首页 > API调用场景 > 用户标签开放接入指南 > 标签开发逻辑以及使用说明

标签开发逻辑以及使用说明

标签类型 标签名 标签范围 示例 标签定义/开发逻辑 数据使用说明/适用场景(可无)
客户属性 年龄 15岁以下 56岁以上 根据用户在京东的行为进行计算(历史上有过下单或者近一年注册的个人用户,去除企业用户)
16-25岁
26-35岁
36-45岁
46-55岁
56岁以上
-1(未识别)
性别 男、女、-1(未识别) 根据用户在京东的行为进行计算(历史上有过下单或者近一年注册的个人用户,去除企业用户)
职业 金融从业者 金融从业者 根据用户在京东的行为进行计算(历史上有过下单或者近一年注册的个人用户,去除企业用户)
医务人员
公务员/事业单位
白领/一般职员
工人/服务业人员
教师
农民
学生
-1(未识别)
婚姻状态 已婚、未婚 、-1(未识别) -1 根据用户在京东的行为进行计算(历史上有过下单或者近一年注册的个人用户,去除企业用户)
城市等级 一线、二线、三线、四线、五线、六线、-1(未识别) 二线 根据用户常用收货地址判断用户所在城市的等级分析
省名称 湖北 根据用户近两年购买行为数据,分析常用收货地址判断用户所在的省
市名称 武汉 根据用户近两年购买行为数据,分析常用收货地址判断用户所在的市
县/区 县/区名称 武昌区 根据用户近两年购买行为数据,分析常用收货地址判断用户所在的县/区
交易属性 折扣敏感度 5-极度敏感 中度敏感 通过近两年用户折扣订单和营销活动的参与情况计算用户折扣敏感度数据 促销敏感度越高的用户对折扣和促销活动越敏感,商家在做优惠活动时可以考虑使用该标签;
可以配合用户三级类目偏好标签或其他用户属性标签进行使用。
4-高度敏感
3-中度敏感
2-轻度敏感
1-不敏感
-1(未识别)
消费次数 任意整数 3 在店铺的累计消费次数
消费金额 金额(不限定小数) 109 在店铺的累计消费金额(可区分付款金额、成交金额)
第一次购买时间,会员领卡时间       日期 20:08.0 在店铺第一次购买时间或第一次领卡时间
最近消费时间 日期 28:08.0 在店铺最近一次的消费时间(可区分付款、成交)
店铺关系 加购商品 取值:0:无加购,1:加购,可自定义日期(最近90天内) 1 当天加购某商品且当天未下单(支持数量不限计算性能有差异)
关注商品 取值:0:无关注,1:关注,可自定义日期(最近90天内) 0 当天关注某商品(支持数量不限计算性能有差异)
浏览商品 取值:0:无浏览,1:浏览,可自定义日期(最近90天内) 0 当天访问某商品商详页(支持数量不限计算性能有差异)
领取店铺优惠券 取值:0:无领取,1:领取且未使用,可自定义日期(最近90天内) 1 领取过店铺优惠券且未使用
加购店铺商品 取值:0:无加购,1:加购,可自定义日期(最近90天内) 1 当天加购店铺中任一商品且当天未下单
关注店铺 取值:0:无关注,1:关注,可自定义日期(最近90天内) 0 当天关注某店铺
浏览店铺 取值:0:无浏览,1:浏览,可自定义日期(最近90天内) 0 当天浏览包含商详和首页等所有店铺的相关页面
关注店铺或店铺商品 取值:0:无关注,1:关注,可自定义日期(最近90天内) 1 当天关注店铺或者关注店铺内商品
会员等级(店铺) 取值:0、1、2、3、4、5 4 用户在店铺级别
用户范围 店铺粉丝 取值:0:非店铺粉丝   1:是店铺粉丝 0 当天用户是否为店铺粉丝
是否品牌会员 取值:0:非品牌会员   1:是品牌会员 0 当天用户是否为品牌会员
是否店铺会员 取值:0:非店铺会员   1:是店铺会员 1 当天用户是否为店铺会员
是否微信公众号粉丝 取值:0:非微信公众号粉丝   1:是微信公众号粉丝 0 当天用户是否为微信公众号粉丝
二期场景标签 喜欢大促购买人群(大促偏好) 4-非常高 3 跟据4个筛选条件:
大促附近时间注册的用户;
只在大促期间购买的用户;
提前加购,大促购买;
筛选出偏好用户,并根据订单占比对用户进行偏好分级
购买力高于平时购买力 
  1.筛选出的人群对618、双11、双12等大型促销活动有较强的关注度,对于大促期间的商品活动具有很高的敏感性;
  2.建议将此部分人群作为618、双11、双12等大促前期的精选人群进行触达投放,可作为提高大促活动信息点击率的目标人群
3-高
2-中
1-低
大促期间三级类目偏好 5-非常高 4 用户618、双11、双12等大促期间订单、浏览、加购数据,数据处理后,对用户品类偏好程度打分,并划分等级 适用于618、双11、双12等大促期间,筛选与店铺相符合的品类偏好的用户
4-高
3-中
2-低
1-非常低
三级品类偏好 5-非常高 4 根据用户的一年半的订单数据、近三个月浏览数据、一年加购数据等分析用户的三级品类偏好,根据用户偏好行为纵向排名得出偏好等级,横向排名得出前15名(排名是针对单个用户的品类偏好得分进行排序,等级是针对所有用户的偏好得分进行划分的)   1.筛选出用户日常喜欢购买的前15个品类,适用于店铺进行品类活动的营销,筛选出店铺内偏好营销品类以及相关品类的用户群,进行触达。
  2.同时定义用户日常购买的品类纵向对比的等级,进行更精细化的用户的筛选,可以在根据排名筛选的用户群的基础上,再次进行用户偏好等级的筛选。
  3.建议非大促期间的品类活动使用该标签。
4-高
3-中
2-低
1-非常低
品牌偏好 5-非常高 3 根据用户的一年半的订单数据、近三个月浏览数据、一年加购数据等分析用户的一级品类的品牌偏好 适用于筛选与店铺相符合的品牌偏好的用户
4-高
3-中
2-低
1-非常低
日常用户下单时间偏好 时间数组:
说明:
rest_day-休息日
work_day-工作日
18~19-18点-19点
_5-整体偏好属性的排名
["workday-14~17_4","restday-20~21_2"] 数据采用近半年非大促期间的下单数据; 1.筛筛选出用户非大促期间下单率最高的5个时间段,可以选择偏好的下单时间段的用户群,进行营销;
2.也可以在活动期间进行二次触达,促进加购的用户进行下单的转换;
3.建议非大促期间使用该标签
大促期间用户下单时间偏好 时间数组:
说明:
rest_day-休息日
work_day-工作日
18~19-18点-19点
_5-整体偏好属性的排名
["restday-20~21_2","workday-12~13_4","workday-22~23_1"] 大促数据采用近三年618、双11、双12用户下单的数据,并同时给出排名前5时间段; 同上,建议618、双11、双12大促期间使用该标签
大促期间用户浏览时间偏好 时间数组:
说明:
rest_day-休息日
work_day-工作日
18~19-18点-19点
_5-整体偏好属性的排名
["restday-20~21_2","workday-9~11_5"] 大促数据采用近三年618、双11、双12用户浏览次数的数据,并同时给出排名前5时间段 筛选出在大促期间在各个时间段有浏览偏好的用户群,根据活动目的可以对不同时间段或某些时间段有偏好的人群进行营销。建议618、双11、双12大促期间使用该标签
日常用户浏览时间偏好 时间数组:
说明:
rest_day-休息日
work_day-工作日
18~19-18点-19点
_5-整体偏好属性的排名
["workday-14~17_4","workday-9~11_5"] 数据采用近一个月非大促期间的浏览次数的数据,并同时给出排名前5时间段; 同上,建议非大促期间使用该标签
最近一次购买三级类目时间 日期 ######## 近一年用户订单数据距今购买各三级类目的最近时间
大促期间购买预约偏好的top5三级品类  top5偏好三级品类形式:
{top1品类名称,top2品类名称,top3品类名称,top4品类名称,top5品类名称}
{"679","2309","13652","2526"} 根据用户近一年完成/未完成预约的订单,计算用户的预约的偏好三级品类 同下
大促期间购买预约人群           4-非常高 2 根据用户近一年完成/未完成预约的订单,计算用户的预约的偏好等级 此处的预约活动数据取出了用户参加的全部预约活动数据,不仅适用于大促期间,也适用也日常营销活动,
适用于商家开启预约活动后定向精准投放偏好人群,可配合用户偏好的三级品类标签与预售商品的品类使用。
3-高
2-中
1-低
大促期间购买预售偏好的top5三级品类  top5偏好三级品类形式:
{top1品类名称,top2品类名称,top3品类名称,top4品类名称,top5品类名称}
{"234","245665","8765","679","13652"} 根据用户近一年完成/未完成预约的订单,计算用户的预售的偏好三级品类 同下
大促期间购买预售人群           4-非常高 3 根据用户近一年完成/未完成预售的订单,计算用户的预售的偏好等级 此处的预售活动数据取出了用户参加的全部预售活动数据,不仅适用于大促期间,也适用也日常营销活动,
适用于商家开启预约活动后定向精准投放偏好人群,可配合用户偏好的三级品类标签与预售商品的品类使用。
3-高
2-中
1-低
大促期间有购买意图但是未购买人群 品类编码数组 ["679","13652"] 根据大促前近40天的浏览数据、订单数据、加购数据、关注数据,得出用户有购买意向未购买的top5三级品类 用于618、双11、双12等大促期间筛选有意向购买某些品类的人群
