一种基于RFM模型及KMeans聚类的IPTV价值用户挖掘的方法及系统与流程

本发明涉及大数据分析，具体为一种基于rfm模型及kmeans聚类的iptv价值用户挖掘的方法及系统。

背景技术：

1、iptv是基于家庭宽带网络的多媒体电视业务，大屏点播收入是家庭市场的重要收入来源，也是集团公司六大类战旅产品图谱的重要标识。随着业务的纵深发展，将逐渐从个体向家庭领域拓展和延伸，运营商作为宽带接入的重要渠道，在家庭领域有天然的接入优势，家庭领域的增值业务将为运营商打开新的收入空间。

2、现有技术中，为促进iptv业务的发展，完成iptv增值业务收入的目标，相关业务平台建设完成及各场景业务流程完善后，iptv业务运营将成为业务持续稳定发展的重要工作和关键点，以提高用户活跃度，增强客户粘性，增加增值产品包订购收入。通过对用户价值进行精准分层，并针对不同用户制定不同运营策略，以达到用户精准营销的策略，提升顾客满意度与忠诚度，提升企业核心竞争力，助力大屏业务规模、收入双跃升。采用用户价值分析中最经典的rfm模型，数据的可获得性强，模型的分层可解释性强等优点，结合机器学习中k-means算法，该算法思想简单、收敛速度快；在对大规模数据集进行聚类分析时，算法聚类较高效且效果较好；当数据集的结构分布是球形或类球形或者其他凸形的结构时，k-means算法能高效的发现类簇结构；算法对数值型数据的聚类效果好，聚类结果也与数据的输入顺序无关。

3、因此，我们需要一种基于rfm模型及kmeans聚类的iptv价值用户挖掘的方法及系统，用来打破原有业务分析模型的现状，设计新型数据挖掘模式，创新设计线上屏幕点播、线下实体渠道及移动电子渠道共同营销、共同订购的新模式，有效拓增用户规模及收入。

技术实现思路

1、本发明的目的在于提供一种基于rfm模型及kmeans聚类的iptv价值用户挖掘的方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于rfm模型及kmeans聚类的iptv价值用户挖掘的方法，所述方法包括以下步骤：

3、数据处理，实现导入数据、探索数据以及数据清洗；

4、用户消费行为分析；

5、rfm模型构建，衡量用户价值和用户创造利益能力；

6、通过k-means聚类算法，对用户价值进行精准分层，并针对不同用户制定不同运营策略，以达到用户精准营销的策略。

7、优选的，数据处理的具体操作包括：

8、导入数据时，包括数据来源，通过对用户数据、用户单次订购和周期订购数据进行关联，获取所需的用户订购数据，其字段包含：订单号,iptv账号,地区,商品编号,商品名称,订单金额,付款金额,订单类型,下单时间,开始时间,结束时间,付款方式,是否退款信息；

9、探索数据时，查看整体数据情况，数据类型是否正常、关键数据值是否有缺失、付款金额是否有异常，对数据做一个整体掌握；查看数据规模，包含785874行，13列数据，其中地区和商品名称存在空值，订单金额有存在0的订单数据；

10、数据清洗时，对数据进行去文本空格处理；对数据集中的重复数据进行去重处理；对数据集中缺失值进行填充处理，将地区描述字段中空值填充成“其他”；对数据集中付款金额小于等于0的数据进行删除处理；用直方图和核密度显示“订单金额”的数据分布：将地区字段进行整合处理，把地级市和县统一归纳为8个地市，空值设置为其他；将时间数据转化为日期类型。

11、优选的，用户消费行为分析的具体操作包括：

12、用户退款情况统计分析、用户订购商品分布情况分析、用户订购方式情况分析以及用户订购金额情况分析。

13、优选的，rfm模型构建，衡量用户价值和用户创造利益能力的具体操作包括：

14、3个特征指标分别是最近一次消费r、消费频率f和消费金额m，根据用户3个维度r、f、m值的差异，对用户进行划分，通过rfm模型，将用户实现等级划分；制定个性化的沟通和营销服务，为更多的营销决策提供有力支持；衡量客户价值和客户利润创收能力。

