1、解决的问题应是为客户需求、产品营销提供个性化、精细化的业务场景构建和运营提供洞察支持；

　　2、依赖的数据可以是已经产生的和今后持续积累的交易数据、支付数据、互动数据、行为数据；

　　3、输出的成果需考虑对数据的解读能力，以及配合数据变化的快速反应；

　　4、 主要的模型要包括目标客户的特征分析、目标客户的预测、用户活跃度定义、用户路径分析、交叉销售模型、信息质量模型、服务保障模型、用户分层模型、用户交易模型、信用风险模型和商品推荐模型；

　　这其中，营销BI首先可以解决的关键问题是目标客户特征分析，唯有找准目标客户和目标受众，然后才是相应的运营方案、个性化的产品和服务等，因此目标客户的特征分析是营销BI首先要去输出的模型。

　　用户特征分析的目标是通过深入了解用户（客户），找出用户细分群体的特点，从而采取精细化个性化的服务（产品）来更好地满足用户需求，进而增强用户与企业之间的感情，最终保障并提升企业的盈利水平。

　　具体来说，用户特征分析可以在产品运营各阶段来支撑业务发展：

　　1、虚拟的目标用户特征分析

　　产品还没有上线，所做的目标客户特征分析只能按照产品设计的初衷、产品定位，以及运营团队心中理想化的猜测，从企业历史数据中模拟、近似地整理出前期期望中的目标客户典型特征 （虚拟的客户特征分析），掌握目标群体的规模和层次。针对虚拟分析，主要通过产品的相关功能、卖点来模拟相应的行为特征和属性特征。虚拟的目标用户特征分析只是在实际用户产生之前的权宜之计，等到实际用户产生之后，需要根据真实的用户数据进行用户特征的修正和完善。

　　2、真实的目标用户特征分析

　　产品使用用户的行为数据和属性数据，可以帮助业务方有效锁定目标群体，而这是精细化运营的基础和前提。从业务方对于用户群体的熟悉程度来考虑，可以将用户特征分析分成3种分析模型，分别是预先定义的划分、数据分析的划分、复合划分。

　　1）基于预先定义的划分，如果对业务和客户有深度的理解，可以直接安装特定的分析字段（维度）和分析指标来进行特征分析和提炼。举例来说，业务方对客户非常熟悉了解，或者说计划中的运营方案是专门针对下单订购产品的，但是15天之后仍然没有付款的用户所进行的催单提醒为目的的营销活动，那么就可以使用此方法。

　　2）基于数据分析的划分，该类方法是主流的用户特征分析方法，因为对用户不了解，且业务需求千变万化，所以针对不同的业务需求进行不同的数据分析挖掘，找出用户的典型特征，可以RFM、聚类技术、决策树的规则整理、预测（响应）模型的核心变量、假设检验方法、EXCEL透视表等方法来实现。