第壹步：
分析意向客戶要求特點，顧客的年齡層，性別，家庭經濟情況，選購愛好，消費習慣這些。
第二步：
根據數據技術工程師數據模型，模型關鍵分成基本實體模型和個人行為實體模型。舉個例子，您是做K12培訓行業的，在其中個人行為實體模型例如：關鍵詞搜索(例如小孩考試成績降低該怎麽辦，哪有好的學科輔導教師，如何提升小孩考試成績這些)、網頁瀏覽(教育網站、jyj網址、培訓學校網址這些)、撥電話(同行業400)、瀏覽過教育APP(某某某查題、某某某背英語單詞等)、應用過課堂教學微信小程序(院校發布考試成績服務平臺等)。
第三步：
運用運營商DMP服務平臺開展數據發掘，歷經再生產加工深抗過敏分析解決，擁有基本肖像，就擁有精確顧客，可是每壹個檢索小孩考試成績降低的就全是意向客戶嗎?並不是，他有可能是教師，有可能是教育咨詢師。因此在每壹個標誌後邊都是有壹個幾率數量。
第四步：
創建詳細肖像實體模型，對於每壹個標誌做多方面分析。就網址而言，進到的網址有木有申請註冊端口號，在網址等待時間，網址有木有營銷推廣這些都能夠做主要參數設置。漸漸地詳細全部肖像，這也就是壹些情況下，用戶畫像是在營銷推廣全過程中漸漸地健全的。
第五步：
風險控制，非常簡單的風險控制便是抗過敏，除去比較敏感信息，另外獲得顧客受權。(目前市面上大部分代理公司也沒有風險控制或是風險控制名存實亡，這便會對協作公司產生不能預計的潛在性安全隱患)。