一条数据曲线（指标）不合适的时候，必须要优化调整。例如：做账单分期活动，就经历多次调整，从全量用户的账单总和、调整成有过账单分期记录的用户的账单总和，最后又调整为监控5万账单用户这个小群体用户的账单总和。
即便在“最优”节点上做活动，每个用户的价值走势也不相同。常常是多数用户在的时候，某些用户恰巧处在他们自身参数的“最差”时段。所以如果实现针对每个用户定制营销策略，将会进一步挖掘用户身上的价值。
针对每个用户的独特属性和偏好的研究和运营，最基础的工作就是“打标签”，除了常规的人口属性（年龄性别省市）和兴趣偏好（游戏视频商品），还应该收集更多的行为属性，诸如游戏胜率、跳过广告次数、账户资金余额均值等。基于成型的标签体系，运营团队就可以展开类似“千人千面 ”的个人专属活动。
实施过程中需要定期查询个人的标签及其属性值的变动，一旦触发营销条件，即可推送预置好的活动。
例如：某日凌晨的定时任务，检索到A用户在近1周内信用卡交易笔数低于其15周均值的10%，则赠送一份小额、限时刷卡金，将有助于提升用户刷卡的活跃度。
检索用户属性通常比较耗时，通常会放到凌晨执行。随着近些年实时计算平台的发展，实时的推送营销活动，尤其是促销活动已成为可能。
例如：在淘宝首页搜索并点击查看从未搜索过的生僻商品（香水、鱼竿、砂轮机等等），很短时间内，淘宝就会做出类似千人千面的响应：在首页和推荐位上就会显示这个生僻品类的推荐商品，有时就是刚刚点击的商品，整个过程最短的抽样仅17秒。
