众包平台用户价值识别与细分:基于改进的RFM模型
作者:陈丹红; 彭张林; 万德全; 杨善林
更新时间:
在众包平台上,不同类型的用户在参与意愿、工作动机和业务能力上具有多样性和差异性的特点,在平台上产生的价值也不同。基于用户价值度量的用户细分是更好地了解用户价值和需求、个性化和优化用户的关键。同时,众包用户价值测量维度的选择也是目前亟待解决的问题。因此,本研究在RFM模型的基础上,结合众包平台和众包用户的特点,首次将用户信用纳入用户价值模型,提出并构建了众包用户价值计量模型rfmc(Recency、Frequency、货币、Credit)。然后,结合一品威客平台获得所需的实验数据,并利用GBDT算法完成众包用户分类。最后,比较了Nave Bayes、多项logistic回归和GBDT算法的分类效果,并比较了不考虑用户信用的传统模型和RFMC模型的分类效果。结果表明,该模型适用于众包用户,具有良好的实验效果。