CN112529712A - 用户运营分析rfm的建模方法与系统 - Google Patents

用户运营分析rfm的建模方法与系统 Download PDF

Info

Publication number
CN112529712A
CN112529712A CN202011508094.5A CN202011508094A CN112529712A CN 112529712 A CN112529712 A CN 112529712A CN 202011508094 A CN202011508094 A CN 202011508094A CN 112529712 A CN112529712 A CN 112529712A
Authority
CN
China
Prior art keywords
user
rfm
data
value
browsing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011508094.5A
Other languages
English (en)
Inventor
黄建平
马高运
李健
洪建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Rongxiang Digital Technology Holding Co ltd
Original Assignee
Zhejiang Rongxiang Digital Technology Holding Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Rongxiang Digital Technology Holding Co ltd filed Critical Zhejiang Rongxiang Digital Technology Holding Co ltd
Priority to CN202011508094.5A priority Critical patent/CN112529712A/zh
Publication of CN112529712A publication Critical patent/CN112529712A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供用户运营分析RFM的建模方法与系统，建模方法包括以下步骤：获取原始数据；定义RFM评估模型；进行数据比对，获取用户RFM值；根据RFM值计算用户层级。本发明可根据已知的信息对投资融资平台中的用户做RFM模型分析，每日刷新一次用户RFM值和层级，并记录了历史的RFM值和层级，方便跟踪用户的状态变化；本发明对使用投资融资的用户做层级划分，并且将层级划分精准到量化层面，本发明的建模结果能够方便投融资平台从数据化和技术层面的角度去对用户进行分类，能够为投融资平台的经营策略提供数据性的指导，针对性地服务用户，对不同层级的用户采用针对性的服务方案，提高用户价值，最大化营收；本发明提高了投融平台运营效率，实现精细化运营。

