科研之友
微信
新浪微博
Facebook
分享链接
摘要
大数据背景下，电商平台迅速崛起，如何准确识别高价值客户，并向消费者推荐合适的产品，是平台运营商关注的重点，而精准挖掘用户行为规律是提高推荐系统准确率的关键。本文在RFM模型的基础上，针对电商平台退货率、客单价、客单件和用户活跃时长4个核心特征，提出RFM-RUVA模型，筛选高价值客户，并结合客户实例分析，验证RFM-RUVA模型的有效性。此外，将商品的协同过滤算法和基于用户的协同过滤算法相结合，提出基于商品&用户的协同过滤组合算法（Item&User＿CF），实验结果表明Item&User＿CF相较于基于商品、用户的协同过滤算法准确率分别提高了8.94%、2.63%，可以更准确地为高价值客户推荐商品。
- 单位
