那么穿山甲的"智能分层"是如何做到这一点的呢？
原因也很简单，因为它是一个平台，它背后有巨量引擎的海量数据和业界的智能算法。
一个用户的进来，对于开发者而言是一张白纸，但这个用户在穿山甲的用户画像则是非常完整而丰富的，同时"智能分层"服务会和开发者进行数据共建，则会进一步完善这种智能分层的准确性。
穿山甲的这种"智能分层"服务本质上是给移动开发者的"精细化运营"提供大脑，真正为每一个不同的需求的用户提供针对性的体验，在提升用户体验的同时实现"内购+广告"收益的大化。
以阅读行业为例，如果能实现"智能分层"，就可以准确地根据用户的付费意愿采取不同的产品和运营策略——
对付费意愿强的用户，推荐更多付费优质书籍，降低广告展示，保证用户体验，提高付费概率;
对付费意愿弱的用户推荐更多免费的书籍，适当提高广告展示，提升广告收入。
我们来看一个实际的案例——快看小说。
在变现层面，快看小说原来遇到的变现问题主要是两个——
首先，无差别出广告会影响整体内购收入，而对所有用户无差别推荐付费书籍，不付费就不愿意阅读，则导致大量不愿意付费的新用户流失，整体留存较差。
其次，判断用户付费意愿的难度大，平均观察周期1个月，观察期内，阅读场景中没有广告，新激活7天内无任何广告。
为了解决这两个问题，快看小说接入了穿山甲的智能分层服务，在每个用户激活时预估了他的付费概率，并将用户分为低付费率用户及高付费率用户两个部分——
对高付费率的用户保持原有策略，优先推荐付费书籍，阅读场景中不展示广告场景，但书籍的阅读需要付费解锁；