Description

用户运营分析RFM的建模方法与系统
技术领域
本发明涉及数据分析技术领域，具体涉及一种基于投融界用户分析的方法与系统。
背景技术
RFM模型是衡量客户价值和客户创利能力的重要工具和手段，在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。
投融平台对用户的分析非常重要的一步，在传统筛选潜在客户的方式，通常通过人工寻找潜在客户名单，然后调研客户公司信息、公司产品信息、竞品系产品信息、存量客户产品信息等，以预估客户价值，从而筛选出高价值的潜在客户，但是该方式需要消耗大量的时间和人力成本，且筛选得到的真正有价值的潜在客户有限；例如中国专利CN111833073A公开了基于K-Means++算法的航空公司客户细分方法，通过采用一种K-Means++聚类算法实现对客户的细分，为客户提供更细致化的专属服务，但其中提取的两个数据源进行数据探索与预处理，数据易造成缺失，不利于产品客户群的扩展，实现最大化营收。
发明内容
本发明目的是提供用户运营分析RFM的建模方法与系统，通过将RFM模型应用到投融平台对用户进行分层来实现用户价值最大化。
为了实现上述目的，本发明提供以下技术方案：
用户运营分析RFM的建模方法，建模方法包括以下步骤：
(1)获取原始数据；
(2)定义RFM评估模型；
(3)进行数据比对，获取用户RFM值；
(4)根据RFM值计算用户层级。
进一步地，步骤(1)中，所述原始数据包括用户ID、认证类型、APP启动次数、首次启动APP时间、最近一次启动APP时间、浏览资金列表页次数、浏览资金详情页次数、浏览资金列表页平均停留时长、浏览投资人列表页次数、浏览投资人详情页次数、浏览投资人列表页平均停留时长和收藏资金次数。
进一步地，步骤(2)中，定义R值为用户最近一次启动APP时间距离当前时间的差值，R值取正整数；
F值为用户生命周期内登录频次；
M值为用户行为价值，根据部分重点用户行为字段进行赋值计算出的用户价值。
进一步地，步骤(3)中，
R＝当前时间-最近一次启动APP时间，R>＝1，单位为天，日期计尾不计头；
Figure BDA0002845506030000021
F>＝1，日期计尾不计头；
所述该时间段内的启动次数是用户在首次启动APP和最近一次启动APP的时间范围内启动的次数，次数按照自然日去重，每个自然日至多统计1次；
M＝认证类型得分+浏览资金列表页次数权重得分+浏览资金详情页次数权重得分+浏览资金列表页平均停留时长/秒权重得分+浏览投资人列表页次数权重得分+浏览投资人详情页次数权重得分+浏览投资人列表页平均停留时长/秒权重得分+收藏资金次数权重得分；
所述权重得分＝用户行为字段数据*相应用户行为字段数据系数。
进一步地，所述用户行为字段为认证类型的得分分别为：未知为0分；个人认证为5分；企业员工认证为10分；企业法人认证为15分；所述用户行为字段为浏览资金列表页次数的系数为1；所述用户行为字段为浏览资金详情页次数的系数为1.5；所述用户行为字段为浏览资金列表页平均停留时长/秒的系数为1；所述用户行为字段为浏览投资人列表页次数的系数为1；所述用户行为字段为浏览资金方详情页次数的系数为1.5；所述用户行为字段为浏览投资人列表页平均停留时长/秒的系数为0.1；所述用户行为字段为收藏资金次数的系数为5。
在一些优选方案中根据二八法则以及参照已付费用户成交用户数据区间，将数据划分为以下层次：
用户价值 R值 F值 M值
高 小于30 大于5 11<＝M<＝80
低 大于等于30 小于等于5 M<11或M>80
进一步地，步骤(4)中，通过if函数计算出用户层级。
进一步地，所述用户层级分为高价值客户、重点保持客户、重点发展客户、重点挽留客户、一般价值客户、一般保持客户、一般发展客户和潜在客户。
在一些优选方案中用户层级的划分标准如下表：
R值 F值 M值 用户层级
高 高 高 高价值客户
低 高 高 重点保持客户
高 低 高 重点发展客户
低 低 高 重点挽留客户
高 高 低 一般价值客户
低 高 低 一般保持客户
高 低 低 一般发展客户
低 低 低 潜在客户
进一步地，所述建模系统包括数据采集模块、数据读取模块、数据处理模块、定时模块、触发模块和存储模块，所述定时模块触发数据采集模块，所述数据采集模块采集所述原始数据，采集到的数据经过所述数据读取模块读取，读取后通过存储模块存储到数据库中，再由触发模块触发数据处理模块，数据处理完成后通过存储模块进行存储数据，完成操作；所述数据读取模块执行A任务，所述数据处理模块执行B任务。
进一步地，所述A任务统计所述原始数据，计算用户RFM值，并分别处理用户唯一标识与值的映射，将获取每项用户唯一标识和原始数据的映射结果持久化到数据库。
进一步地，所述B任务读取权重指标数据和读取A任务中每项用户唯一标识和原始数据的映射结果，创建线程池分批执行根据权重和原始数据计算RFM值并划分层级，将RFM值和用户层级数据持久化到数据库。
