基于CLV偏好挖掘模型的数字社区用户偏好挖掘研究

G250; [目的/意义]数字社区已经成为企业高效管理用户的一种方式,用户行为信息以及用户的客户生命周期价值对数字社区的用户偏好挖掘具有重要意义.且现有的数字社区研究缺乏对用户价值和未来偏好挖掘的研究.[方法/过程]针对数字社区的用户群体,本文提出基于客户生命周期价值CLV(Customer Lifetime Value,CLV)的偏好挖掘模型CLV-PM(CLV-Preference Mining,CLV-PM).首先,为反映用户真实偏好,基于用户行为信息,借助RFM模型和K-Means++算法挖掘用户群体特征,生成用户价值类别标签;其次,为考虑用户时序性和差异性以及增强模型对偏好的认知,利用用户CLV构建用户-评分矩阵,并借助协同过滤算法挖掘用户预测偏好;最后,绘制数字社区目标用户的用户偏好画像.[结果/结论]"微信社群"管理平台的用户数据集中,可划分为重要价值用户、低价值用户、回流用户和重要挽留用户4种用户价值类别;目标用户16254为重要价值用户,采取"留存和维持"为主的运营策略;历史偏好为欢乐跳一跳、秒杀等活动,预测偏好为飞行棋大作战、猜码图等活动,目标用户偏好画像为数字社区运营和维护用户提供依据.