但是如何构建潜在客户呢，其实，这里面需要运用预测模型，常用的是逻辑回归，分为正负样本，开奖，其中某一类变量是线下地理位置，在对潜客进行预测打分

但是大部分公司线下地理位置加工只是停留在区域，并没有归类，例如：我们知道某处幼儿园的用户，但是我们不知道这一个省份中所有幼儿园的用户，一般来说我们圈定人群就是根据经纬度来划分，但是我们需要找寻某区域所有幼儿园附近的用户，这需要数据公司人为归类，同时利用geohash技术进行详细规整

下图简版的地理位置数据加工，我们根据热力图情况和每时段人次，找寻人口密集的地域，例如某时间周期内，出现人数最多的是四川省成都青阳区，我们知道他的经纬度（GPS获取），从百度地图中看出附近是交通枢纽，在用geohash（精度4-6） 来圈定出现过此区域的人群都是在交通枢纽，这部分就是所说的地域加工。

这个是构建模型加工数据的变量之一，我们后续在区根据其他变量，例如线上属性，手机品牌等，来构建逻辑回归预测人群，很多公司也叫此技术为lookalike技术，atv，但是每家公司变量加工维度，变量获取不同，因此只能给出一个打分排序，分值高低不能说明问题。

最终营销建议：

小结

因此，线下数据不光只是通过热力图来看，重点是如何用这些数据，构建人群画像，获取潜客，来达精准化营销，资源配置，估算人口，招商引资等。但是，这些是方法，我们需要了解线下数据的获取来源，以及优缺点，这样我们在做人口估算，人群画像，预测过程中才能有的放矢，取长补短。

作者：冯大福，新人，公众号：说说数据分析那些事儿