算法方式是根据数据特性将数据基于模型处理后量化用户价值

算法方式

算法方式是根据数据特性将数据基于模型处理后量化用户价值，分划分高低维度、量化用户价值两步。

第一步：划分高低维度

根据数据分布情况将数据分为高低两组，这里区分的方式一般采用四分位数（将一组数据由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。处于正中位置的数字就叫做中位数，如果数组个数为奇数个，则中位数为排序后中间的一个数，如果数组个数为偶数个，则中位数为排序后中间两个数的平均数。），而不是评分制的平均数。

分位数相对于平均数应用场景更广，由于大部分数据都呈现长尾分布，80%甚至90%以上都集中在低频低额区间，少数的用户提供了大部分销售，采用平均数无法很好的体现数组的特性，长尾用户很容易被平均，

下面举个例子：土豪身价2个亿，屌丝产品经理身价20万，两人平均后，平均身价1个亿……

例子并不恰当，但是能看出在数据呈现长尾分布的场景中，平均数在很多场景并不合适，而采用四分位数时，可以根据数据分布情况，选择中位数、四分之一位数或者四分之三位数，然后高于则划分为高纬度，低于则划分为低纬度。

这里有一点需要注意！

由于R值的大小和用户价值呈现反比，所以高于分位数的时候算低纬度，低于分位数时算高纬度。

第二步：量化用户价值

首先解决R、F、M三值量级不均衡的问题，然后计算RFM总值量化用户价值。可将三组数据分别无量纲化处理映射至0到1的区间在合理放大然后相加。很多同学一听到算法就晕了，我挑选了这个方法中最简单的一种，只用到了我们初中所学的数学，逻辑非常简单，下面我为大家介绍min-max归一化。