雖然今天的標題叫"網路瀏覽資料怎麼用？"，不過主要講的內容會是關於如何從網路瀏覽資料提取可以應用在行銷和廣告情境的使用者資訊。因為知道怎麼提取後，相信聰慧如各位，很容易就可以想到一些應用的情境了。

在分享位置資料怎麼應用的那篇文章裡，有提到"標籤"這樣的概念。也就是我們會把使用者的行為特性、喜好等資訊，用標籤的形式"貼"在使用者上。所以一個使用者身上會有多個標籤，而我們也可以查詢出擁有同一個標籤的眾多使用者。從網路瀏覽資料提取可以應用在行銷和廣告情境的使用者資訊，簡單來說就是從網路瀏覽資料找出可以貼在使用者身上的標籤。

如果還記得前一篇文章裡提到的，我們會定義各網域的類別，然後利用RFM模型的概念，利用一段時間內的DPI資料/DNS查詢記錄去算出每個使用者在造訪特定網域或是特定類別網域的時間分佈(Recency)跟頻次分佈(Frequency)中的落點。而這些分佈的落點就成為了幫使用者貼"標籤"的主要參考資訊來源。舉例來說，我們可以把頻次分佈分成四個級距，若是某手機使用者造訪nba.com的頻次落在頻次分佈最高頻的那組，那我們就可以幫他貼上"前25%常造訪者"這樣的標籤。也就是說籃球鞋品牌，可以透過我們的系統內這樣的標籤，找出最常上nba.com的一群手機使用者，再針對這些人去投放廣告。

也可以基於時間分佈定義類似的標籤。利用這些標籤找出來的使用者，還可以再做交集或聯集等運算，對想針對的目標族群做調整。比如說，可以在上面的NBA例子上再交集一個標籤："最近一週有造訪"(時間分佈產生的標籤)。那這樣就可以找出"最近一週有造訪"且是"前25%常造訪者"的使用者群。再針對這群使用者去規劃和執行對應的行銷或廣告活動。

以上簡單分享可以怎麼從網路瀏覽資料提取可以應用在行銷和廣告情境的使用者資訊，跟使用者資訊的基本用法。明天會和大家介紹一些更"暗黑"一點的進階用法。敬請期待。