解读

面试官问“RFM+品类偏好组合特征”，并不是想听你把 R、F、M 公式背一遍，而是考察三件事：

1. 你能否把用户价值分层与品类经营场景打通；
2. 你能否用国内可落地的数据口径（阿里、京东、抖音、微信小程序）做特征工程；
3. 你能否让这组特征直接服务于运营策略（选品、发券、Push、直播间排品），而不是停留在“跑数”层面。

因此，回答必须体现“业务可解释 + 工程可复用 + 策略可闭环”。

知识点

1. RFM 中国化口径

   • R：最近一次有效支付距今天数，剔除退款订单；
   • F：最近365 天支付订单数，国内平台多按“天”而非“周”计算；
   • M：最近 365 天实付金额（含红包抵扣后），不含邮费与退款。

2. 品类偏好权重

   • 一级品类下用**“单量权重 0.6 + 金额权重 0.4”**计算偏好得分，防止高客单低频品类被淹没；
   • 加入时间衰减系数 λ=0.92^t（t 为订单距今天数），让最近行为更高；
   • 对“母婴、宠物、酒水”等政策敏感品类单独打标，方便后续合规过滤。

3. 特征组合方法

   • 先对 R、F、M 做五等分（国内电商常用 5×5×5=125 群），再与Top2 品类偏好交叉，得到“125×2=250 维”稀疏特征；
   • 为降低稀疏性，用**“RFM 分层编码 + 品类偏好 One-hot”**双通道输入，Tree 模型可直接消化；
   • 对营销响应模型，再衍生**“品类偏好集中度（Gini）× RFM 得分”**交互特征，提升 AUC 2~3 个百分点。

4. 策略落地闭环

   • 高 RFM + 奶粉偏好→ 京东/天猫站内：推“新品一段试用装”，站外抖音投“孕妈痛点短视频”；
   • 低 RFM + 休闲零食偏好→ 微信小程序发“第二件半价”限时券，48h 内未核销自动再推 5 元无门槛；
   • 中 RFM + 白酒偏好→ 节日前 7 天 Push“礼盒预售”，并给 88VIP 叠加 95 折，ROI 低于 1 即停投。

答案

步骤 1：数据准备

• 取数范围：最近 365 天已完成订单，剔除退货、刷单、内部测试订单；
• 金额口径：以用户实付+平台优惠分摊为准，保证 M 与财务 GAAP 对齐。

步骤 2：RFM 分位切割

• 按月度动态分位（每月 1 日重算），解决大促后值域漂移；
• 对 R 采用**“自然日”维度，F、M 用“订单粒度”**，防止合并支付失真。

步骤 3：品类偏好得分

• 品类映射到国内统一类目 ID（天猫 5000+、京东 6000+），先做类目归并到 50 个一级品类；
• 计算衰减后订单量权重 0.6 + 衰减后实付金额权重 0.4，取 Top2 品类作为用户标签；
• 对**跨品类占比<5%**的长尾订单，归入“其它”，避免噪音。

步骤 4：组合特征工程

• 基础层：R、F、M 五分位（1~5）直接拼接，如“512”；
• 交叉层：RFM 编码 + Top1 品类 ID，生成“512-奶粉”复合键；
• 统计层：再算**“品类集中度×RFM得分”、“品类客单价/平台客单价”**等 10 个比率特征；
• 输出：给营销自动化平台（如京东通天塔、阿里达摩盘）做人群圈选，延迟<30min。

步骤 5：策略验证

• A/B 维度：同一 RFM+品类群，随机 10% 不发券做对照；
• 核心指标：支付转化率、ROI、品类复购率；
• 迭代周期：两周一次，低于行业基准 90% 即下线。

拓展思考

1. 多品类共存场景：当用户 Top2 品类占比接近（差值<5%），可引入**“品类组合包”**策略，如“奶粉+尿裤”联合券，测试交叉客单价提升。
2. 直播电商增量：把 RFM 中的 F 拆成**“直播订单占比”，M 拆成“直播客单价”**，再看品类偏好，能精准识别“直播易感高价值人群”，用于抖音 Feed 流投流。
3. 隐私合规：2024 年《个人信息出境标准合同办法》生效，若特征需出境训练模型，必须对用户 ID 做哈希加盐，且品类标签需脱敏到统计层级，避免单用户可逆。