案例来源：@美团技术团队
1. 背景
1）O2O营销包括精准用户营销活动、DSP投放、渠道价值排名和反作弊等，本文介绍精准用户营销活动
2）数据参与用户营销活动的三个环节：
a. 活动前：确定和选取目标用户
b. 活动中：效果监测；用户和商户端的策略输出
c. 活动后：效果评估和优化建议
3）之前存在的问题：
a. 活动前：拍脑袋决定目标用户，每次都要BI取数
b. 活动中：缺乏监控，容易出现预算超支问题
c. 活动后：数据由业务方出，统计口径不一致，难以评估整体效果
2. 系统架构
1）数据仓库层：包括三个主题
a. 用户画像：结合自建、搜索、广告、风控团队的标签，包含基本信息、设备信息、消费、浏览、特征人群等5大类180个标签
b. 营销运营：对运营人员、优惠策略、活动、用户消费进行打点，做到细粒度预算监控。同时对用户和商品建模，输出：新用户成本、新老用户分布、用户留存等
c. 流量分析：建立活动页的转化漏斗，细分渠道
2）数据服务层
a. 存储：Redis
b. 分析：ElasticSearch
3）数据应用层
a. 人群分析平台：快速根据标签进行目标人群打包
b. 智能发券引擎：运营人员可以完成向定向人群的策略发布，无需开发接入
c. 云图/星图：对活动效果进行查询和分析，提供多维度的实时指标查询
d. 专题分析：闪惠预算动态分配、闪惠立减梯度优化等
3. 案例1：外卖潜在用户挖掘
1）是一个lookalike问题
2）目前主流的是基于画像和关系链（如facebook）方法
3）尝试关联规则、聚类和分类模型的解决方法
4. 案例2：微信红包精准优惠券
1）目标：分享的优惠券用户，当好友领券时，提供最可能转化的优惠券
2）是一个推荐问题，给用户推荐优惠券，用户最有可能转化
3）主要模块：
a. 分流模块（用户AB测）
b. 召回模块（获取人和券的物料信息）
c. 过滤模块（人和券的匹配）
d. 推荐模块（业务规则+模型，对结果进行rank，返回最合适的优惠券）