[发明专利]一种基于RFM模型的用户分组方法、装置及可读介质

权利要求书

1.一种基于RFM模型的用户分组方法，其特征在于，包括以下步骤：

S1，获取用户的订单数据，并对用户的订单数据进行数据清理；

S2，根据数据清理后的订单数据，计算用户的最近一次下单的时间间隔R、规定时间段内的下单频率F和规定时间段内的下单总金额M三个指标；

S3，基于时间间隔R、下单频率F、下单总金额M的数值区间设置指标分箱，并通过指标分箱对所述步骤S2计算得到的所述时间间隔R、下单频率F、下单总金额M进行归一化，得到对应的指标值R_S、F_S、M_S；

S4，采用熵权法确定所述指标对应的权重系数，并根据所述指标值R_S、F_S、M_S与所述权重系数计算出每个指标的最终得分，所述步骤S4具体包括：先计算第i个用户的第j个指标的比重p_ij，

is_ij表示第i个用户第j个指标值，n表示用户总数；

再计算第j个指标的信息熵E_j，

其中

第j个指标权重记为W_j，

其中，m为指标总数，根据得到的权重系数重新计算用户每个指标的最终得分，

R_Z＝w_rR_S,F_Z＝w_fF_S,M_Z＝w_mM_S；

RFM_S＝R_Z+F_Z+M_Z；

其中R_Z，F_Z，M_Z为指标的最终得分，RFM_S为最终得分；

S5，将所述每个指标的最终得分输入K-means聚类算法，得到所述用户的最优分组结果。

2.根据权利要求1所述的基于RFM模型的用户分组方法，其特征在于，所述步骤S3中的指标分箱具体包括：将时间间隔R、下单频率F、下单总金额M按照数值区间划分为多个分箱，每个分箱分别设置对应的指标值。

3.根据权利要求2所述的基于RFM模型的用户分组方法，其特征在于，所述步骤S3中的归一化具体包括：将所述步骤S2计算得到的所述时间间隔R、下单频率F、下单总金额M的数值映射到对应的分箱中，得到对应的指标值R_S、F_S、M_S。

4.根据权利要求3所述的基于RFM模型的用户分组方法，其特征在于，所述步骤S5具体包括：

S51，根据所述指标总数构建多个K均值模型，分别计算每个K均值模型的轮廓系数值和SSE，SSE是各个簇内的样本点到所在簇质心的距离平方和，根据所述轮廓系数值和SSE选择最优类数的K均值模型；

S52，基于所述最优类数的K均值模型计算每类跨城网约车平台用户群的R、F、M指标的平均值，将每类用户群组的R、F和M指标的聚类中心点值与每个R、F和M指标的所述聚类中心点值的平均值进行比较，得到所述用户的最优分组结果。

5.根据权利要求4所述的基于RFM模型的用户分组方法，其特征在于，选择所述SSE拐点处且所述轮廓系数值最大的聚类数建立最优类数的K均值模型。

6.根据权利要求1-5中任一项所述的基于RFM模型的用户分组方法，其特征在于，所述步骤S1中的订单数据来源为城际网约车平台数据库，所述订单数据包括订单编号、用户编号、下单时间和支付金额。