随着通信技术的快速发展和手机使用率的普遍提高，利用精准营销来提高企业的经济效益越来越普遍。在精准营销的过程中，客户画像是否能够精准描绘，起着至关重要的作用，而数据的准确和完整又是精准画像的关键。本文利用运营商数据，识别用户轨迹的相似性，并在此基础上对重点客户做精准画像，协助企业进行精准营销，提供企业的收益。
　　首先，根据四分位距的方法，分别计算2G基站和4G基站长时间驻留的阈值，并根据基站的经纬度数据，采用RSSI分布定位法修正用户的位置，以降低用附着的基站作为用户位置的误差。其次，通过DBSCAN密度聚类，识别每个用户的活动区域，采用DTW动态时间规整进行用户轨迹的相似判断，解决用户活动区域个数不同难以计算的问题，分别计算出用户经度、纬度、时间相似性，通过变异系数法计算经度、纬度、时间的权重，最后得出用户的相似度。最后，采用以上方法，识别重点客户拥有的全部手机号码，实现对客户的精确识别。进而通过客户呼叫指纹、常驻位置等信息构建亲密度模型，结合家庭圈、朋友圈、同事圈特征，识别出客户的潜在偏好，结合客户基本信息，输出客户的人文特征、个人偏好、关注点、圈子偏好等精准的客户画像特征，并使用机器学习自学习自优化的技术，支撑数字化智能营销、客户存量维系及客户拜访等精准营销服务场景。
　　本文对移动用户轨迹的相似性度量方法进行了改进，并运用在构建用户精准画像的应用上，演进了客户画像框架的构建方法，推进了轨迹相似性的理论及应用研究，提升了客户画像构建的精准度，对移动用户轨迹的数据挖掘和应用具有一定的参考意义。