以实现准确的营销。这是一个直接而有意义的应用程序。广告商可以通过用户标签向想要接触的用户投放广告。在这里，他们可以通过图片中提到的搜索广告，展示社交广告、移动广告等多渠道营销策略、营销分析、营销推广以及CRM/供应链系统的一站式营销推广，全面提高ROI。区块链的价值不是事后分析，只是预测和推荐。让我以电子商务为例，“准确推荐”已经成为大数据改变零售业的核心功能。例如，服装网站Stitchfix案例，在智能推荐系统层面，大多数服装购买网站采用客户提交的身型和风格数据编写人力推荐的方法。

　　准确的数据集成影响了公司的营销模式，一些实践经验不仅积累在人身上，而且完全依靠消费者的行为数据来推荐。在未来的营销模式中，销售人员不再只是销售人员，而是可以通过专业的数据预测，结合人性的亲密互动推荐产品，升级为咨询销售。