客单价(店铺维度) double 金额 86 用户在店铺的平均每单的消费金额
客单价(二级类目维度) double 金额 186 用户近一年订单在二级品类下的平均每单的消费金额
客户平均回购周期(二级类目维度) double 时间 1699 根据用户近一年订单在二级类目下的订单数据,计算用户在二级类目下平均的回购周期。
消费水平(二级类目维度) 5-非常高 5 根据一年内的订单数据,分析用户二级类目下的消费水平
4-高
3-中
2-低
1-非常低
秒杀偏好 5-非常高 5 根据秒杀活动中用户浏览数据、订单数据、加购数据,对用户秒杀活动偏好程度评分,划分等级 适用于创建店铺秒杀活动时,筛选秒杀活动偏好人群
4-高
3-中
2-低
1-非常低
店铺维度最近一次被投放时间 时间格式,yyyy-MM-dd hh:mm:ss 2018-11-11  21:12:23 根据短信投放记录计算用户在店铺内最近一次被投放消息的时间
ISV维度最近一次被投放时间 时间格式,yyyy-MM-dd hh:mm:ss 2018-11-11  21:12:23 根据短信投放记录计算用户在ISV接入的所有店铺内最近一次被投放消息的时间
三期节日场景标签 用户节日偏好 1:清明;2:元旦;3:除夕;4:元宵节;5:情人节;6:妇女节;7:劳动节;8:母亲节;9:儿童节;10:端午节;11:父亲节;12:七夕;13:教师节;14:中秋节;15:国庆节;16:重阳节;17:圣诞节;-1:未识别
可能对多个节日存在偏好,则节日枚举值间以逗号分隔
3,10,16 统计过去三年各个节日期间的热销品类,计算用户在某一节日期间购买相关热销品类的情况,以及在每年同一时间段有周期性购买习惯的用,得出用户对该节日的偏好程度 适用于各个节日前,筛选出该节日有购买需求的用户,进行店铺在该节日期间营销活动或商品宣传的触达;
其中各个节日的热卖品类,后期会通过其他渠道对商家进行展现以及商家营销品类的匹配。
孝敬父母偏好 1 根据一年半内搜索词、评论、购买过的商品名称及属性中出现与父母、老人相关关键词次数,相关三级品类的订单数、在父亲节母亲节购买的相关三级品类的订单数同时结合用户的年龄,,加权得出用户偏好得分,根据总体得分的均值标准差定义偏好等级 筛选出喜欢给父母买商品的用户群,同时定义不同偏好程度,可以筛选出不同偏好程度的用户群;
建议在一些关爱老人的节日里使用,或者是与老人相关的品类中使用该标签
4:高
3:中
2:低
1:非常低
-1:未识别
送礼人群偏好 5:非常高 2 根据近两年的送礼相关商品的订单数据、搜索词、评论,对用户偏好划分等级 筛选出有送礼需求的用户群,同时定义不同偏好程度,可以筛选出不同偏好程度的用户群;
建议在一些有赠送礼品需求的特殊节日里使用,或者是与礼品相关的品类中使用该标签
4:高
3:中
2:低
1:非常低
-1:未识别
上新购买偏好 3 根据用户在京东过去一年的订单、关注、加购、搜索词中出现‘新品|新款|上新|新装|新版’等关键词次数,
用户在商品列表页的点击“新品”筛选项的点击数据、店铺内上新tab的点击数据,
用户在商品列表页的点击“新品”筛选项的点击数据、店铺内上新tab的点击数据,
以及商品在京东页面内显示的“新品绿色标识”,
加权得出用户的偏好得分,根据总体得分的均值标准差定义偏好等级
适用于商家日常的上新商品的投放推荐;可配合用户的偏好的三级品类以及上新商品的品类进行使用
4:高
3:中
2:低
1:非常低
-1:未识别
母婴行业标签 是否有小孩 0:否,1:是,2:无小孩但有购买需求 1 根据用户三年内在母婴品类订单、商品评论包含孩子的信息、与母婴相关的搜索词等信息判断用户是否有小孩,其中1的购买需求程度要高于2. 适用于筛选母婴及儿童商品和品类的适用人群
小孩年龄 1:0-1岁 1,4 根据有小孩的用户在近三年购买的母婴产品的时间段和产品适用年龄属性判断小孩年龄 适用于营销指定年龄阶段的儿童商品或品类,根据商品或品类的适用年龄筛选人群
2:1-3岁
3:3-6岁
4:6-12岁
5:12-15岁
-1:未识别
可能存在两个小孩,则年龄枚举值间以逗号分隔
三期复购标签 店铺内复购概率排名 排名为整数,1为排名最高,按照复购概率从高到低依次向后排序 100 根据用户在店铺内复购的概率得到相应排名 筛选出店铺内近期最有可能发生购买的用户群,依据排名可以筛选出由购买意愿强到逐渐降低的的用户群;
店铺内复购概率 概率为0-1之间的小数 0.8 根据用户在店铺内及全平台内的浏览、关注、加购、评论、购买、优惠券等信息训练模型,使用模型预测用户复购的概率