用户群规则分析

在之前的文献中运用聚类分析方法将所有客户划分为四个客户群体类别，并对每位用户的身份信息进行了详细记录。

存在几个新问题？

1. 特点描述不够清晰，在各组之间进行R（反映特异）、F（频率）和M（模式）的比较时较为模糊，并未明确设定具体的区分标准。
   例如，在R方面（反映特异），现有文献中将数据划分为高频与低频两类；但在实际应用中并未给出明确的划分界限。
2. 该方法具有一定的局限性，在现有的客户分类标准下无法直接应用。
   遇到新的客户名单时业务人员需要重新分析并制定解决方案。

为了应对此问题，我们采用了决策树模型 ，制定了适用于各类别且易于理解的分类规则。

一、源数据

用户id+所属类别（聚类分析得到的）+还原后的R、F、M值（之前有离散化处理）

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog