發(fā)布時(shí)間：2023-04-01 22:38

　　構(gòu)建研究模型,基于對(duì)用戶數(shù)據(jù)進(jìn)行挖掘和分析,發(fā)現(xiàn)其背后的規(guī)律,從而為實(shí)現(xiàn)用戶增量運(yùn)營(yíng)提供決策支持,是互聯(lián)網(wǎng)金融平臺(tái)面臨的新課題。受限于商業(yè)模式、用戶群體與技術(shù)等客觀因素,互聯(lián)網(wǎng)金融平臺(tái)實(shí)際運(yùn)營(yíng)中普遍存在用戶定位不明晰、運(yùn)營(yíng)時(shí)機(jī)不準(zhǔn)確、運(yùn)營(yíng)力度不匹配等問(wèn)題,本文將運(yùn)用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘方法,構(gòu)建互聯(lián)網(wǎng)金融平臺(tái)用戶增量運(yùn)營(yíng)的研究模型,并進(jìn)行實(shí)證研究,實(shí)現(xiàn)對(duì)互聯(lián)網(wǎng)金融平臺(tái)用戶的信用和需求分類,再結(jié)合信用和需求提出用戶價(jià)值的研究,以期解決互聯(lián)網(wǎng)金融平臺(tái)用戶增量運(yùn)營(yíng)的問(wèn)題。文章首先對(duì)研究的背景、意義進(jìn)行了介紹。然后對(duì)互聯(lián)網(wǎng)風(fēng)控和互聯(lián)網(wǎng)金融用戶挖掘的相關(guān)研究進(jìn)行了綜述,提出了本文的研究目標(biāo)、研究?jī)?nèi)容和研究方法。其次,對(duì)本文研究涉及的概念、理論和機(jī)器學(xué)習(xí)方法等進(jìn)行了闡述。主要闡述了數(shù)據(jù)挖掘、特征工程等相關(guān)概念。介紹了RFM模型、用戶細(xì)分理論、AARRR用戶增量運(yùn)營(yíng)等用戶研究的理論。介紹了本文用到的logistic回歸算法和K-means聚類算法等機(jī)器學(xué)習(xí)算法。本文的研究,基于RFM模型的研究成果,提出FAV-RFM模型到FAVC-RFM模型的演變,并指出FAVC-RFM模型的指標(biāo)體系和設(shè)計(jì)邏...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 互聯(lián)網(wǎng)金融風(fēng)控
        1.2.2 互聯(lián)網(wǎng)金融用戶挖掘
        1.2.3 研究述評(píng)
    1.3 研究目標(biāo)及內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 研究方法及創(chuàng)新
        1.4.1 研究方法
        1.4.2 研究創(chuàng)新
第2章 相關(guān)概念及理論基礎(chǔ)
    2.1 相關(guān)概念闡釋
        2.1.1 數(shù)據(jù)挖掘
        2.1.2 特征工程
    2.2 用戶管理相關(guān)理論
        2.2.1 用戶細(xì)分理論
        2.2.2 AARRR漏斗模型
    2.3 數(shù)據(jù)挖掘相關(guān)算法
        2.3.1 logistic回歸算法
        2.3.2 K-means聚類算法
    2.4 本章小結(jié)
第3章 互聯(lián)網(wǎng)金融平臺(tái)用戶增量運(yùn)營(yíng)模型的構(gòu)建
    3.1 模型的基礎(chǔ)研究
        3.1.1 RFM模型
        3.1.2 FAV-RFM模型
        3.1.3 FAVC-RFM模型
    3.2 指標(biāo)體系的構(gòu)建
    3.3 模型的設(shè)計(jì)邏輯
第4章 互聯(lián)網(wǎng)金融平臺(tái)用戶增量運(yùn)營(yíng)模型的基礎(chǔ)分析
    4.1 基于Logistic回歸的平臺(tái)用戶信用分級(jí)
        4.1.1 數(shù)據(jù)處理
        4.1.2 數(shù)據(jù)統(tǒng)計(jì)描述
        4.1.3 樣本分箱
        4.1.4 模型效果評(píng)估
        4.1.5 用戶信用評(píng)分
    4.2 基于K-means聚類的平臺(tái)用戶需求分類
        4.2.1 數(shù)據(jù)歸一化處理
        4.2.2 聚類結(jié)果分析
        4.2.3 模型結(jié)果驗(yàn)證
    4.3 本章小結(jié)
第5章 互聯(lián)網(wǎng)金融平臺(tái)用戶增量運(yùn)營(yíng)模型的實(shí)證
    5.1 互聯(lián)網(wǎng)金融平臺(tái)用戶管理典型問(wèn)題分析
        5.1.1 信用風(fēng)險(xiǎn)問(wèn)題
        5.1.2 需求風(fēng)險(xiǎn)問(wèn)題
        5.1.3 綜合價(jià)值問(wèn)題
    5.2 基于改進(jìn)型FAVC-RFM模型的用戶分類分析
    5.3 結(jié)果驗(yàn)證
        5.3.1 基于二維四象限的用戶分類分析驗(yàn)證
        5.3.2 復(fù)借率與客單均額驗(yàn)證
    5.4 用戶增量運(yùn)營(yíng)措施建議
        5.4.1 渠道用戶的獲取
        5.4.2 沉睡用戶的激活
        5.4.3 貸后用戶的留存
        5.4.4 快速多樣的變現(xiàn)
        5.4.5 垂直領(lǐng)域的推薦
    5.5 本章小結(jié)
第6章 結(jié)論及展望
    6.1 論文總結(jié)
    6.2 不足及展望
參考文獻(xiàn)
附錄
致謝



本文編號(hào)：3777992