โปรไฟล์สามารถจำแนกได้ตามวิธีการสร้าง( Fayyad, Piatetsky-Shapiro & Smyth 1996 ) ( Zarsky & 2002-3 ) harv error: no target: CITEREFZarsky2002-3 ( help )ในด้านหนึ่ง โปรไฟล์สามารถสร้างขึ้นได้โดยการทดสอบความสัมพันธ์ที่ตั้งสมมติฐานไว้ วิธีนี้เรียกว่าการสร้างโปรไฟล์แบบบนลงล่าง หรือการเรียนรู้แบบมีผู้กำกับดูแลซึ่งคล้ายกับวิธีการวิจัยทางวิทยาศาสตร์แบบดั้งเดิมตรงที่เริ่มต้นด้วยสมมติฐานและประกอบด้วยการทดสอบความถูกต้องของสมมติฐานนั้น ผลลัพธ์ของการสร้างโปรไฟล์ประเภทนี้คือการตรวจสอบหรือการหักล้างสมมติฐาน อาจเรียกได้ว่าเป็นการสร้างโปรไฟล์แบบนิรนัย ในอีกด้านหนึ่ง โปรไฟล์สามารถสร้างขึ้นได้โดยการสำรวจฐานข้อมูล โดยใช้ กระบวนการ ขุดค้นข้อมูลเพื่อตรวจจับรูปแบบในฐานข้อมูลที่ไม่ได้ตั้งสมมติฐานไว้ก่อนหน้านี้ ในแง่หนึ่ง นี่คือเรื่องของการสร้างสมมติฐาน: การค้นหาความสัมพันธ์ที่ไม่ได้คาดหวังหรือไม่ได้คิดถึงมาก่อน เมื่อค้นพบรูปแบบแล้ว รูปแบบเหล่านั้นจะเข้าสู่กระบวนการวนซ้ำที่อธิบายไว้ข้างต้น และจะถูกทดสอบโดยใช้ข้อมูลใหม่ กระบวนการนี้เรียกว่าการเรียนรู้แบบไม่มีผู้กำกับดูแล (unsupervised learning )

มีสองประเด็นสำคัญเกี่ยวกับความแตกต่างนี้ ประการแรก อัลกอริทึมการเรียนรู้แบบไม่มีผู้กำกับดูแลดูเหมือนจะช่วยให้สามารถสร้างความรู้ประเภทใหม่ได้ ซึ่งไม่ได้ขึ้นอยู่กับสมมติฐานที่นักวิจัยพัฒนาขึ้น และไม่ได้ขึ้นอยู่กับความสัมพันธ์เชิงสาเหตุหรือแรงจูงใจ แต่ขึ้นอยู่กับความสัมพันธ์เชิงสุ่มเท่านั้น ประการที่สอง อัลกอริทึมการเรียนรู้แบบไม่มีผู้กำกับดูแลจึงดูเหมือนจะช่วยให้สามารถสร้างความรู้แบบอุปนัยได้ ซึ่งไม่จำเป็นต้องมีการพิสูจน์ทางทฤษฎีหรือคำอธิบายเชิงสาเหตุ( Custers 2004 )

