一. 商品自然特征:
二. 商品拓展标签:
行为(1,3,5,7,15)天统计标签:
例子:
基于点击统计:数值特征
基于收藏统计:数值特征
基于转发统计:数值特征
基于下单量统计:数值特征
基于点击转化率:100%,80%,60%,40%,20%,0%(百分比制度)
基于收藏转化率:100%,80%,60%,40%,20%,0%
基于转发转化率:100%,80%,60%,40%,20%,0%(1,3,5,7,15)天周期行为标签:
基于时段: 0-2,2-4,4-8,8-10,10-12,12-14,14-16,16-18,18-20,20-24
例如:
0-2:点击次数:2,转发次数:10,下单次数:29
4-8:点击次数:12,转发次数:22,下单次数:34
- 消费能力区间标签:
基于同内幕价格范围标签:数值特征
例如:
牛奶系列:平均价格4元,标准差4元
伊犁6元,消费标签 (6-4)/ 3= 0.5
- 人群标签:
基于同一个商品一天购买人群标签统计:
人群1:学生, 人群2:老师 ,人群3:程序员
XXX手套: 学生人群购买次数19,老师人群购买次数29,程序员购买次数12
XXX手套: 学生人群点击次数19,老师人群点击次数29,程序员点击次数12
- 品牌标签:
基于商品品牌的知名度的标签:100%,80%,60%,40%,20%,0%(百分比制度)
三. 商品算法抽象标签:
- 基于自然语言处理的向量模型:
商品(标题,子标题,描述,正文,评论)
算法输出:
1.关键词(主题,商业,实体)
2.词向量
3.全文向量
4.淘宝评论分值
5.大淘客文本情感分析
2.基于行为轨迹
商品购买行为轨迹,商品点击行为轨迹,商品转发行为轨迹,商品搜索行为轨迹
算法输出:
1.商品向量化
2.商品相似度
3.商品潜在购买类别
4.商品潜在点击类别
5.商品潜在转发类别
6.商品与搜索词的相似度