互联网日趋动态、立体，对互联网用户来说，活跃空间的无限扩展使得他们拥有越来越高的“穿墙”本领，而不再只锁定在某一个平台、网站上。对媒体网站来说，看“懂”用户，变得越来越难。

　　为此，第三方数据机构缔元信.网络数据推出网站用户分群画像解决方案并与多家媒体网站开展合作。这一方案依托DDMP平台的跨网数据和行业知识管理库，为每个用户打上多维度的标签，再对不同维度的标签进行筛选、聚类，进行族群划分、标签描述、定性描述。这一产品所依托的DDMP平台平均每天跨网采集2亿网民、30亿条网民行为数据，从而使网站不仅知道用户在这里爱看什么，还准确知道用户在网站之外爱看什么，准确定位用户偏好。

　　以凤凰财经频道为例，以往要了解其用户，一是利用凤凰财经或凤凰网全站数据，了解用户在凤凰网的行为，二是通过调研方式了解用户的年龄、性别、地域等特征。前一种方式，由于用户在各个平台、网站中不断离开、回来，仅以一个频道掌握的孤立数据为基础，几乎不可能了解到用户的全方位属性，而只能看到用户的一小部分特征，根据经验判定这一类人群的总体特征(如性别、年龄)。以这样的方式向其推送内容或广告，只会让用户感到“被广告”、产生不信任感，当这样的推送频率过高，甚至可能选择离开。实际上，即使以一个网站的数据为基础，偏差仍然可能极大：以往一个用户可能会在一个网站上尽可能浏览所关注内容，而现在，他可能在凤凰网上看财经、体育，可能在B网站上看汽车资讯，又在C网站上比较手机价格。如果仅以凤凰网一家的用户数据去判断，仍然不可能完全挖掘出用户的全部偏好，因而可能将其具有商业价值的特征遗漏掉。而用户调研的方式更无法满足互联网大数据时代的需求——一来只能小范围进行，覆盖面局限极大，二来参与用户有意无意的隐瞒也会让真实性大打折扣。

　　而通过采集全网数据的缔元信网站用户分群画像分析，看到的是每一个用户真实而全面的偏好、特征。以凤凰财经为例，我们可以清楚看到活跃在凤凰财经上用户的各种静态信息，如年龄、性别、学历、地域等特征，也可全面了解他们的动态信息，如资讯偏好、娱乐偏好、价值观特征、商业偏好、购买力等。这些信息的数据来源既有用户在凤凰财经及凤凰全站上的，也有来自网站外部的海量数据，反应的是用户的全网行为。这意味着，一个正关注汽车或手机的用户，即使没在凤凰网上浏览一条相关内容，也会被设置成汽车或手机用户。由此，向他推送汽车或手机相关的内容和广告时，都更有机会得到关注和点击，而且这样的过程对用户来说是友好的。

　　全网数据的精准分析更使凤凰财经可以预测用户与广告的适配性，有针对性地与广告客户合作。以往，网络广告的投放方式是以内容相关度或整体用户自然属性的契合度作为投放依据，以选择媒体位置为重点，结合媒体的流量、属性进行投放，广告难以精准到达用户。而了解频道和网站的用户构成状况，将实现营销效果的最大化，使广告主与用户双双得益。通过缔元信用户分群系统，凤凰财经频道的用户构成特征和优势营销领域得到实时呈现：从商业价值看，凤凰财经的汽车用户占比达到30%，时尚为29%，教育为20%，此外，手机、金融、母婴也有超过10%的比例。这意味着，这些行业的广告投放将能获得更高的到达率，由此凤凰财经可双有的放矢的开发时尚、教育等行业的广告主，并科学衡量、评估广告位，实现利润率最大化。

　　虽然是同样的资源、同样的用户，但随着全网数据对用户价值的展现及多重迭加，用户不再是以往面目模糊的用户，而是一个个鲜活的、有各种需求和偏好的人。因为懂而精准，像凤凰财经这样的网络媒体将可以去在了解真实的基础上提供更友好而有效的产品、服务。