本發(fā)明屬于數(shù)據(jù)應(yīng)用行業(yè)，具體涉及一種數(shù)據(jù)分析系統(tǒng)及方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)平臺日益發(fā)展，當今互聯(lián)網(wǎng)呈現(xiàn)一種平臺化、多元化的環(huán)境。在當下互聯(lián)網(wǎng)環(huán)境中，許多企業(yè)或商家都面臨著用戶分散、無處尋覓的困惑，如何把自己的產(chǎn)品展示給最合適的潛在客戶看，如何擴展自己客戶群，如何維護已有客戶，并且如何區(qū)分已有客戶的不同喜好和需求從而推送不同的產(chǎn)品，是企業(yè)或商家最需要重視的問題。而每個商家就像是一個數(shù)據(jù)孤島一樣，無法全面的了解客戶的全方位信息和需求。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種數(shù)據(jù)分析系統(tǒng)及方法，其實現(xiàn)對客戶相關(guān)數(shù)據(jù)進行全方位分析、挖掘，以全面的了解客戶的全方位信息和需求。

為了解決上述技術(shù)問題，本發(fā)明提供了一種數(shù)據(jù)分析系統(tǒng)，包括：

數(shù)據(jù)采集篩選模塊，將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲；

數(shù)據(jù)挖掘模塊，對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)；以及

數(shù)據(jù)聚合模塊，將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息。

進一步，所述數(shù)據(jù)采集篩選模塊包括：數(shù)據(jù)采集子模塊、數(shù)據(jù)清洗子模塊、基本數(shù)據(jù)存儲子模塊和原始行為數(shù)據(jù)存儲子模塊；其中

所述數(shù)據(jù)采集子模塊接收來自各個企業(yè)和/或商家數(shù)據(jù)，并傳送給數(shù)據(jù)清洗子模塊進行數(shù)據(jù)清洗處理，在過濾多余數(shù)據(jù)和垃圾數(shù)據(jù)后，把用戶基本數(shù)據(jù)傳送給基本數(shù)據(jù)存儲子模塊進行存儲，并把用戶行為數(shù)據(jù)傳送給原始行為數(shù)據(jù)存儲子模塊進行存儲。

進一步，各個企業(yè)和/或商家數(shù)據(jù)包括：dsp廣告投放數(shù)據(jù)、電商數(shù)據(jù)和crm數(shù)據(jù)；

用戶基本數(shù)據(jù)包括：姓名、電話、郵箱、年齡，以及用戶唯一標示；

用戶行為數(shù)據(jù)包括：用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)。

進一步，所述數(shù)據(jù)挖掘模塊包括：廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道，且適于根據(jù)用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)分別進行特征運算，以進行廣告投放數(shù)據(jù)挖掘、電商數(shù)據(jù)挖掘。

進一步，所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道均包括：數(shù)據(jù)建模子模塊、特征運算子模塊、用戶畫像存儲子模塊；其中

數(shù)據(jù)建模子模塊收錄不同的數(shù)據(jù)模型規(guī)則以提供給特征運算子模塊進行運算，以挖掘出用戶特征數(shù)據(jù)，并由用戶畫像存儲子模塊進行存儲，即

所述廣告投放數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶性別判斷模型、用戶職業(yè)及單位地址判斷模型、用戶住址判斷模塊和用戶愛好判斷模型；

所述電商數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶年齡及生育判斷模型，用戶車輛判斷模型；

所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道中的相應(yīng)特征運算子模塊分別通過上述各模型進行運算挖掘以獲得廣告投放用戶特征數(shù)據(jù)和電商購物用戶特征數(shù)據(jù)，并存入相應(yīng)用戶畫像存儲子模塊中。

進一步，所述數(shù)據(jù)聚合模塊適于接收基本數(shù)據(jù)存儲子模塊存儲的用戶基本數(shù)據(jù)，以及相應(yīng)用戶畫像子模塊存儲的相應(yīng)用戶特征數(shù)據(jù)，并與用戶各唯一標示數(shù)據(jù)進行匹配，形成全方位用戶畫像信息存儲。

