15%
人工清洗
搜索
家庭角色
否
30%
分享
行为标签
使用周期
购买
下级用户
智能推荐逻辑模型
购买周期
首次购买模型：假设：成本：70售价：100利润：30下级用户数3推荐人免单销售额100×4利润=20×3-70最终获利-10元积累用户4人直接支付获利30积累用户0
产品分类
社会圈子
线索池
婴幼童用品
公众号
复购
登陆
性别冲突
买赚平台智能推荐逻辑模型
性别
注册
家庭成员
5
购买偏好逻辑模型
购买频次
有丈夫
首页
加购
选性别
1
有小孩
首购 荐3免1
自动清洗逻辑模型之一
商品标签
3
购买排行
浏览
不授权
行为数据采集
按购买偏好推商品
单身
复购利润模型：假设：成本：70售价：100利润：30每产生1次复购，复购顾客赚20元（65%）直接上级返利5元（17%）平台赚5元（18%）
自动清洗
授权
用户标签
说明：右图是识别家庭角色的逻辑模型。1.人工清洗的部分可以复用公司的数据中台I-Digital，自动清洗部分按照算法1执行。2.每次购买都按此逻辑强化或修正标签。购买订单越多标签越准确。
4
是
最快购买排序
产品受众
2
进入商品页
一级用户
首购
支付
有父亲
算法1：家庭角色标签自动清洗A冲突判断，产品受众性别和用户性别有冲突 → 预添加“有父亲/母亲”、\"有丈夫/妻子\"标签。3次相同结果即可建立数字标签。标签初始准确度为3.（可以考虑时间维度，例如半年内的3次相同结果）强化，相同的判断结果会对标签进行强化，每增加1个相同结果，标签准确度+1。修正，不同的判断结果会对标签进行修正，每增加1个不同结果，标签准确度-0.2。B根据品类判断，购买婴幼童产品 → 预添加“有小孩”标签。结合产品性别信息判断“男孩/女孩”。3次相同结果即可建立数字标签。（可以考虑时间维度，例如半年内的3次相同结果）建立标签的频次和时间维度可在后台人工调整。算法2：产品偏好算法根据浏览10%、搜索15%、加购物车30%，购买45%的权重，对产品被购买的次数/件数做排行，排行靠前的产品为其购买偏好（品类偏好依据产品偏好推算）。偏好可细分为：兴趣偏好（浏览和搜索）、意向偏好（加购物车）、购买偏好。权重可在后台人工调整。偏好度P=（浏览次数×10%+搜索次数×15%+加购物车次数×30%+购买件数×45%）× （1-排名/总数）算法3：购买周期预测算法用产品的标准使用周期和该用户购买此产品的周期进行对比，通过偏差的分析结果可对该用户购买此产品的时间进行预期。偏差N={（第n次购买周期-标准周期）+（第n-1次购买周期-标准周期）+....+（第1次购买周期-标准周期）} / n预测该商品的购买周期=标准周期+N算法4：推荐商品-受荐用户吻合度排序平台所有用户对产品偏好都可通过算法2得出。反向筛选出此用户圈子中，所有对被推荐产品有偏好的用户（用户按偏好度排序）。算法5：推荐商品购买紧迫性排序按照算法4列出的偏好用户，根据算法3的产品购买周期预测其预购时间，对偏好用户按预购时间进行排序。时间越接近分享时间，排序越前。
复购 返利
邀请
行为数据
买赚
45%
用户性别
按推荐偏好促分享
关联商品
10%
受众性别
产品偏好
符合度排序
