王者榮耀的小夥伴們大家好我是你們的老夥伴阿貴，王者榮耀更新了很多次，英雄頭像也換了好幾次了，下面來看下曾經使用過的英雄頭像。你的本命英雄變好看還是變醜了？
亞瑟頭像↓↓↓
李白頭像↓↓↓
韓信頭像↓↓↓
趙雲頭像↓↓↓ 説實話1代比2代帥氣多了，小夥們覺得呢？
魯班頭像↓↓↓ 1代魯班是不是萌萌的？
宮本武藏頭像↓↓↓ 宮本大叔1代頭像頭上的是什麼鬼？
諸葛亮頭像↓↓↓ 一代男神諸葛亮一如既往的帥
嬴政頭像↓↓↓
羋月頭像↓↓↓ 羋月化身女神
甄姬頭像↓↓↓
孫尚香頭像↓↓↓
阿軻頭像↓↓↓ 還是你記憶中的阿珂嗎？
娜可露露頭像↓↓↓ 1代娜可露露明顯比2代好看多了
從英雄頭像上來看天美還是很認真在做遊戲的，小編也衷心希望王者容易越做越好！
以下為網友評論：
網友“懶惰”：認真個屁，越來越垃圾
網友“藍天天天藍”：諸葛一代？呵呵
網友“天才小貓”：沒發現人物表情都成熟了麼？
網友“灬驚蟄灬”：小魯班
網友“A Yang”：沒有我的
網友“笞吻之痕”：換畫師了
網友“靜坐✡聽雨軒♬”：一直這樣。傻碧。沒變過
我在一個羣裏，學習到了關於人像畫像的落地引流運用方式。
這個大咖是做借貸出門的，他通過某種途徑，知道了貸款的強關聯詞，也就是説潛在用户的隱藏標籤，在這個標籤下，可能做廣告的人廖廖無幾，你可以理解為他發現了一個新的藍海，通過這個藍海他成功賺到了第一桶金。
其實你不知道，“貨款”的人還喜歡“馬雲”、“支付寶”和“網商貸”，還有“馬化騰”跟他的“微粒貸”，也許當你搜索“貸款”的時候，漫天遍野的廣告會把人淹死，這存在於表象的紅海競爭會使自己對項目漸漸失去信心，萬劫不復，但是如果搜索“馬雲”，這個詞與貸款可謂是強關聯，通過在這個關鍵詞的背後投放廣告，其收穫可能比一種付費廣告要來得好。
這就是人羣畫像的威力，其實人羣畫像，產生於我們每天上網的行為足跡，將這具體到個人的行為的整體彙總起來，做數據統計。其實傳統的算命看相風水，皆是運用了大數據的威力，舉個例子：面相師大部分説會説，鼻子大的人容易發達，這是為什麼呢？
兩千多年來的命理學家，通過大量的臨牀實例做收集，發現了70%的大鼻子的人都容易發達，有了這個概率，所以面相師才敢大敢地説大鼻子容易發財。
一個美麗的都市白領，芳齡25，養了一隻寵物狗，平常上班空餘之際喜歡逛逛淘寶，下班後除了吃飯與同事逛街購物，那麼她的這些行為就構成了一個人羣的標籤，如果有兩個白領都有這樣的行為，那麼就構成了一個羣體，通過同職業不同興趣愛好的對比，那麼我們得出結論，80%的白領女士喜歡逛淘寶或者60%的白領女士喜歡逛街購物。
那怎麼運用到這些關聯人羣的標籤呢？
如果實際落地的話，其實你在日常的引流當中，已經摸對門道了。比如説做微商軟件的，有玩貼吧的，會知道在微商的貼吧裏邊發貼，因為這上面都是精準的微商羣體，這顯然是一些直接了當的方法，但你發現這個貼吧競爭太大的時候，如果換個思路，找到微商羣體大比率的隱藏標籤，也許這是一個處女地。
以頭條指數為例，看看怎麼分析出“微商”的潛在需求。同樣的，其它客户羣體的潛在需求分析，也可以套用這個思路。
百度“頭條指數”，進入後看到上圖這樣的界面，把“微商”關鍵詞打上並且搜索，我們很清楚的明白頭條上的微商，他們人羣標籤的一個大概。
年齡上來説，頭條給出的指數為24-30的人羣居多，這點與我在百度指數的年齡對比不一樣。
其實也挺好理解，百度是從互聯網1.0時代過來的，當年的年青人保留了這些習慣，直到現在，而頭條是後起之秀，受眾也是年輕人居多，行為不一樣，產生了年齡上面的差異化。
年齡只是一個泛標籤，最重要的還是看用户的興趣來挖掘出潛在需求。
這是微商的用户興趣，佔大比重的是關於“育兒”，“兩性”只是稍低於“育兒”，那麼這兩塊就是可以發掘的引流點，從兩性領域做為切入點，看看下級的細分領域又是什麼？
這裏是否恍然大悟，原來大部分的微商都關心自己有沒人愛，還有雞湯與婚姻，如果將“婚姻”用來操作，可以臨摹出什麼樣的廣告模式？
用的是頭條，那麼我通過頭條搜索婚姻，印證一下想法：
我點開其中一篇文章，當中就有作者留的微信號進行引流，那麼，廣告模式是不是非常的明朗？
婚姻是微商關鍵詞的多級標籤，這也説明圍繞着“婚姻”這個關鍵詞，反向推導關注婚姻生活的一部分人也是微商，如直接精準的一級詞對比，流量大，但是競爭高，隱藏標籤流量要小得多，但是流量基本上都沒有被挖掘過，在於你怎麼去考量。
這只是通過頭條指數，如何去做頭條引流的一種思路，如果要用到百度推廣的產品，那明顯百度指數給出的人像畫像更為準確，同樣的方法是可以靈活運用的，正如你要設計一份贈品來做引導添加，也可以通過人羣畫像的數據反饋，找到人羣的興趣點來設置吸引人的贈品。
(2017-09-25)
《資治通鑑》上有一段非常有趣的記載：陳朝至德元年(公元583年)十一月，陳後主陳叔寶遣散騎常侍周墳、通直散騎常侍袁彥出使隋。陳叔寶聽説隋文帝楊堅狀貌異人，便讓袁彥畫像而歸。當陳叔寶看到楊堅的畫像後，大駭道：“吾不欲見此人!”立刻命人將畫扔了。
楊堅的相貌到底奇異在何處，以致他的死對頭陳叔寶看到畫像後如此驚懼呢?
