监督学习：数据集中存在的标签（例如高价值用户），即我们要预测的结果字段，其他的字段称为特征（RFM值、层级），机器学习就是通过对特征的学习，找出能够正确预测标签的模型的过程。衡量投入产出比ROI。基于历史数据，通过用户的特征和行为数据对用户进行细分，从而了解用户，有的放矢的促销用户获客、用户管理等活动。形成同期群》》追踪一段时间后的活跃程度，留存率和流失率》》推出用户的粘性、忠诚度，评价获客，促销

维度建模：按照事实表、维度表来构建数据仓库模型的方法，根据维度表与事实表之间的链接方式完成数据表开发。数据域/主题域：数据域对当前业务场景或业务sop进行拆分完成建设，主题域则是通过业务使用场景去做事实表设计：围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量；维度：对当前场景分析角度描述及补充颗粒度：数据域下场景用户再细分（买家和卖家），基于M

聚焦于留存》如何提高LTV》如何开发出优质产品》如何提升企业长期核心价值聚焦于流失》用户为何不在使用产品》如何挽回用户》运营策略评估流失分为：1）响应式流失：对特定的负面事件或体验做出反应，突然停止之前使用的产品或服务2）预期式流失：是渐进的、缓慢发生的、无特定触发因素驱动的流失降低流失：重视用户的感受、和用户保持沟通、与用户维系好关系（用户思维）1）我们通过Lifelines库，为分析了目前江里

维度建模：按照事实表、维度表来构建数据仓库模型的方法，根据维度表与事实表之间的链接方式完成数据表开发。数据域/主题域：数据域对当前业务场景或业务sop进行拆分完成建设，主题域则是通过业务使用场景去做事实表设计：围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量；维度：对当前场景分析角度描述及补充颗粒度：数据域下场景用户再细分（买家和卖家），基于M

Scikit-learn是数据挖掘和数据分析的高效工具，可以实现数据预处理、分类、回归、降维、模型选择等操作。