RE-RFME: Real-Estate RFME Model for customer segmentation

营销是任何在线平台的高成本活动之一。随着客户数量的增加，根据客户动态行为设计有效的营销策略至关重要。客户细分是一种广泛使用的方法，将客户分成不同的类别，并针对每个群体单独设计营销策略。因此，在本文中，我们提出了一个端到端的管道 RE-RFME，将客户分成四个群体：高价值、有前途、需要关注和需要激活。具体而言，我们提出了一种新颖的 RFME（最近、频率、货币和参与）模型，以跟踪客户的行为特征并将其分成不同的类别。最后，我们训练 K-means 聚类算法将用户聚类到四个类别之一。我们展示了所提出方法在 Housing.com 网站和移动应用程序用户的真实数据集上的有效性。

本论文旨在解决在线平台市场营销中的客户分割问题，提出了一种RFME模型来追踪客户行为特征并将其分为四个类别。

RFME模型结合了Recency、Frequency、Monetary和Engagement特征，使用K-means聚类算法将客户分为高价值、有前途、需要关注和需要激活四个类别。

论文在真实的Housing.com数据集上验证了该方法的有效性，并提供了开源代码。该方法可以帮助在线平台设计更加有效的市场营销策略。

在相关研究方面，近期的研究主要集中在客户分割和市场营销策略优化上，如《A Comparative Study of Customer Segmentation Approaches for Retail Industry》和《Optimizing Marketing Strategies for E-commerce Platforms Using Multi-Armed Bandits》等。