根據《隋書》的記載，楊堅“為人龍頷，額上有五柱入頂，目光外射，有文在手曰王，長上短下，沉深嚴重。”由上面的描述可以看出，楊堅的相貌有五“奇”：一、額頭突出，並有五個隆起的部分從額頭直插到頭頂上;二、下頜很長，而且很突出;三、目光犀利，咄咄逼人;四、掌紋形似“王”字;五、上身長，下身短。
他這個長相，生下來不久就讓他的母親呂氏“大駭”了一回。
呂氏在馮翊(今陝西大荔)般若寺生下楊堅時，“紫氣充庭”。這時，有個從河東來的尼姑對呂氏説：“這個孩子不是凡人，不能在凡間養。”於是，尼姑把他抱到廟裏一個別院躬自撫養。呂氏有一次抱起小孩，發現小孩頭上長角，身上長鱗，又驚又怕，把小孩丟在地上。尼姑進來看到，説：“已經驚到了我的孩子，他要多花些年頭才能得到天下。”《隋書》、《北史》隋本紀上都記載説，楊堅在廟裏一直長到12歲才回家。
用現代人的眼光看來，長這樣的人一定是“奇醜”型的人，連他自己也會自慚形穢了。但是，在相術發達的古代，這種相貌卻是“其貴無比”。別的不説，光是他突出的額頭和額頭上那五根“入頂”的肉“柱”，就是“龍顏”的象徵。楊堅的額頭，用相書上的術語叫做“龍犀”，是帝王的象徵。
唐朝李善説：“額有龍犀入發，左角日，右角月，王天下也。”也就是説，這種囟下骨頭隱起，下連鼻樑不斷的“龍犀”，以及由於額頭上隆起，在左右鬢角形成的肉“角”，都是“王天下”的貴相。相書上對這種長相還另有一個説法，叫做“龍顏戴幹”，龍顏自然是指帝王的相貌，戴幹就是指頭部有肉突起如干戈對立。據説帝顓頊就是這副長相。
當時，很多人認為楊堅有帝王之相。在陳後主陳叔寶之前，就有人為楊堅的相貌而擔憂、畏懼和嫉妒，這個人就是北周太祖宇文泰，他曾嘆曰：“此兒風骨，不似代間(瀚海沙漠羣)人。”
《隋書》中記載：齊王宇文憲對當時的北周皇帝宇文毓説：“楊堅相貌非常，臣每見之，不覺自失。恐非人下，請早除之。”皇帝説：“他不過只能做個將軍而已。”內史王軌也對皇帝説：“皇太子非社稷主，楊堅貌有反相。”帝不悦，曰：“必天命有在，將若之何!”楊堅聽説這件事後非常害怕，深自晦匿。
宇文毓雖然強為鎮靜地説“必天命有在，將若之何”之類的話，其實心裏也有點害怕，派善於看相的趙昭去為楊堅相相面。趙昭堅信楊堅“當為天下君”，他採取了一個兩面派的手法：他一面騙宇文毓説楊堅只是一個“作柱國(官職名)”的材料，另一方面又去巴結楊堅，把真相都告訴了他，並悄悄地對楊堅説：“你一定會當皇帝，而且一定要經過大屠殺才能坐得穩，千萬記住我這句話。”原文是：“公當為天下君，必大誅殺而後定，善記鄙言。”
楊堅為了自己這副相貌，付出了不少代價。在襁褓裏就差點被自己的母親摔死;長大之後，又受到同僚的嫉妒和皇帝的猜忌，時刻面臨被害的危險。這樣也就使他不得不把自己隱藏下來。當然，他是相信自己“當為天下君”。他本是一個頗為迷信的人，又從別人嘴裏聽到這樣的話，對自己的相貌也就信心十足。
因為看到楊堅相貌而對他抱有信心的人，不止趙昭一人。在《隋書》中，還有數例可尋。《隋書·龐晃傳》中説，楊堅任隨州刺史時，路經襄陽，衞王令龐晃拜見楊堅，因為楊堅“相貌非常”而巴結他，向他表忠心，希望他當了皇帝之後，不要忘記自己。而楊堅聽後，只是富有深意地笑着説：“不要瞎説呀!”楊堅的心思，在這一“笑”之中昭然若揭了。
趙昭、龐晃，還有鄭譯、盧賁、竇榮定等人，日後都成為楊堅的親信和心腹，為他篡奪北周皇位和創立隋朝天下，起了很重要的作用。
只不過楊堅的異相似乎威力不足。中國歷史上有幾個大統一的短命政權，説開就開，開得光彩四射，燦爛輝煌，可是説完就完，不但快，而且徹底。隋王朝就是其中之一，楊堅辛辛苦苦，努力了一輩子，卻不過為唐王朝搭了道橋，而他本人最後也被他親兒子楊廣照肚上一刀，活活捅死，想起來沒意思得很。
以下為網友評論：
網友“人間天人”：混賬中的極品
(2017-09-25)
此公開課為極客公園策劃的「極客公開課•Live」第十四期。本次公開課，我們將邀請到友盟+首席數據架構師&數據委員會會長張金來為大家講解到底什麼是用户畫像，快速建模框架，如何提高用户精準畫像的的準確性，從理論到應用的一起了解用户畫像。
什麼是用户畫像？
用户畫像也叫用户標籤， 是基於用户行為分析獲得的對用户的一種認知表達，也是後續數據分析加工的起點。從認知心理學的角度，用户標籤其實與人認知世界的方式相一致，人為了簡化思考，通常也會通過概念化的方式簡化事物認知，這種概念認知就是標籤。因此，用户畫像的內容可以很寬泛，只要是對人的認知，都可以叫做用户畫像。例如：今天路過這個門口三次的人，也可以是一個標籤，只要他有合適的應用場景。
另外，我們需要從概念上加以區分，用户標籤和用户透視，一個是個體的認知，一個是整體的標籤分佈，二者都經常被人統稱為用户畫像。今天我們在這裏説的用户畫像主要指標籤。
用户畫像的 4 個核心價值
一、市場細分和用户分羣：市場營銷領域的重要環節。比如在新品發佈時，定位目標用户，切分市場。這是營銷研究公司會經常用的方式。
二、數據化運營和用户分析。後台 PV\UV\留存等數據，如果能夠結合用户畫像一起分析就會清晰很多，揭示數據趨勢背後的秘密。
三、精準營銷和定向投放。比如某產品新款上市，目標受眾是白領女性，在廣告投放前，就需要找到符合這一條件的用户，進行定向廣告投放。
四、各種數據應用：例如推薦系統、預測系統。我們認為：未來所有應用一定是個性化的，所有服務都是千人千面的。而個性化的服務，都需要基於對用户的理解，前提就需要獲得用户畫像。
