商业是为了满足人的需求，而营销是为了低成本的触达目标用户。对于不同的营销方式来说，描述用户的方式不同，因而筛选目标用户的过程也会有所差异(即受众定向)。

对于搜索营销来说，不管是SEO，还是sem，识别目标用户的方式都是用户搜索用的关键词。前面说过九种获取SEO目标搜索词的方式，关键词获取以后，可能按照这样的方式来管理。

网页是否与搜索用户匹配，由搜索引擎的排序算法来决定，实质上，这也是一种受众定向。当然，现在搜索结果更多体现了本地化，个性化的特点，也是为了加强搜索用户体验受众定向的精准程度。

而sem的投放，则按照推广计划，推广单元，关键词/匹配模式，创意这样的层级来组织，其实说到底也是按照关键词体现出来的意图，结合业务目标，来组织账户结构。sem考核的ROI，也就是投资回报率，一般跟选词，出价，投放地区/时段，落地页，产品本身的品质和价格等因素有关系。这里的受众定向由自己控制，定向不好，往往ROI会低，不能在预算内完成既定目标。

依靠关键词猜测用户搜索意图，依靠用户地理位置给出本地化的搜索结果展现，依靠用户历史搜索行为给出个性化的结果；依靠当前搜索词，时间，地域，竞价关键词匹配方式，决定一条竞价创意是否展现，依靠出价/质量度决定竞价创意的排序，等等。这些因子相对于广告投放或者站内推荐系统的受众定向，数据模型上显得还是简单了些，这里就牵出了标签系统，和用户画像(User Profile)。

随着技术的不断发展，基于用户大量行为数据的快速处理成为可能，而处理的结果，正如题图所示，由一系列的标签系统，来刻画用户的全貌。换句话说，将一个抽象的人，结构化了，提炼出的多维的标签信息，也就成了站内推荐或者站外广告推送的依据。(下图从网上盗来，非本人)

用户数据划分为静态数据、动态数据两大类。静态数据，顾名思义，就是用户相对稳定的信息，主要包括人口属性、商业属性等方面数据。这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗工作。而动态数据，指的是用户不断变化的行为信息，比如用户点击一个页面，微博上点了一次赞，百度里面搜了"魏则西"等。

用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。那么，如何根据用户行为，构建模型产出标签、权重呢？

一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户，在什么时间，什么地点，做了什么事。

【什么用户】 关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。

【什么时间】开始时间 + 持续时长。

【什么地点】用户接触点的上下文信息。包括粗粒度的设备/站点/页面，或者APP，微信号，微博号等，以及当前内容的标签化表述。

程序化的广告投放方式都是拿这三者做匹配，(a，advertisement，广告)，(c，context，上下文)，(u，user，用户)，目的就是将a定向给合适的(c, u)元组，即将合适的广告，在合适的时机，传递给合适的人。而a, c, u都需要结构化的表述，即上面的标签。