电子商务大数据应用的用户形象

用户肖像项目介绍 用户档案（<个人档案）

也称为用户信息标记，客户标记;从电子商务的角度来看，根据您填写的电子商务网站的信息和您的行为，您可以使用一些标签来描绘您，描述您的标签是用户肖像。

构建用户肖像技术

1.用户肖像：基本属性，购买力，行为特征，社交网络，心理特征，兴趣和爱好;

2.行为建模：文本挖掘，自然语言处理，机器学习，预测算法，聚类算法;

3.数据收集：网络日志数据，用户行为数据，网站交易数据;

用户肖像简介

静态信息数据

1.来自用户的个人数据或由此计算的数据;

2.如果存在不确定性，您可以建立一个判断模型。例如，如果未填写用户的性别，您可以建立性别模型，并根据用户的行为判断性别及其概率。 性别，生日，城市，教育，星座，月收入，婚姻状况，职业

动态信息数据

1.用户行为生成的数据：注册，浏览，点击，购买，签名，评估;

2，更重要的行为：购买商品，浏览商品，放入购物车，注意商品，注册时间，第一次，纠结商品，最大消费，退货数量，失败者指数，品牌偏好;

由算法

猜测的确定标签和标签 1，识别标签：例如，用户购买或收集某个产品，用户的送货地址并联系手机;

2，猜标签：如用户的性别，男性的概率为0.8，有很多型号：孕妇模型，潜在车型用户模型，孕妇用户价值模型，儿童性别概率，疑似背心标识，晁妈家庭，全面降低销售敏感度，失败指数;

标签示例

使用用户肖像

1.分类统计;

2.营销推荐;

3.数据挖掘;

根据用户数据挖掘一些有用的规则以支持决策

用户肖像建模 客户消费订单表

根据客户消费提取的客户标签;用来了解用户的整体消费，以便根据用户的消费习惯和消费能力进行营销。

主要数据源表：订单，退货单，用户表，购物车清单

1.订单：第一个消费时间，最后消费时间，第一次，最后一次和最后一次;

2，订单表格+返回表格构建标签：近30天购买（不含拒收），近30天购买（包括拒收），近30天购买金额（不含拒收），近30天购买金额（退款）;

3.订单：最小/最大消费金额，累计消费时间（不包括拒收），累计消费金额（不包括拒收），以及凭证的累计使用;判断用户的整体消费;

4，订单标签：客户单价（含退款），近90天客户价格（含退款）——反应消费等级;普通接收区，普通支付方式——常用消费属性，方便有针对性的营销;

5，购物车表标签：最近30天购物车，商品数量，提交商品数量，弃置数量，成功率;

6，订单表格+退货单：退货数量，金额;拒收货物的数量，金额;最近的回归时间，用户拒绝和回归习惯;

7，订单表+用户表：学校，单位，家庭，上午，下午，晚上的订单总数;

客户购买类别列表

根据客户的购买目的提取的客户标签;用于了解特定类别的类别和营销的购买。

主数据源表：订单表，购物车，类别维表

1.类别维度表：主要分类ID，名称;二级分类ID，名称;三级分类ID，名称——用户购买了哪些类别

2.三类电子商务：

3.客户购买类别：

订单表格+类别维度表格：过去30/90天内的类别购买数量，过去30/90天内的购买类别金额，过去180天内的购买类别数量/金额，累计购买类别金额;购物时间近30/90天汽车类别/数量;上次购买类别时间——客户最近购买了哪些类别，用户喜欢哪些类别;用户未购买此类别的时长

客户购买商店表

根据客户购买商店提取的客户标签;用来了解商店和品牌的购买情况;常用于营销某个品牌，营销商店活动。

主要数据源表：订单表，购物车表，商店表，退货单。

1.商店表：商店ID，商店名称，品牌ID，品牌名称;

2，商店表+购物车表：最近30天的购物车数量/购物车数量/购物车中提交商品数量/购物车成功率/丢弃购物数量推车;

3.商店餐桌+购物车餐桌：最后购物车时间/提交商品数量/编号——用户未选择品牌多长时间;

4，商店表+订单表格：最近90天排除拒收货物数量/金额，最近90天内采购订单数量（包括拒收），最近90天货到付款用户最近购买的——商店和品牌; p>

5，商店表+订单表格：最近90天内退回的件数，拒收件数，退货件数，拒收件数量;

6，商店表+订单表：最后一次排除拒收订单，最后一次排除退货购买商品/件数，最后退货时间，最后拒收时间;

随商信息技术（上海）有限公司 b2b2c多用户商城系统是基于PHP技术的企业级电子商务平台系统，系统支持平台自营、招商加盟和多商家入驻、集成微信商城、移动端APP商城、微信小程序于一体。公司主营业务包含商城系统定制开发、新零售系统解决方案、电商平台系统定制开发、商城网站建设服务等等，随商为大、中、小企业提供一个安全、高效、强大的电子商务解决方案，协助企业快速构建、部署和管理其电子商务平台，拓展企业销售渠道，致力于推动PHP技术和电子商务行业的发展而不断努力。