客户数据平台提供多维特征分析能力，支持用户基于模型与算法，洞察人群的显性与隐性特征，并挖掘出最符合该人群的标签组合。同时，支持按显著度、覆盖率以及人群数量等指标，生成符合特定需求的人群包，以便进一步的分析和决策。

• 正负样本输入，辅助模型训练

• 基于模型精准预测，推荐最佳标签

• 按显著度、覆盖率、人群数量导出人群包

3.1 标签推荐场景

在实际业务中，企业由于标签及标签值的数量巨大，通常难以直观判断使用哪些标签以及标签值来筛选目标人群。通过使用多维特征分析功能，可以根据已有的成功与失败样本来挖掘有效的标签特征。

例如，企业上传去年中秋高活跃用户（正样本）的信息，并接受系统算法推荐的负样本。系统通过对两组样本的分析计算，发现“性别：女性”、“消费水平：中高档”和“年龄：20-30岁”组成的特征组合在所有组合中综合评分最高，效果最好。因此，在今年中秋的促销活动中，企业可以优先使用这些标签圈选目标群体，进行营销触达，以提高营销效果。

3.2 客户洞察场景

在一些特定的营销活动中，如新品上市大促，企业可能已经有了被成功触达的正样本，以及多次触达失败的负样本，但是对于这两组人群具有何种特征可能并不清楚。这时候，可以通过多维特征分析，深入研究两类样本各自的特性，以加深对客户的理解。这样，企业就能优化自己的运营策略，提高产品的销售和营销效果。

3.3 风险预测场景

在金融、保险等行业，多维特征分析可以帮助企业进行风险评估。

例如，企业通过收集一段时间内违约和未违约的客户样本，对正负样本进行多维特征分析，找出违约与否的主要特征，帮助企业预测风险，减少损失。