典型文献
基于改进RFM模型的电商用户价值分类的研究
文献摘要：
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.
文献关键词：
用户画像;RFM模型;用户分类;层次分析法;K-Means‖聚类算法
中图分类号：
作者姓名：
师奥翔;张洁
作者机构：
南京邮电大学 计算机学院,江苏 南京 210023
文献出处：
引用格式：
[1]师奥翔;张洁-.基于改进RFM模型的电商用户价值分类的研究)[J].计算机技术与发展,2022(12):123-128
A类：
RFME
B类：
电商用户,用户价值,互联网行业,行业数据,数据量,原始数据,种业,业务数据,用户画像,电商企业,企业发展战略,地洞,洞察,精确分类,分类方法,打分,判断矩阵,权重值,肘部法则,轮廓系数,Means,聚类算法,用户行为数据,行为数据集,分类体系,用户分类,分类效果
AB值：
0.331159
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