本发明的有益效果如下：(1)本发明可根据已知的信息对投资融资平台中的用户做RFM模型分析，每日刷新一次用户RFM值和层级，并记录了历史的RFM值和层级，方便跟踪用户的状态变化；(2)本发明对使用投资融资的用户做层级划分，并且将层级划分精准到量化层面，本发明的建模结果能够方便投融资平台从数据化和技术层面的角度去对用户进行分类，能够为投融资平台的经营策略提供数据性的指导，针对性地服务用户，对不同层级的用户采用针对性的服务方案，提高用户价值，最大化营收；(3)本发明提高了投融平台运营效率，实现精细化运营。
附图说明
图1是本发明建模方法流程图。
图2是本发明系统流程图。
图3是本发明A任务流程图。
图4是本发明B任务流程图。
具体实施方式
以下结合附图对本发明的具体实施方式做详细描述，应当指出的是，实施例只是对本发明的具体阐述，不应视为对本发明的限定，实施例的目的是为了让本领域技术人员更好地理解和再现本发明的技术方案，本发明的保护范围仍应当以权利要求书所限定的范围为准。
下面结合附图与具体实施方式对本发明做进一步的描述：
如图1所示，用户运营分析RFM的建模方法与系统，建模方法包括以下步骤：
(1)获取原始数据；
(2)定义RFM评估模型；
(3)进行数据比对，获取用户RFM值；
(4)根据RFM值计算用户层级。
进一步地，步骤(1)中，所述原始数据包括用户ID、认证类型、APP启动次数、首次启动APP时间、最近一次启动APP时间、浏览资金列表页次数、浏览资金详情页次数、浏览资金列表页平均停留时长、浏览投资人列表页次数、浏览投资人详情页次数、浏览投资人列表页平均停留时长和收藏资金次数。
进一步地，步骤(2)中，定义R值为用户最近一次启动APP时间距离当前时间的差值，R值取正整数；
F值为用户生命周期内登录频次；
M值为用户行为价值，根据部分重点用户行为字段进行赋值计算出的用户价值。
进一步地，步骤(3)中，R＝当前时间-最近一次启动APP时间，R>＝1，单位为天，日期计尾不计头；
Figure BDA0002845506030000061
F>＝1，日期计尾不计头；
所述该时间段内的启动次数是用户在首次启动APP和最近一次启动APP的时间范围内启动的次数，次数按照自然日去重，每个自然日至多统计1次；
M＝认证类型得分+浏览资金列表页次数权重得分+浏览资金详情页次数权重得分+浏览资金列表页平均停留时长/秒权重得分+浏览投资人列表页次数权重得分+浏览投资人详情页次数权重得分+浏览投资人列表页平均停留时长/秒权重得分+收藏资金次数权重得分；
所述权重得分＝用户行为字段数据*相应用户行为字段数据系数。
进一步地，所述用户行为字段为认证类型的得分分别为：未知为0分；个人认证为5分；企业员工认证为10分；企业法人认证为15分；所述用户行为字段为浏览资金列表页次数的系数为1；所述用户行为字段为浏览资金详情页次数的系数为1.5；所述用户行为字段为浏览资金列表页平均停留时长/秒的系数为1；所述用户行为字段为浏览投资人列表页次数的系数为1；所述用户行为字段为浏览资金方详情页次数的系数为1.5；所述用户行为字段为浏览投资人列表页平均停留时长/秒的系数为0.1；所述用户行为字段为收藏资金次数的系数为5。
在一些优选方案中根据二八法则以及参照已付费用户成交用户数据区间，将数据划分为以下层次：
用户价值 R值 F值 M值
高 小于30 大于5 11<＝M<＝80
低 大于等于30 小于等于5 M<11或M>80
进一步地，步骤(4)中，通过if函数计算出用户层级。
进一步地，所述用户层级分为高价值客户、重点保持客户、重点发展客户、重点挽留客户、一般价值客户、一般保持客户、一般发展客户和潜在客户。
在一些优选方案中用户层级的划分标准如下表：
Figure BDA0002845506030000071
Figure BDA0002845506030000081
如图2所示，所述建模系统所述建模系统包括数据采集模块、数据读取模块、数据处理模块、定时模块、触发模块和存储模块，所述定时模块触发数据采集模块，所述数据采集模块采集所述原始数据，采集到的数据经过所述数据读取模块读取，读取后通过存储模块存储到数据库中，再由触发模块触发数据处理模块，数据处理完成后通过存储模块进行存储数据，完成操作；所述数据读取模块执行A任务，所述数据处理模块执行B任务。
如图3所示，所述A任务统计所述原始数据，计算用户RFM值，并分别处理用户唯一标识与值的映射，将获取每项用户唯一标识和原始数据的映射结果持久化到数据库。
如图4所示，所述B任务读取权重指标数据和读取A任务中每项用户唯一标识和原始数据的映射结果，创建线程池分批执行根据权重和原始数据计算RFM值并划分层级，将RFM值和用户层级数据持久化到数据库。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

