电子商务方面的计算广告，就是个让人举烂了的例子：

1）每一台手机都是媒体端，都对应着独特的IMEI号和场景信息。

2）用户平时的搜索、对话……不同应用的使用时间、不同页面的停留时间，这些都会被记录下来。最终形成该IMEI号对应用户画像标签，如（男、青年、已婚、无子、白领、喜欢汽车、IT、理财等）。

3）然后，针对这个用户，广告投放端会列出一系列广告及它们对应的标签属性，将每一个广告都与该用户的画像标签同时输入到点击率预测模型中进行模拟计算。

4）得出点击率最高的一则广告（也就是你看到这则广告后，最有可能点进去的广告），将其投放到媒体端，形成该用户在最显眼处看到的广告。ъìＱυＧΕtＶ.net

这玩意就是大数据的应用。

只要你还要接触电子产品，大数据中你就有对应的编号和画像标签。这是无法摆脱的事情，除非你愿意回归山林，倒退到原始社会呢。

这个大数据有多精确呢？其实大家都亲身体验过。

毕竟，大数据的起步数据量都是P级别（10的15次方），如此多的数据，想要得到准确的预测数据，真的难吗？

所以，池远也打算通过这样无耻的行为（搜索记录、语音等），来为用户定制一对一的学习路线。

包括题库、某类题出现的频率都是私人定制的。

当然，这一切的前提都会告知用户。若不愿意接受这样的‘私人订制’，那APP就可以当做一个标签定向刷题+搜题软件。

只要用户同意，搜索记录等作为初始参考数据，随后用户需要所在教育阶段和目标，通过第一套试卷试试水，形成总体数据。

接着，无论是录入的纸质题数据还是APP上的做题/搜索数据，都会被不断记录。

可被分析的数据又包括：用户的做题量、每道题对应的知识点和难度、做题标准速度差异比、错误频率……每一题做完，都会询问用户——自认为的对这道题的掌握情况。

将这些数据录入模型后，进行分析计算，最终就能在数据库中形成学生认知水平画像。

根据这一画像，就能进行个性化学习推荐。

只要数据量越多，准确率就越高，推送的习题及辅导就会越来越准确。当然，也会提供用户主动’提高‘和’降低‘难度的机会。

“加上提醒功能，再引入学校