用户畫像的基礎：數據
做好用户畫像需要一定的門檻，一方面是數據的體量和豐富程度，另一方面是技術和算法能力。今天介紹的經驗基礎是[友盟+]數據，首先簡單介紹一下。[友盟+]有覆蓋線上線下的實時更新的全域數據資源，每天大約有 14 億的設備，覆蓋數百萬級的網站和 APP 行為，這個龐大的數據量使得我們有豐富的數據資源來生產用户畫像，同時又要求我們能相應的技術能力來進行處理。
數據是如何生產，變成畫像的？
結合上圖，用户畫像生產流程概覽，我們將用户畫像的生產比喻成一個流水線，就如同將礦石加工成成品的過程。用户瀏覽網頁、使用 APP、線下行為，這些數據都是礦石，需要提煉、加工成為產品，最後還要通過質檢。
這個過程通常有幾個步驟。首先獲得原始行為數據，基於這些數據做特徵抽取，相當於清洗、加工的工作；在機器學習環節，會與外部知識庫有一些交互。實際上機器算法對人的理解，一定要基於知識體系，就好像我們説的概念。比如，機器給人打汽車相關的標籤，一定要首先知道汽車體系有什麼樣的分類，有什麼車型，有這樣的知識系統我們才能把人做很好的標識歸類。
最後，質量檢測，這一步也很重要。一個標籤的質量決定了後期的應用效果，如果前期對人的分析偏了，後期結果就很難做對。
用户畫像生產流程框架
上面講的是概念圖，如果具象到實際操作中，是這樣一個框架流程：
這裏先留三個懸念：
懸念一：從用户行為日誌開始到標籤產出，為什麼有兩條線？
懸念二：標籤體系為什麼只作用在內容標註上？
懸念三：為什麼下面的「評估」過程要特別標註出來？
1、從用户行為日誌開始到標籤產出，為什麼有兩條線？我們把畫像分為兩大類：第一類：統計型畫像；第二類：預測性畫像。
第一類，統計型畫像是客觀存在，這種都是興趣偏好。比如，用户每天都在看汽車新聞、搜索汽車相關的內容，基於這種行為，我們判斷這個用户對汽車感興趣。這些行為是客觀發生的，因此無所謂正確率，也不需要訓練樣本集。
第二類，預測性畫像。需要通過用户行為做預測，像用户的性別預測，尤其是挖掘人的內心態度。比如，用户在消費時，是激進的，還是保守的？有預測就有準確率。所以這裏面有很重要的評估指標，就是正確率，也需要取樣本集。這就是二者的不同，也會有不同的加工流程。
常用的一些標籤體系
再繼續介紹標籤體系，因為很多同學會問到，「我應該建一個什麼樣的標籤體系？什麼樣的標籤體系是比較好的？」通常我們會把它分為四大類：
第一類：人口屬性。比如説性別、年齡、常駐地、籍貫，甚至是身高、血型，這些東西叫做人口屬性。
第二類：社會屬性。因為我們每個人在社會里都不是一個單獨的個體，一定有關聯關係的，如婚戀狀態、受教育程度、資產情況、收入情況、職業，我們把這些叫做社會屬性。
第三類，興趣偏好。攝影、運動、吃貨、愛美、服飾、旅遊、教育等，這部分是最常見的，也是最龐大的，難以一一列舉完。
第四類，意識認知。消費心理、消費動機、價值觀、生活態度、個性等，是內在的和最難獲取的。舉個例子，消費心理/動機。用户購物是為了炫耀，還是追求品質，還是為了安全感，這些都是不一樣的。
如何判斷標籤體系的好壞？
在實際構建標籤體系時，大家經常會遇到很多困惑，我列舉 5 個常見問題。
第一、怎樣的標籤體系才是正確的？其實每種體系各有千秋，要結合實際應用去評估。
第二、標籤體系需要很豐富麼？標籤是枚舉不完的，可以橫線延展、向下細分。也可以交叉分析，多維分析。如果沒有自動化的方式去挖掘，是很難做分析的，太多的標籤反而會帶來使用上的障礙。
第三、標籤體系需要保持穩定麼？不是完全必要，標籤體系就是產品/應用的一部分，要適應產品的發展，與時俱進。比如，以前沒有共享經濟這個詞，今天卻很熱。我們是不是要增加一個標籤，分析哪些人對共享經濟的參與度高？喜歡共享單車、共享汽車。
但是，有一種情況下，標籤要保持穩定。如果你生產的標籤有下游模型訓練的依賴，即我們模型建完後，它的輸入是要保持穩定的，不能今天是 ABC，明天是 BCD。在這種情況下，是不能輕易對標籤體系做更改的。
第四個，樹狀結構 or 網狀結構？樹狀結構和網狀結構從名字上就可以看出其分別。網狀結構，更符合現實，但是層次關係很複雜，對數據的管理和存儲都有更高要求。知乎，如果仔細去看它的話題設置，其實是網狀的。
網狀的特點就是一個子話題，父級可以不止一個，可能有兩個。比如兒童玩具，既可以是母嬰下分分類，也可以是玩具下的分類，它就會存在兩個父節點之下。樹狀結構相對簡單，也是我們最常用的。網狀結構在一些特定場景下，我們也會去用。但是實現和維護的成本都比較高。比如，有一個節點是第四級的，但它的兩個父節點一個是二級，一個是三級，結構異化帶來處理上的麻煩。
第五個，何為一個好的標籤體系？應用為王，不忘初心。標籤是為了用的，並不是為了好玩，最好保證標籤體系的靈活和細緻性。
統計型標籤的生產流程
再回到剛才説的生產流程上。我先結合下面的圖介紹上半邊，統計型的標籤是怎麼去加工的。
首先我們要有行為數據，例如用户每天看 100 篇文章，有 40 篇是體育的，有 30 篇是汽車的，有 20 篇是旅遊的，還有 10 篇其他的。我推測，你比較喜歡體育、汽車、旅遊。
對於這樣的標籤，大概需要什麼流程去做呢？環節一很重要，內容標註。只有知道用户看的內容是什麼，才能統計偏好。環節二，如何基於用户行為做聚合統計和歸一化。
一個經典的標註例子：網頁標註