又一方面，本發(fā)明還提供了一種數(shù)據(jù)分析方法，包括如下步驟：

步驟s1，將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲；

步驟s2，對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)；以及

步驟s3，將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息。

進一步，所述步驟s1中將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲的方法包括：

通過一數(shù)據(jù)采集子模塊接收來自各個企業(yè)和/或商家數(shù)據(jù)，并傳送給數(shù)據(jù)清洗子模塊進行數(shù)據(jù)清洗處理，在過濾多余數(shù)據(jù)和垃圾數(shù)據(jù)后，把用戶基本數(shù)據(jù)傳送給基本數(shù)據(jù)存儲子模塊進行存儲，并把用戶行為數(shù)據(jù)傳送給原始行為數(shù)據(jù)存儲子模塊進行存儲；其中

各個企業(yè)和/或商家數(shù)據(jù)包括：dsp廣告投放數(shù)據(jù)、電商數(shù)據(jù)和crm數(shù)據(jù)；

用戶基本數(shù)據(jù)包括：姓名、電話、郵箱和年齡；

用戶行為數(shù)據(jù)包括：用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)。

進一步，所述步驟s2中對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)的方法包括：

通過數(shù)據(jù)挖掘模塊對用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)分別進行特征運算，以進行廣告投放數(shù)據(jù)挖掘、電商數(shù)據(jù)挖掘，即

所述數(shù)據(jù)挖掘模塊中的廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道均包括：數(shù)據(jù)建模子模塊、特征運算子模塊、用戶畫像存儲子模塊；其中

所述廣告投放數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶性別判斷模型、用戶職業(yè)及單位地址判斷模型、用戶住址判斷模塊和用戶愛好判斷模型；

所述電商數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶年齡及生育判斷模型，用戶車輛判斷模型；

所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道中的相應(yīng)特征運算子模塊分別通過上述各模型進行運算挖掘以獲得廣告投放用戶特征數(shù)據(jù)和電商購物用戶特征數(shù)據(jù)，并存入相應(yīng)用戶畫像存儲子模塊中。

進一步，所述步驟s3中將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息的方法包括：

通過數(shù)據(jù)聚合模塊適于接收基本數(shù)據(jù)存儲子模塊存儲的用戶基本數(shù)據(jù)，以及相應(yīng)用戶畫像子模塊存儲的相應(yīng)用戶特征數(shù)據(jù)，并與用戶各唯一標示數(shù)據(jù)進行匹配，形成全方位用戶畫像信息存儲，以供數(shù)據(jù)營銷使用。

本發(fā)明的有益效果是，本發(fā)明的數(shù)據(jù)分析系統(tǒng)及方法由數(shù)據(jù)采集篩選模塊、數(shù)據(jù)挖掘模塊、數(shù)據(jù)聚合模塊構(gòu)成，針對企業(yè)或商家獨自的信息孤島現(xiàn)狀無法觸達用戶全方位信息或者無法擴大目標用戶的問題和現(xiàn)象進行了改進和創(chuàng)新，通過以上各模塊之間的處理與合作，實現(xiàn)可以讓企業(yè)或商家通過數(shù)據(jù)營銷手段服務(wù)好目標用戶的基石，其信息全面、目標精確、價值高。

附圖說明

下面結(jié)合附圖和實施例對本發(fā)明進一步說明。

圖1是本發(fā)明的數(shù)據(jù)分析系統(tǒng)原理框圖；

圖2是本發(fā)明的數(shù)據(jù)采集篩選模塊的原理框圖；

圖3是本發(fā)明的數(shù)據(jù)挖掘模塊的原理框圖；

圖4是本發(fā)明的數(shù)據(jù)聚合模塊的原理框圖；

圖5是本發(fā)明的數(shù)據(jù)分析方法流程圖。

具體實施方式

現(xiàn)在結(jié)合附圖對本發(fā)明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。

實施例1

圖1是本發(fā)明的數(shù)據(jù)分析系統(tǒng)原理框圖。

如圖1所示，本發(fā)明的提供了一種數(shù)據(jù)分析系統(tǒng)，包括：

數(shù)據(jù)采集篩選模塊，將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲；

數(shù)據(jù)挖掘模塊，對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)；以及

數(shù)據(jù)聚合模塊，將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息。

圖2是本發(fā)明的數(shù)據(jù)采集篩選模塊的原理框圖。

如圖2所示，作為數(shù)據(jù)采集篩選模塊一種優(yōu)選的實施方式，所述數(shù)據(jù)采集篩選模塊包括：數(shù)據(jù)采集子模塊、數(shù)據(jù)清洗子模塊、基本數(shù)據(jù)存儲子模塊和原始行為數(shù)據(jù)存儲子模塊；其中所述數(shù)據(jù)采集子模塊接收來自各個企業(yè)和/或商家數(shù)據(jù)，并傳送給數(shù)據(jù)清洗子模塊進行數(shù)據(jù)清洗處理，在過濾多余數(shù)據(jù)和垃圾數(shù)據(jù)后，把用戶基本數(shù)據(jù)傳送給基本數(shù)據(jù)存儲子模塊進行存儲，并把用戶行為數(shù)據(jù)傳送給原始行為數(shù)據(jù)存儲子模塊進行存儲。