Claims (10)

1.用户运营分析RFM的建模方法，其特征在于，建模方法包括以下步骤：
(1)获取原始数据；
(2)定义RFM评估模型；
(3)进行数据比对，获取用户RFM值；
(4)根据RFM值计算用户层级。
2.根据权利要求1所述的用户运营分析RFM的建模方法，其特征在于，步骤(1)中，所述原始数据包括用户ID、认证类型、APP启动次数、首次启动APP时间、最近一次启动APP时间、浏览资金列表页次数、浏览资金详情页次数、浏览资金列表页平均停留时长、浏览投资人列表页次数、浏览投资人详情页次数、浏览投资人列表页平均停留时长和收藏资金次数。
3.根据权利要求1所述的用户运营分析RFM的建模方法，其特征在于，步骤(2)中，定义R值为用户最近一次启动APP时间距离当前时间的差值，R值取正整数；
F值为用户生命周期内登录频次；
M值为用户行为价值，根据部分重点用户行为字段进行赋值计算出的用户价值。
4.根据权利要求1所述的用户运营分析RFM的建模方法，其特征在于，步骤(3)中，
R＝当前时间-最近一次启动APP时间，R>＝1；
Figure FDA0002845506020000021
M＝认证类型得分+浏览资金列表页次数权重得分+浏览资金详情页次数权重得分+浏览资金列表页平均停留时长/秒权重得分+浏览投资人列表页次数权重得分+浏览投资人详情页次数权重得分+浏览投资人列表页平均停留时长/秒权重得分+收藏资金次数权重得分；
所述权重得分＝用户行为字段数据*相应用户行为字段数据系数。
5.根据权利要求4所述的用户运营分析RFM的建模方法，其特征在于，所述用户行为字段为认证类型的得分分别为：未知为0分；个人认证为5分；企业员工认证为10分；企业法人认证为15分；所述用户行为字段为浏览资金列表页次数的系数为1；所述用户行为字段为浏览资金详情页次数的系数为1.5；所述用户行为字段为浏览资金列表页平均停留时长/秒的系数为1；所述用户行为字段为浏览投资人列表页次数的系数为1；所述用户行为字段为浏览资金方详情页次数的系数为1.5；所述用户行为字段为浏览投资人列表页平均停留时长/秒的系数为0.1；所述用户行为字段为收藏资金次数的系数为5。
6.根据权利要求1所述的用户运营分析RFM的建模方法，其特征在于，步骤(4)中，通过if函数计算出用户层级。
7.根据权利要求6所述的用户运营分析RFM的建模方法，其特征在于，所述用户层级分为高价值客户、重点保持客户、重点发展客户、重点挽留客户、一般价值客户、一般保持客户、一般发展客户和潜在客户。
8.用户运营分析RFM的建模系统，其特征在于，所述建模系统包括数据采集模块、数据读取模块、数据处理模块、定时模块、触发模块和存储模块，所述定时模块触发数据采集模块，所述数据采集模块采集所述原始数据，采集到的数据经过所述数据读取模块读取，读取后通过存储模块存储到数据库中，再由触发模块触发数据处理模块，数据处理完成后通过存储模块进行存储数据，完成操作；所述数据读取模块执行A任务，所述数据处理模块执行B任务。
9.根据权利要求8所述的用户运营分析RFM的建模系统，其特征在于，所述A任务统计所述原始数据，计算用户RFM值，并分别处理用户唯一标识与值的映射，将获取每项用户唯一标识和原始数据的映射结果持久化到数据库。
10.根据权利要求8所述的用户运营分析RFM的建模系统，其特征在于，所述B任务读取权重指标数据和读取A任务中每项用户唯一标识和原始数据的映射结果，创建线程池分批执行根据权重和原始数据计算RFM值并划分层级，将RFM值和用户层级数据持久化到数据库。
CN202011508094.5A 2020-12-18 2020-12-18 用户运营分析rfm的建模方法与系统 Pending CN112529712A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011508094.5A CN112529712A (zh) 2020-12-18 2020-12-18 用户运营分析rfm的建模方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011508094.5A CN112529712A (zh) 2020-12-18 2020-12-18 用户运营分析rfm的建模方法与系统