在做內容標註時，一般會有兩種情況：第一種：有些公司在建自有用户畫像時會很幸運，例如電商、視頻類、音樂類的媒體，它給用户服務的這些內容是已經分類好的。可以直接用內容的標註來做用户行為標註。
但是，對於一些通用型的內容，比如[友盟+]的數據，會有 PC 瀏覽數據、APP 的使用數據，一定要先了解用户喜歡看什麼，才能去做下一步的工作。在這裏面，最複雜，也最典型的就是網頁的內容標註。
標籤的最終生成：行為統計
根據用户的行為，統計標籤數值，歸一化。比如，我們判斷用户是喜歡運動、還是服飾，會將他看來多少相關網頁、使用了多少 APP 進行累加，在除以一個總累積，得到一個標籤得分。
這裏面有幾個點需要關注：
第一、統計量的選取。可能是瀏覽數量、瀏覽時長、瀏覽頻度、複合關係等。舉個複合關係的例子，對於某個商品類目的偏好，你可以將瀏覽、搜索、收藏，購買等行為統計量加權在一起考慮。
第二、個體內的可比性。個體用户的不同標籤間具有可比性。舉個例子，我有兩個標籤：閲讀、旅遊。我的閲讀標籤是 0.8 分，旅遊是 0.6 分，代表我更傾向於去閲讀，而不是去旅遊？如何保證這一點呢？在上面公式裏將個體的行為總和作為分母就可以了。
第三、垂類內的可比性。一個垂類內不同用户的相同標籤具有可比性。
例如，我的動漫得分是 0.8，你的是 0.6，表示我比你要更喜歡動漫。那麼分母就是選取整個動漫類行為的總和。比如説，今天全國用户在 B 站上一共 100 萬小時，你有 1 個小時，你是百萬分之一，他花了 2 個小時，大約是百萬分之二，最後再做一個歸一化，就會產生一個類內可比的得分。
我們剛剛説的是絕對化的值，還有一個簡單的做法就是做排序，基於用户的使用時間做排序，這樣也可以。
但是排序和歸一化到底有什麼不同？排序只代表相對性，而剛才説歸一化代表了強弱， 我的得分是 0.8 和你是 0.6，就表示偏好強度上我比你高了 30%，而排序則不能反映這樣的比例。
11、統計型標籤生產要點回顧
1、行為數據。瀏覽、使用、點擊、購買、LBS 等，通過行為數據反映人的偏好傾向；
2、標籤體系。根據實際需要進行設定。可以參考《消費者行為學》、電商類目體系、應用市場體系、媒體資訊體系等；
3、內容標註。把行為相關的內容抽出來做分析，把標籤體系先打到它們身上，再累積到「人」身上；
4、得分歸一化。明確歸一化的目標，選擇所需的歸一化方法。舉個例子，推薦適合用個體內可比較的得分，不管 A 看會某個內容用了多少時間，A 所看到最多的內容就優先推薦給 A，不用和其他人比較；
但在投放廣告上，就要考慮用户在這個商品上的傾向度有多高，需要用户間可比較的得分。
預測型標籤的生產流程
預測性標籤的生產流程：特徵抽取→監督學習、樣本數據→評估→標籤產出，這也是經典的機器學習流程。
特徵工程
特徵工程，是機器學習的關鍵過程之一。最重要的是提取不同側面的特徵。我們以移動端使用行為可抽取的部分特徵為例：
1、APP 使用事實特徵：用户 30 天內開啓 APP 的天數、用户 180 天內開啓 APP 的天數。這兩個數據都會作為特徵，考慮用户短期和長期的情況。
用户 30 天內使用 APP 時長佔比、用户 180 天內使用 APP 時長佔比。剛才説的是次數，這塊是時長，用户可能反覆打開，但是總時長很短。
2、興趣特徵：雖然信息有損失，但是泛化效果更好。舉個例子，你是 A 站用户，他是 B 站用户，理論上講，如果我們用最底層的數據，你們兩個人是不太一樣的，但某種程度上，他們都是對二次元感興趣的人；
近期用户興趣標籤歸一化值、長期用户興趣標籤歸一化值。用户長短期基於興趣標籤下使用不同 APP 的熵值、歷史某類 APP 時間消耗佔比變動比例。其實反映了我們要看這個分佈，以及分佈的趨勢性，你過去關注度高，現在關注度減弱，和你過去關注度不高，現在關注度高，其實這兩個是完全對應不同的人，這也是我們參考的特徵。
3、設備與環境特徵：近期使用的設備品牌、近期使用的設備型號；工作日時間段內 Wi-Fi 使用時間分佈、休息日時間段內 Wi-Fi 使用時間分佈（工作日與假日的區分）。
模型訓練與結果評估
1、模型選擇。有有監督的分類算法：邏輯迴歸、SVM、決策樹、Bagging、深度學習；
2、二分類 or 多分類。二分類比較簡單，多分類則有不同的拆分策略。舉個例子，把人分為男女，是二分類的問題；分為年齡段，就是多分類的問題，我們在機器學習當中也有不同的做法，OvO（一對一）、OvR（一對其他）、MvM（多對多）。
3、結果評估。評估指標包括：正確率、召回率、應用效果。但是對於統計型標籤來説無正確率，召回率看閾值，今天你只看一個汽車的型號，理論上我也可以給你打一個標籤，但是分值非常低，這個分值到底要不要算做這個標籤的人，要看中選什麼樣強度的人。預測型標籤，一般看 Precision，Recall，F-Score，ROC。
4、Ranking 任務。一類特殊的定製化標籤。針對特定場景，如對電話營銷需要按照可能性排序打電話。套用上述模型，可以用最終得分來做 Ranking。
15、關於標籤評估的延展
標籤的生產不是目的，使用才是。正確率≠效果，舉個例子：喜歡看車不代表是試駕購車的目前人羣。
第一，用户分層的評估。針對於重點人羣進行評估，不同人羣分層進行評估；第二，從全局進行評估。不要只侷限於樣本集合的評估，參看一些全局統計數據。例如，人口屬性的分佈和統計局的結果是否相符？第三，有效果反饋的應用。將標籤直接應用於使用場景中檢驗效果。例如，進行營銷的定向投放，測試點擊率；第四，利用其它數據佐證。使用其他行為數據來驗證標籤的有效性。例如，在電商環境中後續的行為差異來評估顯著性。