具體的，各個企業(yè)和/或商家數(shù)據(jù)包括：dsp（需求方平臺）廣告投放數(shù)據(jù)、電商數(shù)據(jù)和crm（客戶關(guān)系管理系統(tǒng)）數(shù)據(jù)；用戶基本數(shù)據(jù)即為明確數(shù)據(jù)且包括：姓名、電話、郵箱、年齡，以及用戶唯一標示；用戶行為數(shù)據(jù)包括：用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)。

圖3是本發(fā)明的數(shù)據(jù)挖掘模塊的原理框圖。

如圖3所示，作為數(shù)據(jù)挖掘模塊一種優(yōu)選的實施方式，所述數(shù)據(jù)挖掘模塊包括：廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道，且適于根據(jù)用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)分別進行特征運算，以進行廣告投放數(shù)據(jù)挖掘、電商數(shù)據(jù)挖掘。

具體的，所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道均包括：數(shù)據(jù)建模子模塊、特征運算子模塊、用戶畫像存儲子模塊；其中數(shù)據(jù)建模子模塊收錄不同的數(shù)據(jù)模型規(guī)則以提供給特征運算子模塊進行運算，以挖掘出用戶特征數(shù)據(jù)，并由用戶畫像存儲子模塊進行存儲，即所述廣告投放數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶性別判斷模型、用戶職業(yè)及單位地址判斷模型、用戶住址判斷模塊和用戶愛好判斷模型；所述電商數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶年齡及生育判斷模型，用戶車輛判斷模型；所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道中的相應(yīng)特征運算子模塊分別通過上述各模型進行運算挖掘以獲得廣告投放用戶特征數(shù)據(jù)和電商購物用戶特征數(shù)據(jù)，并存入相應(yīng)用戶畫像存儲子模塊中。

圖4是本發(fā)明的數(shù)據(jù)聚合模塊的原理框圖。

如圖4所示，所述數(shù)據(jù)聚合模塊適于接收基本數(shù)據(jù)存儲子模塊存儲的用戶基本數(shù)據(jù)，以及相應(yīng)用戶畫像子模塊存儲的相應(yīng)用戶特征數(shù)據(jù)，并與用戶各唯一標示數(shù)據(jù)進行匹配，形成全方位用戶畫像信息存儲。

其中，用戶各唯一標示數(shù)據(jù)例如但不限于包括：cookieid、設(shè)備id、mac、imei、ip等設(shè)備標示信息，手機號、郵箱等用戶標示信息

實施例2

圖5是本發(fā)明的數(shù)據(jù)分析方法流程圖。

如圖5所示，在實施例1基礎(chǔ)上，本實施例2提供了一種數(shù)據(jù)分析方法，包括如下步驟：

步驟s1，將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲；

步驟s2，對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)；以及

步驟s3，將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息。

所述步驟s1中將獲得的不同來源的用戶數(shù)據(jù)進行篩選劃分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)進行存儲的方法包括：

通過一數(shù)據(jù)采集子模塊接收來自各個企業(yè)和/或商家數(shù)據(jù)，并傳送給數(shù)據(jù)清洗子模塊進行數(shù)據(jù)清洗處理，在過濾多余數(shù)據(jù)和垃圾數(shù)據(jù)后，把用戶基本數(shù)據(jù)傳送給基本數(shù)據(jù)存儲子模塊進行存儲，并把用戶行為數(shù)據(jù)傳送給原始行為數(shù)據(jù)存儲子模塊進行存儲；其中

各個企業(yè)和/或商家數(shù)據(jù)包括：dsp廣告投放數(shù)據(jù)、電商數(shù)據(jù)和crm數(shù)據(jù)；

用戶基本數(shù)據(jù)包括：姓名、電話、郵箱和年齡；

用戶行為數(shù)據(jù)包括：用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)。

所述步驟s2中對用戶行為數(shù)據(jù)進行挖掘，以獲得用戶特征數(shù)據(jù)的方法包括：

通過數(shù)據(jù)挖掘模塊對用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)分別進行特征運算，以進行廣告投放數(shù)據(jù)挖掘、電商數(shù)據(jù)挖掘，即

