用户活跃度标签建模

应用场景

期望根据客户近3个月的登录行为和发帖更新贴行为，评估客户的活跃度，将活跃度分为多个等级，以根据不同的活跃等级开展不同的营销活动。

基本思路

1、采用聚类算法，特征值取最近3个月每周（一周取7天）登录次数，每周发帖次数，每周更新贴次数，按周展开列，共12周*3=36个特征值，对每个特征值按照时间周期做降权处理。

借鉴牛顿温度冷却定律：

本期温度=上期温度 * exp（-（冷却系数）*间隔的周期数）

特征值考虑时间周期作降权处理。假设，第12周的一次登录，在今日的权重变为0.05(暂定)，则，冷却系数 = - log(0.05) / 12 约等于 0.24。假设一个客户在12周内的登录次数依次为：1,2,3,4,5,6,7,8,9,10,11,12，那么计算这个客户的登录次数总得分为：
$$\begin{array}{l}S=12e^{-0.24\ast 0}+11e^{-0.24\ast 1}+10e^{-0.24\ast 2}+9e^{-0.24\ast 3}+8e^{-0.24\ast 4}+7e^{-0.24\ast 5}+6e^{-0.24\ast 6}+\\ 5e^{-0.24\ast 7}+4e^{-0.24\ast 8}+3e^{-0.24\ast 9}+2e^{-0.24\ast 10}+1e^{-0.24\ast 11}\end{array}$$
约等于39.93 ，而不降权的方式sum(1,2…11,12)=78。

考虑客户在登录，更新贴和发帖的权重不同，分别取权重为登录：0.2，更新帖：0.3，发帖：0.5。

2、使用Kmeans算法，进行聚类，K值根据手肘法得到最优值，然后结合业务需求确定。

3、聚类为K类，然后计算每类的中心点的在登录，更新帖和发帖的降权总得分，依次对应业务含义的类别。

4、数据验证：

（1）利用轮廓系数，评估K类的聚类效果。

（2）分析K类的数据占比，是否和预期相符。

（3）K类数据，每类取部分随机样本，进行数据分析，看是否符合本类的业务含义。

特征选取

首先按照上述冷却公式计算12个周期，每周的降权得分，在三个维度（登录，发帖，更新贴）的得分总和。
然后取 最近活跃周期，总活跃周数，连续活跃周数，活跃信息熵，连续不活跃周数 五个统计特征作为建模输入特征。

信息熵简介

信息熵作为特征可以表征12周得分序列的是否有数据，即每周是否活跃的一种纯度。
$$\mathbf{H}(\mathbf{x})=-\sum _{i=1}^n$$