Publications (1)

Publication Number Publication Date
CN112529712A true CN112529712A (zh) 2021-03-19

Family

ID=75001630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011508094.5A Pending CN112529712A (zh) 2020-12-18 2020-12-18 用户运营分析rfm的建模方法与系统

Country Status (1)

Country Link
CN (1) CN112529712A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113849730A (zh) * 2021-09-06 2021-12-28 北京妙医佳健康科技集团有限公司 一种健康管理服务中用户价值分层的方法和相应的画像装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127105A (zh) * 2019-12-25 2020-05-08 青梧桐有限责任公司 用户分层模型构建方法及系统、运营分析方法及系统
CN111861555A (zh) * 2020-07-15 2020-10-30 上海视九信息科技有限公司 用于行为分析的RFM-Session用户建模方法和系统及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127105A (zh) * 2019-12-25 2020-05-08 青梧桐有限责任公司 用户分层模型构建方法及系统、运营分析方法及系统
CN111861555A (zh) * 2020-07-15 2020-10-30 上海视九信息科技有限公司 用于行为分析的RFM-Session用户建模方法和系统及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113849730A (zh) * 2021-09-06 2021-12-28 北京妙医佳健康科技集团有限公司 一种健康管理服务中用户价值分层的方法和相应的画像装置

Similar Documents

Publication Publication Date Title
US11043808B2 (en) Method for identifying pattern of load cycle
CN108389069A (zh) 基于随机森林和逻辑回归的优质客户识别方法及装置
CN106384282A (zh) 构建决策模型的方法和装置
CN111127105A (zh) 用户分层模型构建方法及系统、运营分析方法及系统
CN108388955A (zh) 基于随机森林和逻辑回归的客户服务策略制定方法、装置
CN108364191A (zh) 基于随机森林和逻辑回归的优质客户优化识别方法及装置
CN112308462A (zh) 电力用户分类方法及装置
CN107274066B (zh) 一种基于lrfmd模型的共享交通客户价值分析方法
CN112819299A (zh) 一种基于中心优化的差分K-means负荷聚类方法
CN105359172A (zh) 计算企业存在拖欠的概率
CN110689437A (zh) 一种基于随机森林的通信施工项目财务风险预测方法
CN116681450A (zh) 一种支撑智能催费的客户信用评价方法及系统
CN115205011A (zh) 基于lsf-fc算法的银行用户画像模型生成方法
CN112529712A (zh) 用户运营分析rfm的建模方法与系统
CN113450004A (zh) 电力信用报告生成方法、装置、电子设备及可读存储介质
CN116187808A (zh) 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法
CN114549035A (zh) 一种基于电信大数据的理财用户精准获客标签构建方法
CN114265887A (zh) 一种维度数据处理方法、装置、存储介质及电子设备
CN110263069B (zh) 新能源使用行为的时序特征隐含因素抽取和刻画方法及系统
CN109919811B (zh) 基于大数据的保险代理人培养方案生成方法及相关设备
CN115953166B (zh) 基于大数据智能匹配的客户信息管理方法及系统
CN117972792B (zh) 一种银行开发环境中海量用户信息脱敏方法
CN114219037A (zh) 用于确定业务数据的类别以及评价业务数据的方法和设备
CN115237970A (zh) 数据预测方法、装置、设备、存储介质及程序产品
CN117788133A (zh) 构建零售信用风险预测模型的方法和零售信贷Scoresigma模型

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210319

RJ01 Rejection of invention patent application after publication