TOP-N推荐分析法

和按群体分层的[[RFM聚类分析法用于精细化运营]]不同，TOP-N推荐分析法针对每个用户单独推算最合适的推荐值：新用户没有历史行为，用全体用户首次充值金额分布里占比最高的那个值来推荐；老用户看其过往充值金额的标准差，标准差为零说明金额一直稳定，直接用该固定值推荐；标准差不为零说明有波动，此时更偏向最近一次的行为，用最近一次充值金额作为推荐值。实测效果上，因为是针对个体而非群体，点击率、付费率、准确度都明显优于RFM聚类分析法。发散：新用户用”大众分布最高频值”、老用户用”个人历史行为”，这个切换点揭示了个性化推荐的一个通用原则——没有个人数据时退化成利用群体智慧，一旦积累了个人数据就应该立刻切换到个体信号，而不是继续套用群体规则。