一個快速建模框架
我們今天不再強調標籤豐富度，而是快速建模的能力。快速建模怎麼做到？這套系統在[友盟+]比較完備，使得我們收到一個樣本就可以很快訓練模型，這個流程最快 3 個小時就能夠把標籤算出來。
用户畫像的應用
Data -> Insight -> Action->Data->…
第一步，先有數據，就像標籤生產出來，要有數據的過程；第二步，分析，洞察。洞察並不是最終目的，因為洞察只是得到一個結論或者方向；第三步，開始應用；應用後又帶來新的數據，從而形成數據的閉環。舉個例子，廣告怎樣的羣體點擊了，數據被反饋回來，下一個循環可以進行調整，不斷地迭代，優化整個效果。
DIP營銷服務流程
關於上述流程的實際使用，結合[友盟+]DIP 數據智能平台講一下營銷服務流程是如何做的。
左上面是我們一些數據，例如：客户上傳數據後，我們會有一個匹配的過程，把所有數據打通連接。上傳、匹配之後，會對這些數據做人羣分析。比如説寶馬 X1 今年剛上市，他們把去年購買 X1 的用户都上傳上來，我們會分析這樣的用户在哪些方面是有特性的，比如年齡段、地域分佈、收入、偏好。有了這樣的分析後，我們可以選擇相應的人羣，基於歷史的偏好、特徵，然後再去投放；如果中間我們會發現人羣量不夠，最初選擇 10 萬人可以放大到 100 萬人。最後輸出到媒體、RTB 等渠道商。做預算，看效果，將效果數據迴流，再去迭代，以進一步提高投放的精準率。這是我們常用的一個流程。
在舉個實際的例子，如果要做一個新產品的傳播推廣，這時需要做定向投放。我們先要對潛在用户要進行分析，例如對於科技產品非常感興趣的人，我們發現他每天 8、9 點特別活躍，通過進一步分析，他會和哪些媒體做觸達，或者他看不看電視會不會留意到地鐵裏面的廣告，這也是一個觸達渠道，以及看什麼樣類型的，看資訊、社交、八卦，這個不太一樣。要找到受眾，應該到哪找？比如説去這種有態度的網易新聞，還是個性化的今日頭條，或者説騰訊新聞，這都需要進行分析。
基於上面的分析之後，再做結合分析。舉個例子，你對科技感興趣，那你的手機是不是到了更新期，你手機大概用了三年，應該到了更新期，就可以對這樣的特定人進行投放。把人圈出來，投放、曝光，曝光之後我們去看營銷的結果，然後返回來繼續分析，會不會對其他內容感興趣，再去做下一輪分析。
這就是我們之前做的一系列方法的一個應用。
最後關於數據應用我再給出一些通用型的建議：
第一、分析：
1、結合業務場景去選擇分析維度：如果你是給中年婦女推薦保健品，你去分析她們喜歡不喜歡二次元，這就非常説不通了。
2、不要只是簡單的看畫像分佈，一定要做對比。
3、例如，與大盤對比情況：TGI。上圖是我們分析一個 APP 內的購買人羣。紫色的線是人羣的分佈，年齡段的分佈。我們看到 18-30 歲之間的人很多，感覺還不錯。但是，如果你做一下大盤情況，APP 的用户大多是年輕人，因為本身這個產品有一個年齡偏小的分佈特徵。通過分析對比之後發現，TGI 比較高是 30-39 歲的人，這個範圍的人才是在購買人羣裏面是顯著的，這個羣人才是你去做運營活動、投放的人羣。
分析，一定要去做對比，單純看分佈是並沒有太多信息含量。不對比看不出來差異。
4、環節的對比。哪些人我觸達了，哪些人到這裏落地了，哪些人註冊了、哪些人真正瀏覽、哪些是留存、哪些是付費，每一個環節你都可以做這樣的分析。
第二、精準投放（Action）。這是我們今天做標籤非常大的一類應用。這時候大家可能會發現，我們做品牌廣告、效果廣告是不同的，舉個例子，品牌廣告我們就會關心 TA 濃度，關注我投放廣告的人性別怎麼樣、年齡分佈怎麼樣。效果廣告是不一樣的，效果廣告通常很直接，你這個人是不是點了，最終 CTR 高不高，最終購買 ROI 高不高，這種一定是你最直接的興趣是什麼，你什麼性別不重要，我就想知道你要不要。
另外一點，直覺未必靠譜，一定要通過反饋來檢測，就是剛才説我們為什麼要數據閉環，比如説，有一個商品設計者説，我這個產品目標是吸引白領女性，實際上他上市場去賣的時候發現，買他的男性大學生最多，跟他想的根本不一樣。
如果你一直持續的給白領女性做廣告投放，實際上效果可能不是最優的，反而你做校園活動會達到更好的效果。
甚至説，你可以基於你的用户場景做專屬標籤，以及你可以通過人羣放大來做處理。舉個例子説，我今天有新的車型上市，一個方法是，先選取對汽車感興趣的人，或者 SUV 感興趣的人，就可以去做投放，這個效果就可能不是最優的，更優的情況是針對你這個 case，去針對性的做訓練，針對性的選取跟你相關的人，通常效果上比通用的標籤選取更好，這時候我建議如果你特別強調你的效果，就去試試訓練專屬的標籤。
更多詳細講解，請見知乎 Live
以上就是本次公開課的關鍵內容，更多演示請點擊「極客公開課•Live」第十四期查看獲取
(2017-09-22)
體育營銷機構郵人體育與肆客體育日前合作發佈了新一期的《2017歐洲足球俱樂部中國球迷畫像報告》，這份報告通過肆客足球App端、微博端、球迷微信羣等渠道收集了30362份有效問卷，總結了中國球迷觀賽習慣、獲取資訊方式、消費習慣及消費能力等方面的特點。
就球迷年齡構成方面，中國球迷羣體平均年齡為23.42歲，未婚人羣達到84.88%。在學歷方面，大學本科及以上學歷佔到了78.56%。 從職業劃分來看，喜愛歐洲足球俱樂部的中國球迷以大學生為主，佔比達54.76%。從地域來看，位列前三的地區分別是：廣東(11.09%)、北京(10.02%)、上海 (7.95%)。在個人收入方面，歐洲足球俱樂部中國球 迷羣體工資收入在 5000 元以下的比例為 70%，5000-12000 的為 22%，12000 及以上的不足 8%。
報告顯示，巴塞羅那和皇家馬德里分列最受中國球迷歡迎的俱樂部前兩位，分別佔到了17.47%以及15.8%；緊隨其後的是AC米蘭，有13.2%。而至於為什麼會喜歡上這兩支俱樂部，男球迷表示擁有喜愛的球星、喜歡球隊的戰術打法以及球隊戰績出色是主要原因，而女球迷則表示，會因為球隊或球員的顏值或者受身邊男性影響而喜愛上一支球隊，純粹因為喜歡球隊技戰術打法而成為球迷的女性相對較少。而各俱樂部球迷的年齡構成上，國際米蘭的球迷平均年齡較大，為30.33歲；巴薩和利物浦的球迷年齡最小，為20.5歲。還有71.6%的受訪對象表示，自己擁有第二主隊，其中曼聯、多特蒙德和皇家馬德里分列前三。
在球迷關注主隊信息的渠道方面，球隊的官方社交媒體平台佔了大頭，有70.77%；而有63.94%的受訪者表示會關注門户，有51.85%的受訪者表示會使用垂直類App。另外，有30.35%的中國球迷選擇了購買整季付費觀看的形式，22.68%的球迷選擇單場付費觀看，45.97%的球迷選擇只看免費場次，可見球迷付費觀看習慣正在逐漸養成。
(2017-09-25)
日前，TalkingData發佈了《運動健身人羣畫像洞察報告》。報告顯示，隨着生活節奏的加快，人們越來越重視自己的身體健康，運動健身已經成為了很多人生活的一部分。不過，如今的運動健身已不同於以往，通過App記錄管理運動健身習慣，安排健康食譜等等，都已成為大趨勢，尤其是北上廣深等城市，運動健身類APP更是備受熱捧。可以説，如今的運動健身已經全面APP化！而對於這一趨勢，從國內領先的安卓應用分發平台360手機助手上，我們或許能得出更為直觀的反映！
運動健身類APP數量激增，更出現細分項
從360手機助手上的運營大數據可以看到，運動健身類APP的數量一直在不斷增加，目前已有高達上千款。其中，下載量達到千萬級別、百萬級別的更是不在少數。除此之外，在360手機助手平台上，不僅上線了“運動健身”分項，而且還出現了“騎行”、“減肥”、“高爾夫”、“跑步”等細分項。
APP數目和種類的增加表明，目前已有越來越多的人選擇通過APP來輔助健身，可以説全民健身時代真的已經到來。同時，運動健身類APP受追捧，下載量高的APP數目眾多，也從側面説明運動健身市場競爭的激烈程度！
社交類健身APP成主流，運動健身類APP社交化已成趨勢
從TalkingData發佈的報告中還可發現，各類健身APP主打的形式也不盡相同。總得來看，主流的健身類APP為社交類，計步類與減肥類次之，而只能設備類最少。四類健身APP整體使用人羣數量趨於穩定！
而從360手機助手上也可以看到，運動健身類APP中下載量達到千萬級別的Keep、樂動力、咕咚都是社交類健身APP。“咕咚”APP更是以“達人社區”、“視頻直播”等功能，廣受用户好評。
值得注意的是，這與360手機助手此前發佈的《2017年上半年應用行業趨勢報告》（以下簡稱：報告）反映的趨勢相符合。報告顯示，伴隨着中國移動互聯網進入後人口紅利時代，移動應用的用户爭奪從“量”轉向了使用時長。而他們的主要手段則是：通過內容消費，同時加入社交屬性，儘可能多的增加用户黏性，以增加用户使用時長。同時，360手機助手的數據顯示，2017年上半年搜索下載量TOP50的應用中，內容型/社交型的應用佔比高達54%，新上架的應用中，具有該類屬性的應用佔比高達18%。因此，社交類APP社交化趨勢的發展已成必然！
有業內人士表示，人是社會性的羣居物種，社交是必備的技能。當運動健身成為同事朋友間最日常的話題時，運動健身才會變成真正的生活方式，而當運動健身類APP成為人們健身的重要途徑時，其社交化也將不可避免。
(2017-09-11)
所長阿米為了給大家挖掘更一手的跨境電商美國本土發展趨勢和線上線下多渠道經營的要點，冒着颱風中的瓜娃子「瑪娃」從紅色暴雨警告的廣州飛香港再飛達拉斯，足足飛了16個小時再度來到米國。
插花：你們曉得其實從香港直飛，或者經韓國或者日本飛米國的機票其實很便宜嗎？最便宜的票僅需不到3500軟妹幣。
據美國經濟分析局(BEA)今年年初公佈的數據顯示，美國2016年第四季度的國內生產總值(GDP)數據，在各州中，GDP增長最快的是德克薩斯州，達到3.4%。而財務保險、零售業、專業服務、科學和技術服務是美國第四季度經濟增長的主要貢獻者。
第一排：東南地區遠西地區中東部地區大湖地區
第二排：西南地區平原地區新英格蘭地區落基山脈地區左邊的
圓環：各地區GDP的份額右邊：各地區的居民數量
如圖表所示，GDP的份額與該地區生活人口的規模具有很強的相關性。包含12個州的美國東南部共有大約8300萬人口(或美國人口的四分之一)，毫不奇怪地是它佔美國GDP總額的份額最大，達到21.4%。相比之下，人口稀少的落基山脈地區(1200萬居民)僅佔美國GDP總額的3.4%。