所述數(shù)據(jù)挖掘模塊中的廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道均包括：數(shù)據(jù)建模子模塊、特征運算子模塊、用戶畫像存儲子模塊；其中

所述廣告投放數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶性別判斷模型、用戶職業(yè)及單位地址判斷模型、用戶住址判斷模塊和用戶愛好判斷模型；

所述電商數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶年齡及生育判斷模型，用戶車輛判斷模型；

所述廣告投放數(shù)據(jù)挖掘通道和電商數(shù)據(jù)挖掘通道中的相應(yīng)特征運算子模塊分別通過上述各模型進行運算挖掘以獲得廣告投放用戶特征數(shù)據(jù)和電商購物用戶特征數(shù)據(jù)，并存入相應(yīng)用戶畫像存儲子模塊中。

所述步驟s3中將用戶基本數(shù)據(jù)與用戶特征數(shù)據(jù)進行匹配，以獲得全方位用戶畫像信息的方法包括：通過數(shù)據(jù)聚合模塊適于接收基本數(shù)據(jù)存儲子模塊存儲的用戶基本數(shù)據(jù)，以及相應(yīng)用戶畫像子模塊存儲的相應(yīng)用戶特征數(shù)據(jù)，并與用戶各唯一標示數(shù)據(jù)進行匹配，形成全方位用戶畫像信息存儲，以供數(shù)據(jù)營銷使用。

以下通過具體的實例對上述實施例1和實施例2的工作過程進行詳細描述。

參照圖1所示，本發(fā)明共包括三個模塊，即數(shù)據(jù)采集篩選模塊、數(shù)據(jù)挖掘模塊和數(shù)據(jù)聚合模塊。

具體用例步驟如下：

通過數(shù)據(jù)采集篩選模塊例如接入外部crm系統(tǒng)crm數(shù)據(jù)，其通過自身的一些手段或線下活動等收錄到了一些用戶資料，例如但不限于包括：

姓名：王二丫、性別：女、年齡：31、電話：139xxxxxxxx、座駕：路虎。

例如接入外部電商系統(tǒng)的電商數(shù)據(jù)，其可能會提供兩部分數(shù)據(jù)，一部分數(shù)據(jù)為用戶注冊數(shù)據(jù)：姓名：王二丫、性別：女、郵箱：wangerya@126.com、電話：139xxxxxxxx、用戶唯一標示（cookieid、imei、設(shè)備id、mac、ip等）；另一部分用戶行為數(shù)據(jù)：奶粉、尿布、財經(jīng)類書籍、汽車配件、用戶唯一標示（cookieid、imei、設(shè)備id、mac、ip等）

例如接入外部dsp廣告投放系統(tǒng)的dsp廣告投放數(shù)據(jù)，其提供用戶關(guān)注廣告行為數(shù)據(jù)：汽車、母嬰、奢侈品、用戶唯一標示（cookieid、imei、設(shè)備id、mac、ip等）。

所述數(shù)據(jù)采集篩選模塊包括：數(shù)據(jù)采集子模塊、數(shù)據(jù)清洗子模塊、基本數(shù)據(jù)存儲子模塊和原始行為數(shù)據(jù)存儲子模塊；其中

數(shù)據(jù)清洗子模塊對以上各系統(tǒng)數(shù)據(jù)進行清洗，過濾去除垃圾數(shù)據(jù)，并把已經(jīng)明確的用戶基本信息數(shù)據(jù)單獨存儲以備后用，另外把用戶行為數(shù)據(jù)（用戶廣告行為數(shù)據(jù)、用戶購物行為數(shù)據(jù)，上述數(shù)據(jù)也均包括用戶唯一標示）發(fā)送給數(shù)據(jù)挖掘模塊進行數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘模塊的具體用例步驟如下：

所述數(shù)據(jù)挖掘模塊中的數(shù)據(jù)建模子模塊，設(shè)計并創(chuàng)建數(shù)據(jù)模型。

廣告投放數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：

用戶性別判斷模型：當用戶明確標示為女性、或者設(shè)備上安裝女性app超過5款時定義該用戶為女性、或者長期購買女性產(chǎn)品等等綜合評判互補來確定該用戶為女性用戶；

用戶職業(yè)及單位地址判斷模型：當發(fā)現(xiàn)用戶在上班時間高頻出現(xiàn)在某一位置，就可以定義該用戶的公司地址還有該人員為務(wù)工者；