ผู้เขียนบางคนอ้างว่า หากการประยุกต์ใช้โปรไฟล์โดยอาศัยการจดจำรูปแบบเชิงสุ่มด้วยคอมพิวเตอร์ "ได้ผล" กล่าวคือ ช่วยให้สามารถคาดการณ์พฤติกรรมในอนาคตได้อย่างน่าเชื่อถือ คำอธิบายเชิงทฤษฎีหรือเชิงสาเหตุของรูปแบบเหล่านี้ก็ไม่สำคัญอีกต่อไป( Anderson 2008 )อย่างไรก็ตาม แนวคิดที่ว่าอัลกอริทึมแบบ "ตาบอด" ให้ข้อมูลที่เชื่อถือได้ไม่ได้หมายความว่าข้อมูลนั้นเป็นกลาง ในกระบวนการรวบรวมและรวมข้อมูลลงในฐานข้อมูล (สามขั้นตอนแรกของกระบวนการสร้างโปรไฟล์) จะมีการแปลงเหตุการณ์ในชีวิตจริงเป็นข้อมูลที่เครื่องอ่านได้จากนั้นข้อมูลเหล่านี้จะถูกเตรียมและทำความสะอาดเพื่อให้สามารถคำนวณได้ในเบื้องต้น จะต้องระบุอคติที่อาจเกิดขึ้น ณ จุดเหล่านี้ เช่นเดียวกับการเลือกอัลกอริทึมที่พัฒนาขึ้น เป็นไปไม่ได้ที่จะขุดค้นฐานข้อมูลเพื่อหาความสัมพันธ์เชิงเส้นและไม่เชิงเส้นที่เป็นไปได้ทั้งหมด ซึ่งหมายความว่าเทคนิคทางคณิตศาสตร์ที่พัฒนาขึ้นเพื่อค้นหารูปแบบจะเป็นตัวกำหนดรูปแบบที่สามารถพบได้ ในกรณีของการสร้างโปรไฟล์ด้วยเครื่องจักร อคติที่อาจเกิดขึ้นไม่ได้เกิดจากอคติตามสามัญสำนึกหรือสิ่งที่นักจิตวิทยาเรียกว่าการเหมารวม แต่เกิดจากเทคนิคทางคอมพิวเตอร์ที่ใช้ในขั้นตอนเริ่มต้นของกระบวนการ เทคนิคเหล่านี้ส่วนใหญ่ไม่ปรากฏให้เห็นสำหรับผู้ที่ถูกสร้างโปรไฟล์ (เนื่องจากข้อมูลของพวกเขาตรงกับโปรไฟล์ของกลุ่มที่เกี่ยวข้อง)

นอกจากนี้ ยังต้องจำแนกโปรไฟล์ตามประเภทของหัวข้อที่เกี่ยวข้องด้วย หัวข้อนี้อาจเป็นบุคคลหรือกลุ่มบุคคล เมื่อสร้างโปรไฟล์โดยใช้ข้อมูลของบุคคลเพียงคนเดียว จะเรียกว่า การสร้างโปรไฟล์รายบุคคล( Jaquet-Chiffelle 2008 )การสร้างโปรไฟล์ประเภทนี้ใช้เพื่อค้นหาลักษณะเฉพาะของบุคคลใดบุคคลหนึ่ง เพื่อให้สามารถระบุตัวตนได้อย่างเฉพาะเจาะจง หรือเพื่อให้บริการแบบเฉพาะบุคคล อย่างไรก็ตาม การให้บริการแบบเฉพาะบุคคลส่วนใหญ่มักอิงจากการสร้างโปรไฟล์กลุ่ม ซึ่งช่วยให้สามารถจัดประเภทบุคคลเป็นบุคคลประเภทใดประเภทหนึ่งได้ โดยพิจารณาจากข้อเท็จจริงที่ว่าโปรไฟล์ของบุคคลนั้นตรงกับโปรไฟล์ที่สร้างขึ้นจากข้อมูลจำนวนมหาศาลเกี่ยวกับบุคคลจำนวนมาก โปรไฟล์กลุ่มอาจหมายถึงผลลัพธ์ของการขุดค้นข้อมูลในชุดข้อมูลที่เกี่ยวข้องกับชุมชนที่มีอยู่ซึ่งถือว่าตนเองเป็นเช่นนั้น เช่น กลุ่มศาสนา ชมรมเทนนิส มหาวิทยาลัย พรรคการเมือง เป็นต้น ในกรณีนั้น โปรไฟล์กลุ่มสามารถอธิบายรูปแบบพฤติกรรมหรือลักษณะอื่นๆ ที่ไม่เคยรู้จักมาก่อนของกลุ่ม (ชุมชน) ดังกล่าวได้ โปรไฟล์กลุ่มยังอาจหมายถึงกลุ่มคนที่ไม่ได้รวมตัวกันเป็นชุมชน แต่พบว่ามีรูปแบบพฤติกรรมหรือลักษณะเฉพาะอื่นๆ ที่ไม่เคยทราบมาก่อนร่วมกัน( Custers 2004 )ในกรณีนั้น โปรไฟล์กลุ่มจะอธิบายพฤติกรรมหรือลักษณะเฉพาะอื่นๆ ของกลุ่มคน เช่น ผู้หญิงที่มีดวงตาสีฟ้าและผมสีแดง หรือผู้ใหญ่ที่มีแขนและขาค่อนข้างสั้น หมวดหมู่เหล่านี้อาจพบว่ามีความสัมพันธ์กับความเสี่ยงด้านสุขภาพ ความสามารถในการหารายได้ อัตราการเสียชีวิต ความเสี่ยงด้านเครดิต เป็นต้น

