达摩盘3.0全新标签介绍

作为精准人群定向中台,经历日积月累的沉淀,达摩盘已拥有公域、私域维度标签上千个,覆盖基础属性、渠道、行业、媒体等众多领域,店铺私域也将直播、会员等诸多场景一一囊括。

达摩盘3.0全新标签介绍.png

客户在海量标签的圈选过程中,标签货架的方式满足了足够强的自定义需求,也逐渐出现了标签难以查找、标签定义模糊等问题。而随着消费者运营方法论的兴起,“人、货、场”概念逐渐深入电商客户的日常工作,达摩盘也顺应潮流,从新梳理武器库中的所有标签,进行人货场维度改造。

更全面的标签维度,更精准的数据指标,更符合体验的圈选流程。“人货场”标签体系,为你而来!

本文档记录人货场标签体系每一个标签的具体描述,(最新抖音教程),如有疑问可留言,运营同学将每周处理。

个体

基础特征

用户性别

根据用户全网行为综合得出。

用户年龄

根据用户全网行为综合得出。

用户体重

用户在淘宝、天猫、聚划算等平台购物和互动时填写的体重信息,单位:千克。

用户身高

用户在淘宝、天猫、聚划算等平台购物和互动时填写的身高信息,单位:厘米。

亲缘关系

宝宝性别

有娃用户的宝宝性别,根据用户在淘宝母婴等频道的相关行为等综合得出。

宝宝年龄

根据用户注册信息及最近180天在淘宝母婴类目下相关行为等综合得出。

位置信息

用户常驻区域

近180天内用户使用频率最高的收货地址所处的城市所在的区域。

用户所在城市

近180天内使用频率最高的收货地址所在的省份和城市。

用户城市等级

近180天内用户使用频率最高的收货地址所处的城市,按照通用的城市等级进行1-6线城市划分。

用户小区档次

基于用户收货地址等得出的用户所在小区,并对小区进行分档。房价大于城市均值1.5倍的小区属于高档,介于均值与均值的1.5倍之间的小区属于中档,其余为低档。房价来源于垂直网站的公开数据。

天气特征

来自于中央气象局发布的天气信息所对应区域的用户。

社会特征

用户职业

根据用户在淘宝天猫的互动行为综合计算得出。

用户学历

根据用户在淘宝天猫的互动行为综合计算得出。

人生阶段

根据用户在淘宝天猫的互动行为综合计算得出。

信用等级

淘宝买家的信用等级。

消费特征

购物决策导向

通过近180天用户在淘宝的互动行为和购买商品的属性信息,进行决策倾向性分类和打分,并按照打分结果进行从高到低5个等级排序。

用户活跃度

根据用户的淘气值等级进行的活跃度划分。本标签中的超级会员和apass会员仅指淘气值达到1000分和2500分以上的会员,会员等级需要会员自己激活,apass会员是由平台邀请产生。

