在大城市的電商發展逐漸充實，行業發展開始向鄉鎮進攻，希望通過電商帶動當地經濟發展和消費。這樣持續擴大和發展的行業市場也更多的創業投資人群選擇加入，開設的網店量持續增加，就需要進行較好的網店運營。那么，大家是否了解網店的人群標簽呢?

　　相關性1:潛在客戶(強烈推薦的關系)

　　對于與商店或單個商品有直接行為關系的人來說，這些行為是瀏覽(點擊)、轉換、增加購買和收集這些行為。只要這些行為發生，系統就會認為該組與我們的商店或單個商品有直接且強有力的推薦關系，然后我們可以非常主動地獲得該組的顯示，它是流動的主動展示，猜你喜歡的是第一頁手搖，只要這一群買家打開第一頁手搖，猜你喜歡什么，你就可以向你展示潛在的產品，而流動的手搖搜索是不同的，它需要一個搜索動作來顯示它。正因為如此，手動平移第一頁的流程和手動平移搜索的流程之間的主要區別在于主動和被動之間的區別。對于有很強推薦關系的人，我們會被顯示出是主動還是被動。

　　相關性2:類似產品和商店人群的標簽推薦

　　我們的產品不是每個顧客都能看到的，對嗎?這是不現實的，但是有很多人可能需要我們的產品，所以這個平臺有這個相似性原則。只要我們產品的屬性和風格功能相似，平臺就會覺得我們的人是一致的。只要有一個與我們的產品相似的嬰兒被系統標記，并且我們與這個產品的屬性、功能和風格基本一致，那么我們也可以得到推薦，在這里我們將評估我們的商店和類似產品的主鍵。

　　相關性3:以消費行為進行產品推薦

　　這是一種基于歷史消費行為記錄創建和分析肖像的算法。例如，在這段時間內，買家經常瀏覽雪紡防曬衣。此時，系統認為你需要雪紡防曬衣，并立即分析你最喜歡的款式，接受價格(基于歷史)以做出準確的產品推薦。每個類別都會根據自己類別的個性化、準確性和針對性來優化算法。例如，汽車產品將建立所有者檔案，母親和嬰兒將建立馬寶檔案，根據馬寶嬰兒的年齡推薦不同的產品。

　　相關性4:買家信息數據化記錄

　　這是常規信息統計分析的推薦，如從年齡、性別、姓氏、職業等維度進行分析和推薦。新的買家系統將記錄每一個動作，存儲和分析它，并創建一個人群的肖像。全新的買家沒有任何記錄。因此，此時，系統僅通過大數據分析此人的基本屬性來推薦產品，然后密切記錄行動。

　　以上就是關于網店人群標簽的全部內容，商家可以通過各類標簽進行相對應的產品推薦，能夠在一定程度上提高店鋪的銷售業績，希望這些內容能對大家有所幫助。