各位在京东购物的小伙伴享受到了京东物流的快捷和京东产品的品质，但有一点大家比较头痛，就是京东的价格会有点小贵。昨天的文章给大家讲了如何利用京粉这款APP省钱，大家可以去翻看下，了解了省钱，那么想要赚钱的小伙伴就能说服身边没有用过京东的朋友购物了，在说服的过程中要强调“京东物流快”“京东产品品质好”“京粉购有优惠”，从这三个方面引导身边的朋友购物，那今天我先和大家来聊聊京粉APP的产品类目，了解清楚产品类目，方便我们更高效的推广产品。明天会给大家讲解京粉的数据分析。
根据产品类目精准投放产品
想要玩转京粉首先要了解京粉都有哪些产品品类，京粉的品类和京东商城的品类还是有很大差别的，京粉（APP端）的品类更聚焦适合分销的产品，这也是帮助我们分销的小伙伴更快速的找到产品。如图1京粉产品类目。而京东联盟（PC端）更具全面性，京东商城有的类目，京东联盟都有，详细见图2
从图1中我们了解到，京粉产品类目包含精选、食品、个护清洁、家居家装、母婴、图书、数码3C、家用电器、女装、男装、运动，共计11个分类。
“精选”分类是一个综合分类，这个分类的目的就是汇集一些在京东商城里优惠券相对较大，佣金相对较高，容易分销的产品。大家可以时常浏览这个地方的产品，有助于大家更快速的筛选出自己要找的品类，“精选”分类这里一般只放100多个产品，所以浏览起来不会占用太多时间。
人们最常购买的分类范围是“衣食住行”，我们从图1中就可以看到，围绕衣食住行的品类就有“食品”、“家居家装”、“家用电器”、“女装”、“男装”、“母婴”、“运动”这7个品类，所以在推广产品的时候，这6个品类也要尤为重视。
京粉“食品”分类涵盖了水果、蔬菜蛋品、肉类、海鲜水产、冷饮冻食、酒水饮料、地方特产、茶叶、粮油调味等。如果你身边吃货比较多的话，建议大家在推广的过程中，有限选择京粉的“食品”分类。
据数据表明，午餐前和晚餐前是大多数用户下单食品的高峰期，且女性成为吃货主力军，男性用户主要集中在酒类、茶叶类等商品，女性消费则是承担起更多的家庭采购职责，从米面粮油、到生鲜水果、营养食品等均有涉猎。
从下单时间来看，我们在推广的食品类目产品就要选择在午餐前和晚餐前这两个时间段，如果你周边人群更多的是男性，那么你推送产品的时候就更应该选择酒类和茶叶，这样成单几率更高，如果是已婚女性的用户群体，那么家庭采购这块的食品类目产品都可以推送。
京粉“家居家装”这个分类更多的是厨房餐厅里的用品，如果你的人群更多的是“厨娘”那么你可以有限考虑这个分类。
京粉“家用电器”这个分类更多的是家里的大、小家电都可以从这个分类里选择。
京粉的“女装”、“男装”分类包含女装、男装、内衣、配饰等。我们可以通过平时留意那些买衣服频率比较高的用户，然后你去推荐给ta品味一致的衣服，成交率会大大提高。
京粉的“母婴”分类从分类名称我们就知道这个品类和宝宝、宝妈相关，如果你有宝妈群体的用户，那这个分类是你有限推送的产品，这里和大家强调一点，宝妈群体更倾向于对京东的品质，所以在京东下单的几率是很高的哦。
京粉的“运动”分类产品更多的与运动户外相关，如果你身边有运动健身或者经常出游的小伙伴可以在这个类目给他们推荐产品。匹配度会更高哦。
有数据指出，运动户外类产品的受众用户以男性居多，年龄段普遍分布在26岁到35岁之间，一般都消费5-8类户外用品，人群更注重户外用品的实用性，一般都是从互联网和杂志获取户外资讯，对健康比较看重。
这些点都为我们圈定有运动需求的用户提供了可参照的依据，小伙伴们在寻找这类产品的目标人群时可以借鉴以上的数据。
以上就是关于京粉的“衣食住行”的相关类目了，最后我们来说说数码3c和图书这两个分类，数码3c这个分类普遍偏向男性用户，所以我们在推广数码3c类产品尽可能的对标男性用户群体，数码3c分类的产品有部分产品是客单价比较高的，比如数码相机这样的产品，大家如果在平时有遇到需要购买这类高客单价产品的客户，也要推广，因为高客单价意味着高佣金哦。
随着国民对知识渴求度的不断提升，看书的习惯也成了人们的标配，这里我们在推荐图书类产品，可以分为两种，一种是少儿读物，一种是成人读物，少儿读物很好选择，成人读物一般推荐些为人处世或者是心灵鸡汤，这类书可读性强，覆盖人群也广，在推荐图书的时候可以考虑这个点去做推广。
在图书方面男性用户购书的数量高于女性用户，从购买金额上看男性平均每人比女性多花4.5元左右。整体上看，年龄越小购买图书的数量和金额越大；学历越高购书的数量和金额越大。在学历为硕士及以上的群体中，平均每年购买图书9.26本，总购买金额为247.1元。
每本图书平均购买金额可以看到，我国国民购买每本图书的平均花费在17元左右，在高学历的人群中，平均购买每本图书的花费显著高于低学历群体。
针对产品类目推送给相对应的用户群体，成家率会大大提高，而且我们在推送信息的过程中，还能降低频率，真正意义上的实现了精准投放。今天的分享就到这里，下篇文章为大家分享数据可视化。