消费力分级

基于用户在大淘宝的浏览、搜索、购买等行为,综合计算出用户的消费能力水平,并划分为5个等级,等级越高表明消费能力越强。

消费额分层

近一年用户在淘宝天猫的月均支付金额,细分为5个区间。

消费频次分层

近一年用户在淘宝天猫的月均订单笔数,细分为5个区间。

消费时段偏好

近30天,用户逛淘宝天猫停留时间最久的时间段。

长期兴趣

运动兴趣

根据手淘上不同场景下的行为,从风格/人生阶段/购买力/兴趣偏好等多角度抽象出与运动兴趣相关的特征人群,如户外运动控。

美食兴趣

根据手淘上不同场景下的行为,从风格/人生阶段/购买力/兴趣偏好等多角度抽象出与美食兴趣相关的特征人群,如轻食主义。

文娱兴趣

根据近60天用户在优酷土豆等媒体的观看行为综合计算出用户的文娱风格偏好。

内容兴趣

用户最近30天对不同形式内容的浏览偏好。

科技数码兴趣

根据手淘上不同场景下的行为,从风格/人生阶段/购买力/兴趣偏好等多角度抽象出与科技兴趣相关的特征人群,如电脑发烧友。

旅游兴趣

根据用户2013年5月至今在淘宝网(PC+无线数据)各种景点类型的购买门票次数推算用户景点类型偏好。

品类

类目消费行为

类目维度标签

用户在淘宝天猫类目下指定时间周期的互动行为,偏好度高中低按30%、40%、30%做区分。

类目客单价

基于用户近30天指定类目的购买行为,分类目划分价格区间的偏好人群。

类目消费力分级

基于用户近30天指定类目的购买金额,并按从高到低5个等级进行划分,每个等级人群比例均为20%。

类目消费决策导向

通过近180天用户在指定类目的互动行为和购买商品的属性信息,进行倾向性分类和打分,并按照打分结果进行从高到低5个等级排序。

行业特征

服饰行业特征

说明:服饰行业特征细分为:内衣行业特征、男女鞋行业特征、箱包配饰行业特征、女装行业特征

根据用户近60天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

运动行业特征

根据用户近60天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

消费电子行业特征

说明:消费电子行业特征细分为:生活电器行业特征、3C数码行业特征、大家电行业特征

根据用户近60天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

美妆行业特征

根据用户近60天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

大快消行业特征

说明:个人护理行业特征、家庭清洁行业特征、食品行业特征

根据用户近180天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

母婴行业特征

根据用户近60天在淘宝天猫进行宝贝搜索和浏览收藏加购等互动行为时所对应的宝贝属性,筛选出用户top30感兴趣的属性词,并经算法加工后归纳到类目的属性特征人群。

渠道

搜索渠道

关键词圈人

最近一个月在淘宝天猫搜索过相关关键词组合的人群,以及浏览过相关宝贝标题关键词的人群。人群规模最大支持3000万,最小支持50万。

搜索渠道活跃分层

根据淘宝天猫搜索渠道下近30天用户互动的频次,按30%、40%、30%的比例进行高中低的活跃度分层。

搜索渠道类目偏好

根据淘宝天猫搜索渠道下近30天用户互动行为所归属的类目,按30%、40%、30%的比例进行高中低的偏好度分层。

推荐渠道

推荐渠道行为人群

用户在猜你喜欢渠道指定时间段的互动行为频次,按30%、40%、30%的比例进行高中低的偏好度打分。

推荐渠道活跃分层

根据近30天在猜你喜欢渠道下的互动行为频次,按30%、40%、30%的比例进行高中低的活跃度打分。

推荐渠道类目偏好

根据近30天用户在猜你喜欢各渠道下分一级、二级类目的互动行为频次,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

活动渠道

活动渠道行为人群

根据近30天用户在淘宝天猫的活动渠道上指定时间周期的浏览、收藏等具体互动行为,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

活动渠道活跃用户分层

根据近30天用户在淘宝天猫的活动渠道上的浏览、收藏等具体互动行为,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

活动渠道类目偏好

根据近30天用户在淘宝天猫活动渠道上分类目的浏览、收藏等具体互动行为,进行偏好度计算,(抖音技术架构变迁),并按30%、40%、30%的比例进行高中低的偏好度打分。

内容渠道

内容渠道行为人群

用户在指定内容渠道的互动行为人群,可细分到时间周期和偏好度。偏好度按30%、40%、30%的比例进行高中低切分。

内容渠道活跃用户分层

根据近30天用户在淘宝天猫的指定内容渠道上的浏览、收藏等具体互动行为,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

内容渠道类目偏好

根据近30天用户在淘宝天猫的指定内容渠道上的分行业类目的浏览、收藏等具体互动行为,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

