众包平台用户价值识别与细分:基于改进的RFM模型

• 作者: 陈丹红 彭张林 万德全 杨善林
• 来源期刊: 计算机科学
• 学科: 社会科学
• 关键词: 众包 用户细分 RFM模型 GBDT算法
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 基于社会计算的多学科交叉融合专题|Special Issue of Social Computing Based Interdisciplinary Integration
• 页码范围: 37-42
• 页数: 6页
• 分类号: C934
• 语种: 中文
• DOI: 10.11896/jsjkx.210800255

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.