หากมีการนำโปรไฟล์ส่วนบุคคลไปใช้กับบุคคลที่ได้มาจากการวิเคราะห์ข้อมูลนั้น นั่นคือการสร้างโปรไฟล์ส่วนบุคคลโดยตรง แต่หากมีการนำโปรไฟล์กลุ่มไปใช้กับบุคคลที่มีข้อมูลตรงกับโปรไฟล์นั้น นั่นคือการสร้างโปรไฟล์ส่วนบุคคลโดยอ้อม เพราะโปรไฟล์นั้นสร้างขึ้นโดยใช้ข้อมูลของผู้อื่น ในทำนองเดียวกัน หากมีการนำโปรไฟล์กลุ่มไปใช้กับกลุ่มที่ได้มาจากการวิเคราะห์ข้อมูลนั้น นั่นคือการสร้างโปรไฟล์กลุ่มโดยตรง( Jaquet-Chiffelle 2008 )อย่างไรก็ตาม ตราบใดที่การนำโปรไฟล์กลุ่มไปใช้กับกลุ่มนั้นหมายถึงการนำโปรไฟล์กลุ่มไปใช้กับสมาชิกแต่ละคนในกลุ่มนั้นด้วย จึงอาจกล่าวได้ว่าเป็นการสร้างโปรไฟล์กลุ่มโดยอ้อม โดยเฉพาะอย่างยิ่งหากโปรไฟล์กลุ่มนั้นไม่ใช่โปรไฟล์แบบกระจาย

โปรไฟล์กลุ่มยังสามารถแบ่งได้ตามลักษณะการกระจายตัว( Vedder 1999 )โปรไฟล์กลุ่มเป็นแบบกระจายตัวเมื่อคุณสมบัติของโปรไฟล์นั้นใช้ได้กับสมาชิกทุกคนในกลุ่มอย่างเท่าเทียมกัน เช่น คนโสดทุกคนไม่ได้แต่งงาน หรือทุกคนที่มีพันธุกรรมเฉพาะมีโอกาส 80% ที่จะเป็นโรคเฉพาะ โปรไฟล์เป็นแบบไม่กระจายตัวเมื่อโปรไฟล์นั้นไม่จำเป็นต้องใช้กับสมาชิกทุกคนในกลุ่ม เช่น กลุ่มคนที่มีรหัสไปรษณีย์เฉพาะมีศักยภาพในการหารายได้เฉลี่ย XX หรือกลุ่มคนที่มีดวงตาสีฟ้ามีโอกาสเฉลี่ย 37% ที่จะเป็นโรคเฉพาะ โปรดทราบว่าในกรณีนี้ โอกาสที่แต่ละบุคคลจะมีศักยภาพในการหารายได้เฉพาะหรือเป็นโรคเฉพาะนั้นจะขึ้นอยู่กับปัจจัยอื่นๆ เช่น เพศ อายุ ภูมิหลังของพ่อแม่ สุขภาพก่อนหน้า การศึกษา เห็นได้ชัดว่า นอกเหนือจากโปรไฟล์แบบวนซ้ำ เช่น โปรไฟล์ของคนโสดแล้ว โปรไฟล์กลุ่มส่วนใหญ่ที่สร้างขึ้นโดยใช้เทคนิคคอมพิวเตอร์นั้นเป็นแบบไม่กระจายตัว สิ่งนี้มีนัยสำคัญอย่างยิ่งต่อความแม่นยำของการสร้างโปรไฟล์รายบุคคลทางอ้อมโดยอาศัยการจับคู่ข้อมูลกับโปรไฟล์กลุ่มที่ไม่เป็นไปตามหลักการกระจายตัว นอกเหนือจากข้อเท็จจริงที่ว่าการนำโปรไฟล์ที่ถูกต้องมาใช้อาจไม่ยุติธรรมหรือก่อให้เกิดการตีตราที่ไม่เหมาะสมแล้ว โปรไฟล์กลุ่มส่วนใหญ่ก็จะไม่ถูกต้องด้วย

