数据分析——分群思维、RFM实现用户分群

分群思维

按照某个指标（可以是用户生命周期、活跃度、付费）来划分用户
分群好处：
1.是用户精细化运营的基础，也就是说只有分群了才可以针对每一个群进行运营策略
2.体现用户的差异性，比较不同层级的差异更能发现问题

分群方法

包括了结构分析、同期分析、RFM模型、k—means聚类
结构分析
以营业额DAU为例，如果DAU下降了，想知道原因，可以用结构分析，加入用户被分为了新用户、老用户
就可以分析新用户、老用户的DAU变化情况，看是新用户还是老用户DAU下降了，还是都下降了
同期分析
这是一种横向纵向结合的方法
app注册用户7天留存变化情况来分析
在横向就是分析今天（假如是5月20日）注册的用户接下来的七天变化情况，一天后留存了多少，2天后又是多少（可以这样子理解：同一个个体随时间变化情况）
纵向就是分析5.20这天和5.21、5.22这些在一天后的用户变化情况，第二天的变化情况（不同个体在同一时间点的比较）
RFM
大概的思路就是计算每个用户的消费间隔R、消费频率（次数）F、消费总金额M
然后根据把R、 F、 M分组，可以根据R的不同中位数分组，如1/4 2/4 3/4 来分成4组，同理其他也一样，每一组进行打分，这里R分组打分应该是逆向的，因为R越大其实越不好，所以分值应该越小，但是F 和M就是正向的，越大分应该越高，这样子来进行数据转换了其实，然后通过总分值来分组用户类型是哪一种
K-MEANS
步骤：
数据归一化处理
确定K值 就是类别数量
但是不知道每一个类的含义，可以进行回归到没有归一化的数据