基于特征分箱和K-Means算法的用户行为分析方法

摘要

针对网购用户所产生的购物行为进行分析，首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分，并对2种模型结果进行比较分析，讨论二者的差异性和具体的应用范围和意义.其中，基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化，使得用户分类标签更加清晰，也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据，使得运营商可以根据不同用户的不同行为进行市场细分，进而进行精准营销和服务设置.

关键词

特征分箱 / K-Means算法 / 用户行为 / RFM模型 / 网购