基于改进RFM模型的电商用户价值分类的研究

摘要：

互联网行业数据量的不断积累膨胀,使得企业内保存了大量的原始数据和各种业务数据.如何有效地对这些数据加以利用,并构建出精准的用户画像系统是每个电商企业发展战略中的重要一环,能够帮助企业更准确地洞察用户的需求,而RFM模型对用户价值的精确分类又是构建用户画像系统的关键.该文提出了一种基于改进的RFM模型的电商用户价值分类方法.该方法通过增加对用户分析的指标,先利用层次分析法对指标进行两两打分、构成判断矩阵、确定各个指标的权重值,然后以肘部法则和轮廓系数为标准,选择出聚类效果最佳的K值,用K-Means‖聚类算法对用户价值进行分类.最后,通过对某电商用户行为数据集进行实验并与其他RFM模型进行对比实验,结果分析表明,该RFME模型与传统的RFM模型和一些改进的RFM模型相比轮廓系数更高,价值分类体系更加客观,具有更精确、更快速的用户分类效果.

关键词：用户画像、RFM模型、用户分类、层次分析法、K-Means‖聚类算法

所属期刊栏目：32

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划;南京邮电大学校级科研基金

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128