用户画像的具体应用包括售前的精准营销，售中的个性化推荐以及售后的增值服务等。用户的标签纬度和应用是相互相城的关系，一面可以根据现有的标签纬度开发应用，另一方面可以通过应用需求扩展维度，两者互相促进。
我们在这里举的列子分为3类，第一类是售前的精准营销，比如电商客户和企业客户，需要经过精准营销，把站外的用户吸引到你的网站上面来。第二，售中的个性化推荐，就是把这些用户吸引过来之后，如果通过个性化的方式能够更好的提升站内的转化效果。第三类是售后增值服务，就是你把这个产品卖出去之后，不是这样就结束了，而仅仅只是你跟用户接触的开始，可能设计到用户后续的产品咨询或者吐槽等，这个三个应用都跟用户画像密切相关。 
首先根据用户画像进行精准营销，这块大家对门户广告，百度的搜索广告或者现在的一些dsp公司拖放的程序化广告比较熟悉，百分点要做的事情就是帮组企业整合以及拉通他们自己的第一方数据，建立企业建立用户画像，实现全渠道营销。 
这是我们为某知名企业客户做的大数据项目标就是打通和建立消费者统一的数据平台，建立消费者用户画像，并基于用户画像实现精准营销。上面这张图是为了该企业构建的用户画像体系，具有的维度包括基本基本信息，产品信息，财务信息，风险信息和资产信息等等。
而且结合百分点的营销管家产品，可以实现触发式的营销，比如用户在某网站下单购买一款手机，便立马可以给他推送该品牌手机对应的手机配件广告。最终的效果是，通过用户拉通与用户画像，对59w潜在的消费者形成4个精准人群经行托放，是盲点击率的10倍。 
在举一个社会化营销的列子，我们的某个加点制造企业客户，新产品发布时期通过短信和邮件方式，从老用户中找出最可以能参加活动的粉丝。我们利用企业的CRM，客户，销售等数据，对用户忠诚度经行综合评定并挑选忠诚度最高的用户做为招募目标，带来了超过一半粉丝，但是成本只是以往的40%。 
接下来是售中的个性化推荐，这是百分点创立时做的事情，目前已经服务超过1000家电商和媒体客户，是国内最大的第三方推荐服务提供商，拌分钿推荐一个很大的有事是利用全网用户画像进行推荐，比如，对于王府井商城的一个新应用，在首页进行推荐时，因为对它的历史没有了解，只能推荐一些热门商品，但是百分点来说，我们知道该用户在其他客户网站的行为，比如它对化妆品很赶兴趣，就可以推荐相关的化妆品，利用全网用户画像解决王府井冷启动问题。 
这是百分点推荐引擎的设计架构，核心是四大组建，包括场景引擎，规则引擎，算法引擎和展示引擎，尤其是规则引擎非常强大，可以更具客户的业务需求可实话配置推荐逻辑，比如，推新品，清库存等，而不仅仅是点击率最优。 
我们这里举1个推荐实际应用列子，我们的某个团购网站客户，下网采用我们的推荐引擎结局他下单率的问题，我们通过分析发现该网站的用户的一系列特征，比如忠诚度第，区域性购买的。 
我们采用一系列的优化措施，比如根据用户画像中品种偏好，商圈偏好，消费能力偏好等标签优化召回，使得团购网站的点击率平均提升18.23%,直接下单率提升86.95%,取得了非常理想的效果。 
最后一个列子是如何结合用户画像提供售后增值服务，上面这张图是我们给客户的一个应用系统方案，可以通过数据接口实时反馈用户相关信息，比如历史维修，历史咨询等等，以及进行知识推荐，支撑服务效率和满意度，同时收集用户的服务满意度数据，补充和**完善用户画像信息，
用户画像是步数学游戏，
而是严肃的业务问题，是业务和技术最佳结合点，
是实现与数据化的最佳实践。**
最后子对前面的将的内容进行一个小姐，在大数据时代，机器要学会从比特流中解读用户，构建用户画像就变得尤其重要，是上层各种应用的基础构建用户画像的核心是进行标签建模，标签步仅仅是符号，而是和业务紧密关联，是业务和计算非常好的结合点。
有些不明白，以后再回来慢慢学习。