做使用者異常分析，需要選擇注重策略營銷與自動化的營銷管理平臺，值得注意的重點有以下幾個方面：

1、人群特徵分析：人群特徵分析幫助品牌回答如下的問題：不同特徵維度（例如人口屬性、消費習慣、會員等級）的人群分佈和數量在一定時間段內符合特定特徵的人數變化。

4、消費行為特徵分析：消費行為是客戶用“錢”表達出來的意願，因此展現的客戶特徵更加真實可信，在資料分析中有更高的權重。透過消費行為資料，品牌可以瞭解客戶的購買力、購買習慣（可分別從時間、場所和渠道角度）、商品或服務的偏好（品牌、品類、款式風格等偏好）。結合特定的資料探勘模型，品牌還可以基於歷史消費行為，來預測未來消費的可能性。

5、非消費行為特徵分析：消費行為資料含金量很高，但量級遠低於非消費行為資料。當具備了收集和整理非消費行為資料的能力後，品牌需要對積累的大量資料進行分類、加工和分析，形成客戶洞察。這些洞察可更好的最佳化引導到消費轉化的策略，或把相同人群的消費和非消費特徵進行比較，以形成新的洞察（例如發現高潛力的潛在高消費人群）。

6、組合分析：在具備資料和不同維度的分析工具後，需進一步將不同維度的分析進行組合，以產生新的洞察。

例如：

- 分析不同人群的同維度分析結果，找出人群差異或行為表現和人群特徵的關係。

- 一定時間週期內，特徵人群的數量變化，行為或者特徵的變化趨勢

- 特定行為分析路徑中，對特定步驟或人群的資料下鑽，找到更下一層的特徵和行為原因