会 员 分 层 ： 方 法 一 ： 当 用 户 在 电 子 商 务 网 站 上 有 了 购 买 行 为 之 后 ， 就 从 潜 在 客 户 变 成 了 网 站 的 价 值 客 户 。 电 子 商 务 网 站一 般 都 会 将 用 户 的 交 易 信 息 ， 包 括 购 买 时 间 、 购 买 商 品 、 购 买 数 量 、 支 付 金 额 等 信 息 保 存 在 自 己 的数 据 库 里 面 ， 所 以 对 于 这 些 用 户 ， 我 们 可 以 基 于 网 站 的 运 营 数 据 对 他 们 的 交 易 行 为 进 行 分 析 ， 以 估计 每 位 用 户 的 价 值 ， 及 针 对 每 位 用 户 的 扩 展 营 销 （ Lead Generation） 的 可 能 性 。 评 价 用 户 价 值 的 指 标 对 于 评 价 指 标 的 选 择 这 里 遵 循 3 个 原 则 ： • 指 标 可 量 化 ： 没 办 法 ， 要 做 定 量 分 析 ， 这 个 是 最 基 本 的 前 提 ； • 尽 可 能 全 面 ： 根 据 底 层 数 据 选 择 尽 可 能 多 的 可 以 获 取 的 指 标 ， 这 样 能 够 从 多 角 度 进 行 分 析和 评 价 ； • 线性 独立： 即指 标 间 尽 量 保 持不相关。 比如如果选 择 用 户 的 购 买 次数 和 总消费额 ， 那么一定 是 购 买 次数 越多 的 用 户 总消费额 越高， 也就 是 导致了 评 价 维度 上 的 重合， 而选 择 购 买 次数 和 平均每 次交 易 额 可 以 避免这 种相关性 产生的 弊端。 根 据 以 上 几个 原 则 选 取 了 以 下几个 指 标 （ 同样 根 据 网 站 的 特征选 取 合适的 统计 时 间 段） ： 1. 最 近购 买 时 间 ： 用 户 最 近一 次购 买 距当 前 的 天数 ； 2. 购 买 频率： 用 户 在 这 段时 间 内购 买 的 次数 ； 3. 平均每 次交 易 额 ： 用 户 在 这 段时 间 内的 消费总额 /购 买 的 次数 ； 4. 单次最 高交 易 额 ： 用 户 在 这 段时 间 内购 买 的 单词最 高支 付 金 额 ； 5. 购 买 商 品 种类： 用 户 在 这 段时 间 内购 买 的 商 品 种类或商 品 大类。 用 户 评 价 模型的 展 ...