儘管今時今日我們很簡單就能中國在全球不同的國家地區不同的電商平台或者自建的獨立電商網站在線上開店做跨境電商。但對絕大部分經驗豐富的跨境電商老司機來説，雖然很多自己做得很不錯，可是你要他們來分析為什麼自己做得好，這可不是容易的事。
與此同時，不少的線下零售商們卻還為他們的電商銷售渠道建設與資本化路線傷筋動骨卻老是沒做到要點上。而有部分的線下零食商確實在線上電商這個事情上，取得了不錯的成績。比如costco就因其電商的增長受到投資者追捧。
2017年，線下零售線上電商互動成功的要訣不僅僅是行動並在實踐中驗證和修訂。事實上，這些如沃爾瑪、COSTCO等線下零售商也開始取得了不少的進步。他們的成功秘訣很簡單：制定戰略，專注目標,高效地緊盯一個隨時要進行購買的客户。雖然這需要從他們建立堅實而全面的客户資料數據庫模型及應用。
對於很多中小型的電商企業來説，客户數據來源卻是異常狹隘和緊缺。建立一個能適應本身企業實際發展狀態，又能從高度上獲取整個品類行業的縱覽與細節的數據模型呢？通常情況下，這意味着需要支付不少的費用來購買有效數據報告。
其實我們身邊有不少的數據其實可以通過公開渠道獲取，關鍵是你是否曉得通過什麼渠道、關鍵詞獲取到數據，同時獲取到數據後怎麼樣進行加工分析。
為此，所長阿米通過公開渠道收集到的一些有關美國消費者在線上的電商發展趨勢，數據、分析報告，做成系列報告給大家參考。
這些數據包括：
消費者轉化為客户的關鍵因素；你的品類業務應該聚焦在什麼樣的線上渠道以獲取最優的訂單，也就是我們常説的ROI分析等。
這些數據給大家一個窗口去了解：
美國的消費者在線上購物時所關注的要點，同時也羅列了如何使得你的電商企業如何去適應現在的消費者變化的可能點。
這些要點數據有助大家去過濾來自你電商業務各個板塊的數據
今天我們來一起看系列報告的第一節
我們一起來看下面的這些數據：
一、在線購物
有超51%的美國人喜歡在線上購物
96%的美國人在他們的一生中進行過最少一次的線上購物，而其中80%的美國人在過去一個月中進行了一次線上購物
美國的電子商務在過去這些年裏面一直保持的23%的年增長率，然而卻有近46%的美國小型企業連個網站都沒有。
2016年第三季度，美國的線上電商同比增長8.9%，但是，平均客單價average order value(AOV) 僅僅增長了0.2%，這意味着交易增長超過了整體的業務收入。
二、人羣世代的電商趨勢
67%的千禧世代Millennials和56%的X世代Gen Xers相比在實體門店，他們更願意在線上購物
41%的戰後嬰兒潮一代Baby Boomers和28%的年長者Seniors會選擇電商購物
千禧世代和X世代每週花超過50%接近6個小時的時間在線上進行購物，而比他們稍老的對應人羣則每週花4小時進行電商購物
48%的千禧世代在線上平台市場進行購物，76%選擇了大型的獨立零售網站，46%選擇了獨立站或者是獨立的小店鋪，29%的人在選擇細分品類的在線網站。
56%的X世代在線上平台市場進行購物，76%選擇了大型的獨立零售網站，49%選擇了獨立站或者是獨立的小店鋪，37%的人在選擇細分品類的在線網站。
59%的戰後嬰兒潮一代在線上平台市場進行購物，74%選擇了大型的獨立零售網站，42%選擇了獨立站或者是獨立的小店鋪，39%的人在選擇細分品類的在線網站。
51%的年長者在線上平台市場進行購物，66%選擇了大型的獨立零售網站，30%選擇了獨立站或者是獨立的小店鋪，44%的人在選擇細分品類的在線網站。
千禧世代和X世代每週花6小時在線上購物;戰後嬰兒潮一代每週花4小時在線上購物;年長者每週花2.5小時在線上購物
三、父母型消費者電商趨勢
父母型消費者相比非父母型消費者在線上購物平均花費更多，父母型消費者為40% 而非父母型的則為34%
而每週購物時間，父母型消費者平均花7小時，比非父母型的消費者平均花的4小時超75%。
父母型消費者相比非父母型消費者在線上消費金額上多花61%的錢($1,071 vs. $664)。
接近半數的父母型消費者聲稱他們離開在線購物無法生存。
53%的美國父母型消費者在線上平台進行消費，78%選擇了大型的獨立零售網站，53%選擇了獨立站或者是獨立的小店鋪，34%的人在選擇細分品類的在線網站。
54%的美國非父母型消費者在線上平台進行消費，72%選擇了大型的獨立零售網站，39%選擇了獨立站或者是獨立的小店鋪，37%的人在選擇細分品類的在線網站。
四、性別的電商趨勢
男性在過去一年中相比女性多花28%的費用在線上購物
52%的男性消費者在線上平台進行消費，75%選擇了大型的獨立零售網站，39%選擇了獨立站或者是獨立的小店鋪，31%的人在選擇細分品類的在線網站。
56%的女性消費者在線上平台進行消費，74%選擇了大型的獨立零售網站，48%選擇了獨立站或者是獨立的小店鋪，40%的人在選擇細分品類的在線網站。
男性消費者和女性消費者平均每週5個小時進行在線購物
五、城市規模的電商趨勢
儘管生活在大型或者是中型的都市地區的消費者們有更近的實體門店在身邊，數據顯示，他們每年花費在線上電商的金額($853)，遠超於生活在市郊的消費者 ($768) ，或者是生活在農村地區的消費者 ($684)。
生活在都市區域的美國人在線上電商花費最多
63%的生活在市郊的消費者分享説，其實線上購物所造成的購物成本其實是他們最不關心的事情。
38%的生活在農村的消費者説他們更關注在線購物的隱私問題
