典型文献
众包平台用户价值识别与细分:基于改进的RFM模型
文献摘要：
在众包平台上,不同类型的用户在参与意愿、工作动机、业务能力等方面具有多样性和差异性的特征,在平台上产生的价值也不同.基于用户价值度量对用户进行细分,是更好地洞察用户价值和需求、对用户进行个性化和精细化管理的关键.同时,选择众包用户价值衡量维度也是目前需要解决的问题.因此,该研究首先基于RFM模型并结合众包平台及众包用户的特性,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衡量模型RFMC(Recency,Frequency,Monetary,Credit);然后,结合"一品威客"平台获取所需的实验数据,运用GBDT算法完成众包用户分类;最后,比较了Nave Bayes,Multinomial Logistic Regression与GBDT算法的分类效果,并比较了不考虑用户信用的传统模型与RFMC模型的分类效果.结果表明,所提模型适用于众包用户且具有较好的实验效果.
文献关键词：
众包;用户细分;RFM模型;GBDT算法
中图分类号：
作者姓名：
陈丹红;彭张林;万德全;杨善林
作者机构：
合肥工业大学管理学院 合肥230009;过程优化与智能决策教育部重点实验室 合肥230009
文献出处：
引用格式：
[1]陈丹红;彭张林;万德全;杨善林-.众包平台用户价值识别与细分:基于改进的RFM模型)[J].计算机科学,2022(04):37-42
A类：
众包平台用户,RFMC,Recency
B类：
用户价值,价值识别,参与意愿,工作动机,业务能力,价值度,地洞,洞察,价值衡量,合众,价值模型,Frequency,Monetary,Credit,一品,威客,GBDT,成众,用户分类,Nave,Bayes,Multinomial,Regression,分类效果,传统模型,实验效果,用户细分
AB值：
0.395166
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
