[发明专利]一种查找价值用户的数据处理方法和系统

说明书

本发明提供一种查找价值用户的数据处理方法和系统，其方法包括：以用户名为行、RFM业务指标为列来构建数据分析列表；根据每个用户的RFM业务指标以及设定的划分阈值将数据分析列表中的数据划分为主体用户数据、高价值用户数据和异常用户数据；将高价值用户数据和异常用户数据滤除，保留主体用户数据；根据kmeans聚类方法对主体用户数据聚类处理，得到多个聚类簇；根据AHP层次分析法对聚类中心进行量化价值计算，根据量化价值的高低将主体用户数据进行归类，得到价值用户的种类。本发明采用RFM业务指标来从全局上考虑数据维度，并采用kmeans聚类方法，使数据自行成簇，避免了维度考虑单一的问题及人为造成的误差影响，从而提高工作效率。

技术领域

本发明主要涉及数据分析技术领域，具体涉及一种查找价值用户的数据处理方法和系统。

背景技术

传统划分用户价值的方法是基于个人主观将不同维度的数据划分范围，然后加以组合，形成新的维度；

传统划分方法有其自身的局限性：1.在分析过程中，遇到划分数据范围的问题时，往往凭借其中一个维度进行筛选，而不能多个维度同时考虑，影响结论准确；2.当数据量大，数据较复杂时，用传统的划分方法，会增加分析人员的负担，增加执行成本。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种查找价值用户的数据处理方法和系统。

本发明解决上述技术问题的技术方案如下：一种查找价值用户的数据处理方法，包括如下步骤：

步骤S1：以用户名为行、RFM业务指标为列来构建数据分析列表；

步骤S2：根据每个用户的RFM业务指标以及设定的划分阈值将数据分析列表中的数据划分为主体用户数据、高价值用户数据和异常用户数据三部分；

步骤S3：将高价值用户数据和异常用户数据滤除，保留主体用户数据；

步骤S4：根据kmeans聚类方法对主体用户数据聚类处理，得到多个聚类簇，每个聚类簇包括一个聚类中心；

步骤S5：根据AHP层次分析法对聚类中心进行量化价值计算，根据量化价值的高低将主体用户数据进行归类，得到价值用户的种类。

本发明的有益效果是：采用RFM业务指标来从全局上考虑数据维度，并采用kmeans聚类方法，使数据自行成簇，避免了维度考虑单一的问题及人为造成的误差影响，从而提高工作效率。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述数据分析列表为n*3的列表，其中n行分别为n个用户名，3列为每个用户名对应R指标、F指标和M指标；所述RFM业务指标包括R指标、F指标和M指标，R指标为用户最近充值日期至设定日期之间的间隔天数，F指标为用户在充值天数内成功充值的次数，M指标为用户在充值天数内成功充值的金额。

采用上述进一步方案的有益效果是：进行多维度的数据挖掘和分析，避免考虑单一而影响数据的准确性。

进一步，所述设定的划分阈值包括第一划分阈值和第二划分阈值，第一划分阈值为主体用户与高价值用户间的划分阈值，第二划分阈值为高价值用户与异常用户间的划分阈值。

阈值的确立可以根据具体业务要求来决定，比如业务目的要求很严格，那么阈值就取得保守些，如果业务目的是贪婪型的，那么阈值就取得偏大些。

采用上述进一步方案的有益效果是：通过阈值将数据分类，有利于分清哪部分数据是主体用户数据。

进一步，所述步骤S5具体包括：

步骤S501：根据AHP层次分析法分别对聚类中心进行加权计算处理，得到各聚类簇的量化价值；