49%的生活在都市區域的消費者在線上平台進行消費，76%選擇了大型的獨立零售網站，45%選擇了獨立站或者是獨立的小店鋪，30%的人在選擇細分品類的在線網站。
60%的生活在市郊區域的消費者在線上平台進行消費，73%選擇了大型的獨立零售網站，44%選擇了獨立站或者是獨立的小店鋪，42%的人在選擇細分品類的在線網站。
58%的生活在農村區域的消費者在線上平台進行消費，71%選擇了大型的獨立零售網站，39%選擇了獨立站或者是獨立的小店鋪，40%的人在選擇細分品類的在線網站。
生活在大都市區域的消費者據數據顯示每週花費4.5小時進行線上購物
生活在市郊區域的消費者據數據顯示每週花費5小時進行線上購物
從上述的數據，我們可以清晰地看到一個有趣的結論：
在美國的眾多的電商玩家中，儘管強大如亞馬遜或者是沃爾瑪這樣的既擁有線上線下軟硬件又擁有傲視羣雄的全球供應鏈及資金優勢，擁有自己特色品牌優勢和粉絲的獨立站，幾乎從數據上佔據了美國線上約40%的份額。
(2017-09-06)
秦始皇嬴政，祖龍。
漢高祖劉邦。
隋文帝楊堅。
唐高祖李淵。
宋太祖趙匡胤
元太祖鐵木真
明太祖朱元璋
清太祖努爾哈赤，殺盡遼東漢人。
(2017-09-21)
個人從小最喜歡的一部動漫，畫得最多的也是龍珠的角色，現在畫的人物多多少少都有鳥山明老師的風格。
這個畫得有些草率，一些細節處理得不是很好，明天還要上班，所以草草畫了，個人非專業畫手，只不過是對畫畫有濃厚的興趣，從小自己喜歡畫些喜歡的東西，畫得不好請多多指教哈
(2017-09-07)
早安海峽：天安門深夜更換毛主席畫像 印軍對“巴鐵”開火
2017-09-28
中國台灣網
【頭條】
全球競爭力榜單出爐這26國排在了中國前頭
世界經濟論壇27日公佈2017-2018年度全球137個經濟體競爭力最新排名，中國名次上升至第27。報告用基礎條件、效能提升和創新成熟度三個層面的12項指標來衡量全球經濟體的競爭力。根據報告，美國從第3升至第2，繼續在發達經濟體中競爭力名列前茅；加拿大從第15上升至第14。這意味着北美區域在技術創新上仍然是領頭羊。中國名次比去年提升了一位，位列第27，不僅繼續領跑金磚國家，也是全球最具競爭力的新興經濟體之一。中國排名為何提升？報告稱，中國在“市場規模”“宏觀經濟環境”和“創新”三項指標表現最為突出，在“技術就緒程度”“商品市場效率”和“高等教育和培訓”方面進步較大。（中國新聞網）
【大陸】
天安門深夜更換毛主席畫像用時1個多小時
為迎接國慶68週年的到來，9月27日夜，天安門城樓毛主席畫像迎來了每年一次的“換新”工作。在施工人員們細心、安全的操作下，經歷一年風雨的舊畫像被緩緩取下，最新繪製而成的毛主席畫像懸掛在了天安門城樓上。9月28日清晨，來自五湖四海的遊客將在天安門城樓上看到一幅顏色飽滿亮麗的毛主席畫像。據瞭解，毛主席畫像高6米、寬4.6米，加上框，總重量達1.5噸，是全亞洲最大的手繪領袖畫像。（北青網）
中國駐朝鮮大使館舉行國慶招待會朝副外相出席
9月27日，中國駐朝鮮大使館舉行“慶祝中華人民共和國成立68週年”國慶招待會，朝鮮外務省副相李吉成等朝鮮客人以及駐朝各國使館和國際機構代表出席此次招待會。中國駐朝鮮大使李進軍在招待會上表示，中國黨和政府重視中朝關係，願同朝方一道共同努力，為推進中朝友好合作關係排除各種干擾不斷向前發展，為維護地區和平穩定做出積極貢獻。（人民網）
【台海】
國民黨松山區黨部恐被查封黨工貼滿布條轟抄家滅族
國民黨被台當局“黨產會”追徵早期以“轉帳撥用”無償取得公有土地財產8.6億元新台幣，但因國民黨以美金公債債券、“中投”公司股票抵銷，遭台當局“行政執行署”拒絕。“執行署”預定分3梯次查封與國民黨有關的10處房地產，27日下午1點30分先前往台北市國民黨松山、信義區黨部進行查封，而黨部人員則在辦公室外貼滿抗議布條。（中國台灣網）
吳敦義：堅決反對任何形式的“台獨”
台當局“行政院長“賴清德指台灣是一個“主權獨立的國家”。國民黨主席吳敦義在下午的中常會上鄭重做出回應，國民黨始終堅決反對任何形式的“台獨”，此一堅定立場從未動搖。（中國台灣網）
【國際】
美國與俄羅斯將合建首個月球空間站
當地時間27號，美國航空航天局（NASA）表示，美國和俄羅斯將合作建造首個月球空間站，名為“深空通道”，以其作為基地對太陽系進行深層探索，並在遠期實現將人類送上火星的目標。該工程由美國航空航天局主導，在運行後空間站內將有宇航員長期駐守。據媒體報道，美俄已在澳大利亞召開的2017國際宇航大會上簽署了合作協議。預計空間站將於2020年動工，其第一個艙室將在2024年到2026年間完成。（央視新聞）
印軍一天兩線作戰：打“巴鐵”又在印緬邊境開火
9月27日，印軍在印巴克什米爾實控線附近對巴基斯坦地區開火，造成一名平民死亡，6人受傷。印媒稱，印度邊防部隊將該項舉措命名為“阿瓊行動”，作為對上個月巴基斯坦方面沿邊境線使用狙擊手對付印度士兵、以及向村莊開炮等行為的“強硬回擊”。而就在同一天，印軍還在印緬邊境開展了一項“重大軍事活動”，突襲了那加山區的卡普蘭武裝組織（NSCN-K），打死數名武裝人員。印度軍方宣稱，此次行動是出於對印緬邊境武裝組織的“報復”。（海外網）
魅力中國，早安海峽，關注台灣，解讀兩岸！以上就是今天的全部內容，各位，明天見！
本文來自騰訊新聞客户端自媒體，不代表騰訊新聞的觀點和立場
(2017-09-28)