技術標籤：data資料分析大資料使用者畫像資料庫

2-6 客戶活動資訊

客戶活動資訊表

客戶活動資訊表
  - 根據客戶參與活動的情況提取的客戶標籤
  - 使用者瞭解使用者對活動的參與情況，以進行活動策劃或者根據對活動不同敏感度的人群做營銷
主要資料來源
  - 訂單表 活動表 活動訂單表 使用者表

判斷使用者喜歡哪種活動型別？（訂單表 訂單活動表）
  使用者標籤：
    - 使用者促銷敏感度 
    - 滿減促銷敏感度 
    - 滿贈促銷銘感度
    - 打折促銷銘感度 
    - 換購促銷敏感度 
    - 團購型別促銷銘感度

促銷敏感度模型
  - 根據使用者購買的活動型別訂單數與金額數以判斷其屬於哪類人群
單品型別促銷敏感度
  使用者標籤：
    - 1單品促銷高度敏感 
    - 2單品促銷中度敏感 
    - 3單品促銷低度敏感 
    - -1未識別
  計算方法：
    - 1、計算各類促銷優惠的訂單和金額佔比 
    - 2、利用上述比例聚類
套裝型別促銷敏感度
  使用者標籤：
    - 1套裝促銷高度敏感 
    - 2套裝促銷中度敏感 
    - 3套裝促銷低度敏感 
    - -1未識別
  計算方法：
    - 1、計算各類促銷優惠的訂單和金額佔比 
    - 2、利用上述比例聚類
團購型別促銷敏感度
  使用者標籤：
    - 1團購促銷高度敏感 
    - 2團購促銷中度敏感 
    - 3團購促銷低度敏感 
    - -1未識別
  計算方法：
     - 1、計算各類促銷優惠的訂單和金額佔比 
     - 2、利用上述比例聚類
滿返型別促銷敏感度
  使用者標籤：
    - 1滿返促銷高度敏感 
    - 2滿返促銷中度敏感 
    - 3滿返促銷低度敏感 
    - -1未識別
  計算方法：
    - 1、計算各類促銷優惠的訂單和金額佔比 
    - 2、利用上述比例聚類

使用者偏好（訂單表 店鋪表）
  - 店鋪偏好 
  - 品牌偏好 
  - 品類偏好 
  - 顏色偏好
使用者指數（訂單表）
  - 購買力分段 
  - 敗家指數 
  - 衝動指數
使用者購買力高中低端模型
  從購物車判斷
    使用者標籤：
      - 1高 2中 3低 -1未識別
    計算方法：
      - 1、商品購物車得分打標籤 2、使用者購買商品比例 3、聚類
  從客單價來判斷
    使用者標籤：
      - 1高 2中 3低 -1未識別
    計算方法：
      - 1、使用者客單價聚類

敗家指數模型（用1星，2星，3星，4星，5星表示）
  判斷方法：
    - 使用購買特徵商品數量來識別（比如剛出來的蘋果產品，奢侈品）
    - 結合使用者的訂單金額，比如超過3W打5星

衝動指數模型（用1星，2星，3星，4星，5星表示）
  判斷方法：
    - 使用特徵商品（同品類價格較高商品）平均購物車停留時間
    - 結合特徵商品（同品類價格較高商品）的購買數量

使用者的積分及積分使用習慣？（來源：使用者表）
  使用者標籤：
    - 累計積分 
    - 可用積分 
    - 已用積分

使用者代金券的使用習慣（來源：訂單表）
  使用者標籤：
    - 累計代金券數量 
    - 累計代金券金額 
    - 已用代金券數量 
    - 已用代金券金額 
    - 過期代金券數量 
    - 過期代金券金額 
    - 可用代金券數量 
    - 可用代金券金額
 

2-7 客戶訪問資訊

客戶訪問資訊表

客戶訪問資訊表
  - 根據客戶訪問的情況提取的客戶標籤
  - 用於瞭解使用者的訪問總體情況，以根據使用者瀏覽習慣做營銷
主要資訊來源
  - PC端PV表 
  - PC端view表 
  - APP端PV表 
  - APP端view表 
  - M端view表 
  - M端PV表 
  - M端view表

使用者最近一次訪問情況？（來源：PV表）
  使用者標籤：
  - 最近一次PC端訪問日期 
  - 最近一次APP端訪問日期  
  - 最近一次PC端訪問PV 
  - 最近一次PC端訪問使用作業系統
  - 最近一次PC端訪問session 
  - 最近一次PC端訪問cookies 
  - 最近一次PC端訪問使用瀏覽器 
  - 最近一次APP端訪問使用瀏覽器 
  - 最近一次訪問IP(不分PC與APP) 
  - 最近一次訪問城市（不分PC與APP）
  - 最近一次訪問省份（不分PC與APP）
  - 最近一次APP端訪問使用作業系統

使用者首次訪問情況？（來源：PV表）
  使用者標籤：
  - 第一次PC端訪問日期 
  - 第一次APP端訪問日期  
  - 第一次PC端訪問PV 
  - 第一次PC端訪問使用作業系統
  - 第一次PC端訪問session 
  - 第一次PC端訪問cookies 
  - 第一次PC端訪問使用瀏覽器 
  - 第一次APP端訪問使用瀏覽器 
  - 第一次訪問IP(不分PC與APP) 
  - 第一次訪問城市（不分PC與APP）
  - 第一次訪問省份（不分PC與APP）
  - 第一次APP端訪問使用作業系統

使用者APP訪問次數情況？（來源：APP端view表）
  使用者標籤：
  - 近7天APP端訪問次數 
  - 近15天APP端訪問次數 
  - 近30天APP端訪問次數 
  - 近60天APP端訪問次數 
  - 近90天APP端訪問次數 
  - 近180天APP端訪問次數 
  - 近365天APP端訪問次數

使用者PC訪問次數情況？（來源：PC端view表）
  使用者標籤：
  - 近7天PC端訪問次數 
  - 近15天PC端訪問次數 
  - 近30天PC端訪問次數 
  - 近60天PC端訪問次數 
  - 近90天PC端訪問次數 
  - 近180天PC端訪問次數 
  - 近365天PC端訪問次數

使用者PC訪問詳情？（來源：PC端view表）
  使用者標籤：
  - 近30天PC端訪問天數 
  - 近30天PC端訪問併購買次數 
  - 近30天PC端訪問PV 
  - 近30天PC端訪問PV 
  - 近30天PC端訪問平均PV 
  - 近30天PC端最常用的瀏覽器
  - 近30天PC端不同IP數 
  - 近30天PC端最常用IP 
  - 近30天PC端不同cookie數 
  - 近30天PC端最常用cookie 
  - 近30天PC端最常用的作業系統

使用者喜歡哪個時間段上網？（來源：view表）
  使用者標籤：
  - 近30天0-5點訪問的次數（不分PC與APP） 
  - 近30天6-7點訪問的次數（不分PC與APP） 
  - 近30天8-9點訪問的次數（不分PC與APP） 
  - 近30天10-12點訪問的次數（不分PC與APP） 
  - 近30天13-14點訪問的次數（不分PC與APP） 
  - 近30天15-17點訪問的次數（不分PC與APP） 
  - 近30天18-19點訪問的次數（不分PC與APP） 
  - 近30天20-21點訪問的次數（不分PC與APP） 
  - 近30天22-23點訪問的次數（不分PC與APP）