天猫渠道

天猫渠道行为人群

根据用户在天猫的指定行业渠道上的分行业类目的浏览、收藏等具体互动行为,进行偏好度计算,并按30%、40%、30%的比例进行高中低的偏好度打分。

天猫渠道活跃分层

根据近30天用户在天猫的指定渠道上的浏览、收藏等互动行为,按30%、40%、30%的比例进行高中低的活跃度分层。

天猫渠道类目偏好

根据近30天用户在天猫指定渠道分行业类目的浏览、收藏等互动行为,(淘宝运营推广话术),按30%、40%、30%的比例进行高中低的活跃度分层。

站外渠道

站外渠道行为人群

从指定站外渠道进入到淘宝天猫站内的用户,可细分到指定时间和触达频次。

站外渠道活跃用户分层

从指定站外渠道进入到淘宝天猫站内的用户,可细分到指定时间端,并按30%、40%、30%的比例进行高中低的活跃度分层。

站外用户活跃时段

从指定站外渠道进入到淘宝天猫站内的用户,按活跃时段进行划分。

站外触达人群行业偏好

根据近30天用户从指定站外渠道进入到淘宝天猫站内的用户,细分到客户在站内指定行业类目的偏好度。偏好度按30%、40%、30%的比例进行高中低划分。

广告渠道

广告渠道行为人群

指定广告渠道指定时间周期的曝光和点击用户,按30%、40%、30%的比例进行高中低偏好度划分。适用于广告渠道行为用户的再营销。

广告渠道活跃用户分层

根据近30天用户在指定广告渠道的浏览、收藏等互动行为,按30%、40%、30%的比例进行高中低的活跃度分层。

广告渠道类目偏好

根据近30天指定广告渠道的活跃用户,细分到客户在指定行业类目的偏好度。偏好度按30%、40%、30%的比例进行高中低划分。

大促渠道

大促渠道行为人群

用户近一年来在指定大促活动各阶段的互动行为偏好度。偏好度按30%、40%、30%的比例进行高中低划分。

大促渠道活跃分层

用户近一年来在指定大促活动各阶段的活跃度分层。活跃度依据用户的浏览、收藏、加购、购买等行为综合计算,按30%、40%、30%的比例进行高中低划分。

大促渠道类目偏好

用户近一年来在指定大促活动各阶段对指定行业类目的的偏好度。偏好度依据用户的浏览、收藏、加购、购买等行为综合计算,按30%、40%、30%的比例进行高中低划分。

私域

店铺用户分层

店铺潜新老客

潜客:过去15天被店铺广告或内容渠道(包括有好货、必买清单、生活研究所、微淘、淘抢购)曝光过,或店铺/单品浏览跳失的消费者,排除新客和老客;
新客:过去15天有过品牌意向搜索/微淘互动/聚划算曝光/进店浏览未跳失,或过去90天有过商品收藏/加购/店铺收藏,或过去180天有过下单未支付的消费者;
老客:过去365天有过店铺成交的消费者。

超级用户

根据客户价值分层,层级为高中低,高也即超级用户。

店铺粉丝类型分层

店铺粉丝的不同类型。活跃粉丝:近30天内有宝贝浏览、进店、收藏、加购、购买、点赞评论分享等活跃行为的粉丝;沉默粉丝:近30天无宝贝浏览、进店等活跃行为的粉丝;潜在粉丝:近30天内有宝贝浏览、进店、收藏、加购、购买、点赞评论分享等活跃行为的非粉丝人群。

店铺会员分层

店铺会员分层,含全部会员、已购会员、首购会员、粉丝非会员等维度,也包含高价值非会员、高价值粉丝潜在会员等会员拉新维度。

品牌消费者AIPL分层

数据银行品牌消费者AIPL分层,可区分品牌下二级类目。

店铺消费者行为

店铺消费者行为

店铺消费者的详细行为,(开江网站快速排名),支持分行为分时间周期的人群圈选。

店铺所属品牌行为人群

店铺主营品牌的行为人群,支持分时间周期分行为分偏好度的人群圈选。

店铺消费者购买决策导向

通过近180天店铺购买用户在店铺的互动行为和购买商品的属性信息,进行倾向性分类和打分,(店家网:抖音爆粉技术),并按照打分结果进行从高到低5个等级的划分。

店铺宝贝特征

店铺宝贝行为人群

店铺指定宝贝的行为人群,可指定到时间区间的浏览、收藏、加购、购买。偏好度按行为频次综合计算,并按30%,40%,30%进行高中低划分。

店铺广告渠道用户

店铺在指定广告渠道的行为用户,可指定到时间区间的曝光、点击、加购、购买。偏好度按行为频次综合计算,并按30%,40%,30%进行高中低划分。

店铺活动渠道用户

店铺从活动渠道进入店铺或者宝贝页的用户,可指定到时间区间。偏好度按行为频次综合计算,并按30%,40%,30%进行高中低划分。

店铺内容渠道行为人群

店铺从内容渠道进入店铺或者宝贝页的用户,可指定到时间区间。偏好度按行为频次综合计算,并按30%,40%,30%进行高中低划分。

店铺站外渠道人群

店铺近30天内的站外指定渠道的活跃用户,高中低分段为:前30%活跃为高,中间40%活跃为中,底部30%为低。

店铺大促渠道人群

店铺近一年来在指定大促期间的行为人群,行为包含浏览、收藏、加购、购买。