15、优选的，通过k-means聚类算法，对用户价值进行精准分层，并针对不同用户制定不同运营策略，以达到用户精准营销的策略的具体操作包括：

16、在实现聚类之前，对数据进行标准化处理，消除不同量纲对距离计算的影响，采用手肘法和轮廓系数来选择最佳的k值，即用户的类别数量。

17、一种基于rfm模型及kmeans聚类的iptv价值用户挖掘系统，所述系统由数据处理模块、行为分析模块、模型构建模块以及分层模块组成；

18、数据处理模块，实现导入数据、探索数据以及数据清洗；

19、行为分析模块，用于用户消费行为分析；

20、模型构建模块，用于rfm模型构建，衡量用户价值和用户创造利益能力；

21、分层模块，通过k-means聚类算法，对用户价值进行精准分层，并针对不同用户制定不同运营策略，以达到用户精准营销的策略。

22、优选的，数据处理模块，导入数据时，包括数据来源，通过对用户数据、用户单次订购和周期订购数据进行关联，获取所需的用户订购数据，其字段包含：订单号,iptv账号,地区,商品编号,商品名称,订单金额,付款金额,订单类型,下单时间,开始时间,结束时间,付款方式,是否退款信息；

23、探索数据时，查看整体数据情况，数据类型是否正常、关键数据值是否有缺失、付款金额是否有异常，对数据做一个整体掌握；查看数据规模，包含785874行，13列数据，其中地区和商品名称存在空值，订单金额有存在0的订单数据；

24、数据清洗时，对数据进行去文本空格处理；对数据集中的重复数据进行去重处理；对数据集中缺失值进行填充处理，将地区描述字段中空值填充成“其他”；对数据集中付款金额小于等于0的数据进行删除处理；用直方图和核密度显示“订单金额”的数据分布：将地区字段进行整合处理，把地级市和县统一归纳为8个地市，空值设置为其他；将时间数据转化为日期类型。

25、优选的，行为分析模块，用户退款情况统计分析、用户订购商品分布情况分析、用户订购方式情况分析以及用户订购金额情况分析。

26、优选的，模型构建模块，3个特征指标分别是最近一次消费r、消费频率f和消费金额m，根据用户3个维度r、f、m值的差异，对用户进行划分，通过rfm模型，将用户实现等级划分；制定个性化的沟通和营销服务，为更多的营销决策提供有力支持；衡量客户价值和客户利润创收能力。

27、优选的，分层模块，在实现聚类之前，对数据进行标准化处理，消除不同量纲对距离计算的影响，采用手肘法和轮廓系数来选择最佳的k值，即用户的类别数量。

28、与现有技术相比，本发明的有益效果是：

29、本发明提出的基于rfm模型及kmeans聚类的iptv价值用户挖掘的方法及系统，基于rfm模型及kmeans聚类算法，对iptv价值用户进行挖掘，具备技术逻辑架构成熟、代码健硕性强、运行高效、高度的可解耦性等优点，可大力推广到对价值用户进行挖掘，为创造更高的经济价值和社会影响力。同时该技术模型具有极大地可复制性和可参考价值，为增值业务运营起到辅助作用。

30、打破传统的数据分析思路和方法，提高了科技创新的工作效率，加快科技成果的推广应用，实现增产增效，提高iptv增值业务收入。同时，打破传统的重科研、轻推广的观念，充分发挥本项目的科技优势，加速本项目成果的转化应用，提高了其他业务系统的市场收入。

31、在推广新技术、促进科技成果转化应用方面，团队成员积极高效的配合其他业务系统选取模型、对比各个算法优势、获取数据、对数据进行清洗处理等工作，为项目落地起到了巨大的推动作用，实现了广泛推广性的巨大价值。