案例来源：@美团技术团队
1. 外卖O2O特征
1）新事物：许多用户对外卖平台的新品类、自己的需求都了解较少，需要平台发现用户消费意愿
2）高频
3）场景驱动：外卖有极强的场景性，对于同一个用户，工作餐ta关心的是健康、价格合适，周末的夜宵关心的是好吃、价格不敏感
4）用户消费的地理位置固定：结合地理位置可以帮助判断用户的消费意图
2. 对外卖用户画像的需求
1）获客：谁是目标用户，应该用什么方式营销
2）转化：提高客单价和消费频次，使用的方法包括交叉销售、向上销售、重复购买（红包刺激、优惠券等）
3）留存
3. 新客运营
1）目标：
a. 新客在哪
b. 新客的偏好如何
c. 新客的消费力
2）困难：新客的记录非常少甚至没有
3）解决方法：
a. 新客在哪：用人口属性、地域和周围人群做判断
b. 偏好和消费能力：通过线下到店消费记录、工作和居住地点判断
4. 流失预测
1）用户流失的原因：
a. 竞争对手
b. 体验问题
c. 需求变化
2）方法：
a. 机器学习：将t日内未下单视为分类问题，树模型或者lr解决
b. 生存模型：cox-ph模型
5. 场景运营
1）场景可以用时间、地点、订单还原，如工作日的下午茶、周末的家庭聚餐
2）其中最重要的是订单地址的分析
3）进一步对合并订单进行识别，区分是个人订单还是拼单
6. 外卖用户画像的挑战
1）数据多样性：如地址、餐品名等，要引入nlp技术
2）外卖品类单一，用户的外卖行为不足以反映偏好，需要结合其它消费场景数据
3）客单价低，消费决策快，缺乏下单前足够的浏览行为做预测