用戶住址判斷模塊：當發(fā)現(xiàn)用戶在休息時間高頻出現(xiàn)在某一位置就可以定義該用戶的家庭地址；

用戶愛好判斷模型：當用發(fā)現(xiàn)用戶特別關(guān)注高檔紅酒、咖啡、手表、包等奢侈品。

所述電商數(shù)據(jù)挖掘通道中的數(shù)據(jù)建模子模塊包括：用戶年齡及生育判斷模型，用戶車輛判斷模型；

用戶年齡及生育判斷模型：根據(jù)用戶購買尿不濕、奶粉記錄，可以標識該用戶已婚、育兒、大致年齡段；

用戶車輛判斷模型：根據(jù)用戶購買汽車配件，可以標識用戶有車。

通過相應(yīng)特征運算子模塊分別對用戶關(guān)注廣告和購物的行為數(shù)據(jù)結(jié)合上述數(shù)據(jù)模型進行運算挖掘出用戶特征標簽（即特征數(shù)據(jù)）。

用戶畫像存儲子模塊，對通過不同數(shù)據(jù)源挖掘出的用戶特征數(shù)據(jù)進行存儲以備后用；其中，存儲形式包括：

與廣告投放數(shù)據(jù)挖掘相對應(yīng)的用戶a的局部畫像一：

性別：女

愛好：紅酒、名表、名包、奢侈品

工作地址：杭州西湖區(qū)

家庭地址：杭州上城區(qū)

用戶a唯一標示：cookieid、設(shè)備id、mac、imei、ip

與電商數(shù)據(jù)挖掘相對應(yīng)的用戶a的局部畫像二：

婚否：已婚

子女：育兒

年齡：25~35

座駕：有車

用戶a唯一標示：cookieid、設(shè)備id、mac、imei、ip

數(shù)據(jù)聚合模塊適于接收基本數(shù)據(jù)存儲子模塊存儲的用戶基本標簽信息，以及用戶畫像子模塊存儲的由用戶行為分析得出的用戶特征數(shù)據(jù)信息，根據(jù)用戶各唯一標示數(shù)據(jù)（例如：cookieid、設(shè)備id、mac、imei、ip等設(shè)備標示信息，手機號、郵箱等用戶標示信息）進行匹配運算把不同數(shù)據(jù)來源得出的用戶信息串起來，即實現(xiàn)匹配，形成全方位用戶畫像信息存儲以供數(shù)據(jù)營銷使用。

具體用例步驟如下：

數(shù)據(jù)聚合模塊結(jié)合之前各步驟分析出來的用戶局部的特征標簽（即特征數(shù)據(jù)）：

1、用戶基本數(shù)據(jù)：姓名：王二丫、性別：女、年齡：31、電話：139xxxxxxxx、座駕：路虎；

2、用戶注冊信息：姓名：王二丫、性別：女、郵箱：wangerya@126.com、電話：139xxxxxxxx、用戶唯一標示（cookieid、imei、設(shè)備id、mac、ip等）；

3、用戶a的局部畫像一：性別：女，愛好：紅酒、名表、名包、奢侈品，工作地址：杭州西湖區(qū)，家庭地址：杭州上城區(qū)，用戶a唯一標示：cookieid、設(shè)備id、mac、imei、ip；

4、用戶a的局部畫像二：婚否：已婚，子女：育兒，年齡：25~35，座駕：有車，用戶a唯一標示：cookieid、設(shè)備id、mac、imei、ip；

根據(jù)用戶設(shè)備唯一標示cookieid、imei、設(shè)備id、mac、ip等以及用戶手機號、郵箱等，以上每個特征信息塊不一定每個唯一標示都有，或僅通過imei號，或僅設(shè)備id，或僅mac地址，即只要具備其中一個唯一標示就可以通過匹配運算比對把這些數(shù)據(jù)串聯(lián)起來。

最終得到用戶a畫像信息，即全方位用戶畫像信息：

姓名：王二丫

性別：女

郵箱：wangerya@126.com

電話：139xxxxxxxx

年齡：25~35

婚否：已婚

子女：育兒

座駕：路虎

愛好：紅酒、名表、名包、奢侈品

工作地址：杭州西湖區(qū)家庭地址：杭州上城區(qū)

以上述依據(jù)本發(fā)明的理想實施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進行多樣的變更以及修改。本項發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。