用戶基礎數據

性別

通過快手旗下app數據,模型算法預測的用戶性別

年齡

通過快手旗下app數據,模型算法預測的用戶年齡區間

地域

根據用戶LBS信息用模型計算出的常駐省份或實時省份

設備價格

根據用戶使用快手期間手機機型預測

平臺網絡設備

用戶使用快手期間的網絡環境

大宗消費意向

用戶在快手的消費行為預測的消費偏好

財產狀態

用戶在快手系APP行為預測的用戶有無車、房情況

居住分層

用戶在快手系APP行為預測的用戶居住地區類型、居住地等級、居住小區水平

學歷

基于用戶在快手系APP行為數據通過模型算法預測的用戶最高學歷，包含：高中及以下/專科/本科/碩士及以上

人生階段

基于用戶在快手系APP行為數據通過模型算法預測的用戶人生階段，包含：婚姻狀態：未婚/已婚；生育狀態：未育/已育；育兒狀態：0-3歲/3-6歲/6-12歲

用戶行為數據

快手網紅

快手某類或指定網紅的互動行為人群

移動應用安裝

用戶安裝app行為數據，包含優惠返利/在線閱讀/安全性能/音樂游戲/系統工具/跑酷競速…

快手使用活躍度

根據用戶在快手的活躍頻次定義重度/中度/輕度

應用滲透率

根據用戶安裝某類型app綜合計算得到高滲透率/中滲透率/低滲透率(依據排名分出應用偏好高中低)

行為意向

在不同場景（社區/APP/推廣）下對特定內容或服務有過行為（瀏覽/觀看/互動）的用戶；以及對特定內容或服務可能有轉化意向的用戶

K-Star(明星)

明星的粉絲人群或者明星相關內容（綜藝片段、作品花絮等）的觀看、評論、點贊、分享人群

直播打賞

根據用戶近30天在快手直播的打賞行為數據，分別劃分打賞頻次與打賞金額高中低人群

廣告行為數據

精準廣告轉化

根據客戶歷史投放的快手廣告輻射人群的點擊、瀏覽、轉化等行為，尋找目標一般精度人群/高精度人群

品牌廣告轉化

根據歷史投放的開屏或信息流廣告輻射人群的曝光、點擊、播放等行為，尋找目標人群

行業分類

行業轉化人群

商業興趣

模型根據快手廣告、用戶行為判定的,對商業類目感興趣的人群

產品關鍵詞

對包含某關鍵詞的廣告創意感興趣的人群

用戶電商偏好

購物意圖

根據用戶在快手短視頻廣告和快手直播廣告場景下針對不同類目商品的行為意圖（瀏覽、點擊、購買等)，尋找具有消費傾向的人群

用戶消費分層

根據用戶在快手各品類/快手全品類下最近一年消費金額和訂單數據特征進行用戶消費分層

品類行為

在不同場景（視頻/直播）下對指定類目（服裝/百貨等）有過指定行為（觀看/互動/瀏覽/購買）的用戶

店鋪客戶分層

針對店鋪用戶從瀏覽/購物維度做分層，分為潛客、新客、老客等，應用于不同營銷目標針對性選擇不同類型用戶分層

（私域標簽準入規則：店鋪瀏覽次數超過2000）

店鋪粉絲分層

針對店鋪粉絲從活躍和互動等行為做潛在/沉默/活躍粉絲分層，應用于店鋪不同目標的粉絲定向

（私域標簽準入規則：店鋪瀏覽次數超過2000）

店鋪用戶行為

針對商家（小店或分銷）用戶站內行為做分類，以行為+時間窗口+強度組合形式圈選用戶應用于快手廣告投放

（私域標簽準入規則：店鋪瀏覽次數超過2000）

店鋪關注時間

針對店鋪粉絲關注店鋪時間按照周期做分層，店鋪粉絲關注天數（當日-關注日期）不同周期粉絲適用于商家不同的營銷目標；

（私域標簽準入規則：店鋪瀏覽次數超過2000）

汽車行業標簽

汽車購買意圖

基于5A模型給用戶進行綜合評分，篩選出對汽車購買有意向的用戶，包含不限、強購買欲

汽車價格

基于5A模型給用戶進行綜合評分，篩選出對汽車指定價格有興趣的用戶

汽車類型

基于5A模型給用戶進行綜合評分，篩選出對汽車指定車型有興趣的用戶

汽車動力

基于5A模型給用戶進行綜合評分，篩選出對汽車指定動力有興趣的用戶

汽車品牌

基于5A模型給用戶進行綜合評分，篩選出對汽車指定品牌有興趣的用戶，（如寶馬、奔馳等）

汽車座位

基于5A模型給用戶進行綜合評分，篩選出對汽車指定座位有興趣的用戶，包含2-4座、5-7座、7座以上

汽車人群類型

基于5A模型給用戶進行綜合評分，篩選出不同階段對汽車需求用戶

二手車偏好

基于5A模型給用戶進行綜合評分，篩選出對二手車有興趣的用戶