1蚯撩、目標
精準定位目標用戶耿芹，提高平臺資源利用效率；
預判用戶構成及規(guī)模腊徙，分類運營屋摔；
推動平臺資源轉化數(shù)據(jù)烁设、用戶分包跟蹤數(shù)據(jù)，在idata自動化展示钓试；
2装黑、基本思路
預研究：問卷調(diào)研，初步判斷用戶規(guī)模
715--813刪檔測試：基于調(diào)研分層提取目標用戶亚侠，并分包跟蹤測試曹体，用戶規(guī)模二次驗證
限號不刪檔：基于實測數(shù)據(jù)建模，細分用戶硝烂，分包跟蹤箕别，用戶規(guī)模三次驗證。
3滞谢、詳細思路：
①預研究：
根據(jù)火影IP和動作格斗兩個維度串稀，通過問卷調(diào)查初步判斷目標用戶構成和屬性：定義核心、次核心狮杨、潛在和外圍用戶標簽母截，并根據(jù)各類用戶占比，反推目標用戶規(guī)模橄教。
②刪檔測試分包驗證
投放策略：根據(jù)核心清寇、次核心、潛在和外圍用戶的定義护蝶，結合用戶來源华烟，將目標用戶分成X大類X小類，從每個小類中抽取用戶投放持灰；每個小類盔夜，各導入5000安卓用戶，投放量根據(jù)轉化率調(diào)整堤魁，若導滿5000則停止該小類用戶投放
詳細提包規(guī)則如下：
分包跟蹤：
根據(jù)上述分包喂链，對15小類用戶的新進、留存和付費表現(xiàn)進行跟蹤：
驗證是否符合預判：核心>次核心>潛在>外圍妥泉；
根據(jù)各類用戶新進椭微、留存表現(xiàn)，調(diào)整上線后活躍盲链、收入規(guī)模的預估赏表；
根據(jù)平臺資源轉化數(shù)據(jù)检诗、用戶分包跟蹤數(shù)據(jù)，在idata自動化展示落地瓢剿；
數(shù)據(jù)建模精準定位：
刪檔測試后，對刪檔測試用戶悠轩，按照留存间狂、付費，劃分核心火架、次核心鉴象、潛在、外圍何鸡，分別進行特征學習纺弊；
根據(jù)學習到的用戶特征，計算每個用戶屬于火影目標用戶的概率骡男，概率從高到低淆游，重新劃分核心、次核心隔盛、潛在和外圍犹菱；
