基于改进RFM模型的D公司理财产品用户挖掘研究

发布时间：2021-04-08 18:43

　　在移动互联网时代,各类产品获取流量的方法除了拉取新用户以外,最重要的手段就是提高转化、留存和促活。互联网红利时代已经过去,流量成本越来越高,此时需要花最少的运营成本来经营用户和保证收入。通过精细化以及数据化的运营方式来解决用户运营的难题,从而留住用户。本文首先根据改进后的RFM模型对D企业财富管理产品的用户进行k-means聚类,从而实现价值分层,在用R语言得出结果后,发现将用户分为五层,分别是重要发展用户,重要保持用户,重要挽留用户,一般价值用户和一般发展用户。之后使用Boruta和PCA算法对每个用户群体的重要特征进行筛选,通过实验结果与性能对比来选择更合适的模型,同时了解每一类用户的消费属性、金融属性以及基础属性,从而针对每一类用户设计相应的营销方案。本文的创新之处是将RFM模型与特征选择模型结合起来用于用户挖掘问题的研究,以及对RFM模型进行了相关改进,针对如今互联网金融产品具备的透支消费功能增加了还款情况指标,并将用户数据分为行为、基本属性和偏好三类,根据数据性质有针对的进行分析处理,又对Boruta和PCA两种算法进行了适用性验证说明,总体来看,利用了多种常用算法的特点优势... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图１－１论文技术模块??Ｆｉｇｌ－１?Ｔｈｅｓｉｓ?Ｔｅｃｈｎｏｌｏｇｙ?Ｍｏｄｕｌｅ??

图２－１?ＲＦＭ模型??

图３－２用户特征选择流程??Ｆｉｇ３－２?Ｕｓｅｒ?Ｆｅａｔｕｒｅ?Ｓｅｌｅｃｔｉｏｎ?Ｐｒｏｃｅｓｓ??

【参考文献】：
期刊论文
[1]基于CPD-SMOTE的类不平衡数据分类算法研究[J]. 彭如香,杨涛,孔华锋,姜国庆,凡友荣.  计算机应用与软件. 2018(12)
[2]数据挖掘在国内银行业应用领域的技术探究[J]. 李文豪.  江苏科技信息. 2018(15)
[3]数据挖掘在金融行业的应用探究[J]. 涂欢.  信息通信. 2018(02)
[4]基于User Profile的微博用户推荐[J]. 蒋宗礼,康亚如.  计算机与现代化. 2017(10)
[5]基于主题模型的改进随机森林算法在文本分类中的应用[J]. 姚立,张曦煌.  计算机应用与软件. 2017(08)
[6]基于SVM新的情感计算方法[J]. 杨永健,聂瑜,吴洋,孙广志,杨仲尧.  吉林大学学报(信息科学版). 2017(04)
[7]融合随机森林的C-V模型肝脏超声图像分割[J]. 黄伟,周鸣争.  井冈山大学学报(自然科学版). 2017(03)
[8]数据挖掘中基于肘部法则的聚类分析在中小学生出行路线优化设计的应用[J]. 郑英鑫.  电子世界. 2017(09)
[9]基于系统聚类分析的天河潭区域环境污染程度评价[J]. 杨吉,苏维词.  环境工程. 2016(08)
[10]云环境下基于数据流的k-means聚类算法[J]. 王飞,秦小麟,刘亮,沈尧.  计算机科学. 2015(11)

硕士论文
[1]基于机器学习的装备制造企业投资价值评估研究[D]. 赵明.吉林大学 2018
[2]基于决策树的逐步回归算法及在股票预测上的应用[D]. 沈金榕.广东工业大学 2017
[3]银行信用评级中的不平衡分类问题研究[D]. 陈力.广东工业大学 2017
[4]基于数据挖掘的互联网金融反欺诈系统研究[D]. 万浩文.暨南大学 2016
[5]基于随机森林模型的房产税税基批量评估研究[D]. 陈钊.哈尔滨工业大学 2015
[6]基于随机森林的不平衡数据分类方法研究[D]. 肖坚.哈尔滨工业大学 2013
[7]Web潜在用户挖掘研究[D]. 董倩.河北农业大学 2011



本文编号：3126059