需求 #24724
用户偏好标签第一期
100%
描述
背景：
在日益精细化运营的情况下，根据用户偏好推荐合适的商品，能够提升用户的转化
目的：
将用户偏好形成用户标签，在各个业务场景能够使用
PRD描述：
http://192.168.1.244:7777/newOS/24725/
新增11个标签，分别为
1、运费满足
2、退货敏感
3、一级品类偏好
4、二级品类偏好
5、三级品类偏好
6、风格偏好
7、买手偏好
8、档口偏好
9、主播偏好
10、一级市场偏好
11、二级市场偏好
开发分支：
api:feature/0701#24724用户偏好标签第一期
DML:
INSERT INTO `fmys_user_tag_market` (`tag_id`, `tag_name`, `tag_key`, `tag_value`, `parent_id`, `tag_desc`, `tag_person_count`, `level`, `create_time`, `tag_type`, `update_cover_rate_type`, `cover_rate`)
VALUES
(337, '运费满足', '', '', 329, '运费满足', 0, 2, 0, 0, 2, 0.00),
(338, '满足', 'freight_meet_flag', '1', 337, '当天用户有效运费券的数量/近30天（专场日）使用运费工具（运费券、包邮次数）的有效订单<50% ', 0, 3, 0, 0, 2, 0.00),
(339, '不满足', 'freight_meet_flag', '2', 337, '当天用户有效运费券的数量/近30天（专场日）使用运费工具（运费券、包邮次数）的有效订单>=50% ', 0, 3, 0, 0, 2, 0.00),
(340, '退货敏感', '', '', 325, '退货敏感', 0, 2, 0, 0, 2, 0.00),
(341, '敏感', 'refund_sensitive_flag', '1', 340, '两者满足其一\n 1、历史曾经购买过一次退货月卡\n 2、近90天购买件数>=30件，且退货比>=4.5%（近90天有下过单的用户）', 0, 3, 0, 0, 2, 0.00),
(342, '不敏感', 'refund_sensitive_flag', '2', 340, '两者都不满足\n 1、历史曾经购买过一次退货月卡\n 2、近90天购买件数>=30件，且退货比>=4.5%（近90天有下过单的用户）', 0, 3, 0, 0, 2, 0.00),
(343, '一级品类偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的一级品类偏好为女装。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的一级品类，得出用户的一级品类偏好得分中占比最高为女装，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(344, '二级品类偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的二级品类偏好为上装。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的二级品类，得出用户的二级品类偏好得分中占比最高为上装，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(345, '三级品类偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的三级品类偏好为衬衫。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的三级品类，得出用户的三级品类偏好得分中占比最高为衬衫，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(346, '风格偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的风格偏好为韩版。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的风格，得出用户的风格偏好得分中占比最高为韩版，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(347, '买手偏好', '', '', 318, '定义：（举例）-（定规则）\n\n1、根据算法计算用户的买手偏好为林源野。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的买手，得出用户的买手偏好得分中占比最高为林源野，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(348, '档口偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的档口偏好为3-B-326-走路带风。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的档口，得出用户的档口偏好得分中占比最高为3-B-326-走路带风，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(349, '一级市场偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的一级市场偏好为杭州四季青。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的一级市场，得出用户的一级市场偏好得分中占比最高为杭州四季青，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(350, '二级市场偏好', '', '', 318, '定义：（举例）\n\n1、根据算法计算用户的二级市场偏好为杭州意法。通过用户对商品的点击/收藏/加购/购买行为，计算商品偏好得分，根据商品将不同的偏好得分归属到对应的二级市场，得出用户的二级市场偏好得分中占比最高为杭州意法，且近30天商品偏好得分>=217的样本才是可信的（因为>=217才能覆盖到近7天的80%支付用户，54%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00),
(351, '直播偏好', '', '', 317, '直播偏好', 0, 1, 0, 2, 2, 0.00),
(352, '主播偏好', '', '', 351, '定义：（举例）\n\n1、根据算法计算用户的一手主播偏好为花椒。通过统计用户在直播间的浏览时长，将不同的直播间的浏览时长归属到对应的主播，得出用户的直播浏览时长占比最高为花椒，且近30天浏览直播时长>=5s的样本才是可信的（因为>=5s才能覆盖到近7天的80%支付用户，83%登录用户），最高占比相同则为多个偏好', 0, 2, 0, 2, 2, 0.00);
DDL:
ALTER TABLE `yishou`.`fmys_new_user_feature`
ADD COLUMN `good_category_grade_first_id` int(11) NOT NULL DEFAULT '0' COMMENT '一级商品分类id',
ADD COLUMN `good_category_grade_second_id` int(11) NOT NULL DEFAULT '0' COMMENT '二级商品分类id',
ADD COLUMN `good_category_grade_third_id` int(11) NOT NULL DEFAULT '0' COMMENT '三级商品分类id',
ADD COLUMN `new_style_id` int(11) NOT NULL DEFAULT '0' COMMENT '新风格id',
ADD COLUMN `buyer_id` int(11) NOT NULL DEFAULT '0' COMMENT '买手id',
ADD COLUMN `supply_id` int(11) NOT NULL DEFAULT '0' COMMENT '档口id',
ADD COLUMN `market_first_id` int(11) NOT NULL DEFAULT '0' COMMENT '一级市场id',
ADD COLUMN `market_second_id` int(11) NOT NULL DEFAULT '0' COMMENT '二级市场id',
ADD COLUMN `anchor_id` int(11) NOT NULL DEFAULT '0' COMMENT '主播id'
ADD COLUMN `freight_meet` tinyint(1) NOT NULL DEFAULT '0' COMMENT '运费满足 1满足 2不满足',
ADD COLUMN `refund_sensitive` tinyint(1) NOT NULL DEFAULT '0' COMMENT '退货敏感 1：敏感 2：不敏感';
ES-MAPPING：
PUT yishou_new_user_feature/_mapping/new_user_feature
{
"properties" : {
"freight_meet_flag" : {
"type" : "integer"
},
"refund_sensitive_flag" : {
"type" : "integer"
},
"good_category_grade_first" : {
"type" : "integer"
},
"good_category_grade_second" : {
"type" : "integer"
},
"good_category_grade_third" : {
"type" : "integer"
},
"new_style_tag" : {
"type" : "integer"
},
"buyer_tag" : {
"type" : "integer"
},
"supply_tag" : {
"type" : "integer"
},
"market_first_tag" : {
"type" : "integer"
},
"market_second_tag" : {
"type" : "integer"
},
"anchor_tag" : {
"type" : "integer"
}
}
}
接口：
（新增）添加用户标签（后端自用postamn调用） http://xdebug.yishou.com/dist/project-api-list?project_id=1&api_id=8433
脚本：
php think OS-LabelMarket -f setLabelMarketData 每天一次 跑标签数据到标签市场
php think user -f autoAddNewUserFeature 写用户特征数据到es
涉及到的数据表
新风格：
控制选项 new_style_type_category
数据库表 fmys_style_type
创建时间 > 1620868777
买手：
数据库表 fmys_picker_group 关联 picker_group_member
主播：
数据库表 fmys_os_model
子任务
由 
由 
由 
由 
由 
