知识卡片

普通读书笔记卡 · 9639.f · 生成模型:DeepSeek-V4.1-Flash

RFM移植与四类人群

理解等级:中级

RFM 原本描述消费:最近一次消费 R、频率 F、金额 M。换到 APP 场景:R 是最近一次使用距观测最后一天的天数,越小越活跃;F 是使用天数除以有效观测天数,用比例消除记录缺失带来的不可比;M 是总时长除以使用天数,衡量单次强度——即“最近有没有用、用得勤不勤、每次用多久”。取使用过 17 442 号 APP 且有效观测不少于 26 天的 8 718 人,R 缺 520 个(5.9%)直接删除,余 8 198 人,三变量标准化后聚类,分 4 类时组间方差占比 76.1%,远高于按 20 类强度的 0.32。四类中心呈单调梯度:F 递减、M 递减、R 递增,对应忠诚、频繁、轻度、流失四种用户;热力图上分别是天天空且色深、常来但色浅、大片空白、只剩前段零星记录。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 大数据案例分析 · 查看原书依据

      针对 APP 数据构造最近一次使用(最近一次使用距离最后一天的天数)、使用频率(使用天数除以有效观测天数)和有效使用时长(使用总时长除以使用天数)三个指标

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第10章 大数据案例分析(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter12_0001.xhtml,10.1.2 用户行为聚类分析) - 结论依据:原文借鉴 RFM 构造最近一次使用、使用频率、有效使用时长三个指标,删除 520 个缺失样本后对 8 198 人聚类,四类中心呈 F 与 M 递减、R 递增的梯度。 - 原始内容:针对 APP 数据构造最近一次使用(最近一次使用距离最后一天的天数)、使用频率(使用天数除以有效观测天数)和有效使用时长(使用总时长除以使用天数)三个指标