这种精准的背后，不仅仅是因为Facebook拥有大量的用户，还在于其对多维社交数据的收集和深度挖掘。其创始人扎克伯格曾在F8 Keynote上提起过一个 Open Graph Protocol 标准， 可以将网上的所有原始数据打上独特标签的系统。当你在Facebook上分享了亚马逊上的一本书，这个系统会把相应的目录、作者等信息回传给它，产生一系列复杂的数据关联，今后为你推送真正感兴趣的内容和广告的几率由此变大。
三、动态调整模式
代表公司：Google
模式逻辑：计划要推A，但是在实际的场景交互中，数据反馈的结果发现B更受欢迎，因此调整计划改推B。
很多人喜欢用Google的原因在于，它的推荐往往更符合自己的心意，提高了搜索的效率。 不仅如此，你可以留心一个细节，当你在Google输入一个关键词，点击第一个搜索结果后发现不满意，又迅速返回了搜索页，点击第二个搜索结果，然后花了很长时间浏览，此时它就会默认你对第二个结果更满意，因此当你下一次搜索同一个关键词时，之前两个结果的排位会发生互换。
这个普通的案例代表了Google在大数据领域最突出的特色：动态性。 Google在进行质量优化的同时，也把用户的交互反应实时加入了进来。 一位谷歌发言人曾表示：“我们始终在对搜索页面进行调整，从而让用户可以更轻松地发现最有用的信息。”
把用户在网上的行为模式加入到排名算法中，为此，Google也进行了许多的努力。 例如推广Google工具栏，用户在浏览网页时的行为数据会被Google收集，它甚至曾付了不小的一笔钱给戴尔，在后者销售的电脑上预装好Google工具栏。而那些没有装Google 工具栏的用户，当他在Google网站进行搜索的时候，电脑也会被设置cookie，在这个cookie一年的有效期内，用户的搜索也被一一记录。此外，买下原本需要付费的日记分析软件，再以Google Analytics的形式免费提供给站长们等做法也让大家纷纷猜测是出于同样的考虑。
这种特性也从搜索排名的业务场景迁移到了大数据营销的语境中，用户对一个广告的反应会实时的反馈回来，进而供广告主参考，适时进行营销计划的调整。而现在很多数据营销公司依然是一种固定模式的营销方式，天天对着一群用户狂轰乱炸，效果可想而知。
这种动态调整的模式也适用于这样一种情况，当不知道哪种营销策略最合适时，可以先准备几个不同的方案，同时放到市场去检验，Google 会很快告诉你哪个广告片更受欢迎，然后就可以主推最受欢迎的版本了。 当然，动态调整的做法并不为Google所独有，只不过都没有它反应迅速罢了。
四、粉丝爆炸器模式
代表公司：阿里妈妈
模式逻辑：利用积累的大量人群数据，根据已经拥有的A，找到一群更大的A。
找到1000个忠实的目标消费者也许不难。如何把这个数量由1000变为10000、1000000甚至更大呢?这100、1000又如何从好几亿的人中挑选呢? 在规模不断扩大的同时，也能够尽量做到精准; 阿里巴巴集团旗下的阿里妈妈为此构建了一个Lookalike 模型，它被形象地称为“粉丝爆炸器”，可以做到“给定一小群人，自动找到10倍、20倍规模相似人群”。
商家做生意最难的部分是如何在客户首次购买之前建立联系。因为一旦客户购买了商家的商品或服务，便已经知道客户的情况，可以进行沟通。精明的商家深知找对潜在用户的重要性。 而这件事情的难度不亚于大海捞针。相对于已经成为客户的人群规模(一家中型电商每月可能有上万客户)，还没有成为客户的人群规模(线上有几亿规模的客户)是非常巨大的。 从上亿潜在客户中找到最有忠实的消费者人群这个过程的效率和成本就成为商家致胜的关键。这也是阿里妈妈提供粉丝爆炸器所解决的痛点。
通常，成为某商家客户的人群具有一定的共性;例如都是哈韩女大学生、或者都是近期购房人群、亦或都是在意体重的人群等等。这些共性往往在商家的已有客户中已经有所显现;这些消费者的各种属性和行为与全部消费者的差异就能突出这些共性特点。利用这些共性，通过比较全网消费者与已有消费者客户之间在这些行为上的相似程度，就可以在真正的消费行为发生之前来找到目标潜客。
与“啤酒尿布”不同的是，粉丝爆炸器更注重人的综合行为特性，而不是把重点集中在商品/服务之间的关联性上 。因此，粉丝爆炸器会找出新任父亲为家里的婴儿这样的特性，而这样的人通常会买啤酒、尿布、奶粉、婴儿护肤品、产后保养品等等。但如果我们只考虑关联性，则会是由于消费者购买了啤酒，所以推荐关联性最高的红酒、尿布、饮料等等。这种抓住人的相似性往往会有更精准的效果。