การสร้างโปรไฟล์ผู้บริโภคเป็นรูปแบบหนึ่งของการวิเคราะห์ลูกค้าโดยใช้ข้อมูลลูกค้าในการตัดสินใจเกี่ยวกับการส่งเสริมผลิตภัณฑ์การกำหนดราคาผลิตภัณฑ์ รวมถึงการโฆษณา แบบเฉพาะ บุคคล^{[ 6 ]}เมื่อเป้าหมายคือการค้นหากลุ่มลูกค้าที่ทำกำไรได้มากที่สุด การวิเคราะห์ผู้บริโภคจะใช้ข้อมูลทางประชากรข้อมูลพฤติกรรมผู้บริโภคข้อมูลเกี่ยวกับผลิตภัณฑ์ที่ซื้อวิธีการชำระเงินและแบบสำรวจเพื่อสร้างโปรไฟล์ผู้บริโภค ในการสร้างแบบจำลองการคาดการณ์บนพื้นฐานของฐานข้อมูล ที่มีอยู่ จะใช้วิธีการทางสถิติการค้นพบความรู้ในฐานข้อมูล (KDD) KDD จัดกลุ่มข้อมูลลูกค้าที่คล้ายคลึงกันเพื่อคาดการณ์พฤติกรรมผู้บริโภคในอนาคต วิธีการอื่นในการคาดการณ์พฤติกรรมผู้บริโภค ได้แก่ความสัมพันธ์และการจดจำรูปแบบโปรไฟล์ผู้บริโภคอธิบายลูกค้าโดยอิงจากชุดคุณลักษณะ^{[ 7 ]}และโดยทั่วไปผู้บริโภคจะถูกจัดกลุ่มตามรายได้มาตรฐานการครองชีพอายุและสถานที่ตั้ง โปรไฟล์ผู้บริโภคอาจรวมถึงคุณลักษณะด้านพฤติกรรมที่ประเมินแรงจูงใจของลูกค้าในกระบวนการตัดสินใจซื้อด้วย ตัวอย่างโปรไฟล์ผู้บริโภคที่รู้จักกันดี ได้แก่การจำแนกประเภททางภูมิศาสตร์ประชากรของครัวเรือนMosaicของExperian , AcornของCACIและPersonicx ของAcxiom ^{[ 8 ]}

ในสภาพแวดล้อมที่สร้างขึ้นด้วยระบบอัจฉริยะรอบด้าน วัตถุ ในชีวิตประจำวันจะมี เซ็นเซอร์ในตัวและระบบฝังตัวที่ช่วยให้วัตถุสามารถรับรู้และตอบสนองต่อการปรากฏตัวและความต้องการของแต่ละบุคคลได้ ระบบอัจฉริยะรอบด้านอาศัยการสร้างโปรไฟล์อัตโนมัติและการออกแบบปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์^{[ 9 ]}เซ็นเซอร์จะตรวจสอบการกระทำและพฤติกรรมของแต่ละบุคคล ดังนั้นจึงสร้าง รวบรวม วิเคราะห์ ประมวลผล และจัดเก็บข้อมูลส่วนบุคคลตัวอย่างแรกๆ ของอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคที่มีระบบอัจฉริยะรอบด้าน ได้แก่แอปพลิเคชันบนมือถือความเป็นจริงเสริมและบริการตามตำแหน่งที่ตั้ง^{[ 10 ]}