利用层次分析法计算掘金用户掘力值

前言

浏览如何使用掘金社区时看到掘金计算用户掘力值的公式为：

公式虽然简单，可是表达的信息量仍是很丰富的：

1. 在计算 JP 时，
2. 全部用户无差异看待
3. 用户的长期表现能够影响 JP 但不影响 JP 的计算

该计算方式存在如下几点不足：

1. 浏览了掘金数篇优质文章，这些文章的 viewsCount/likesCount 均小于 100 。这致使优质文章的 viewsCount 贡献的 JP 值低于博眼球的文章 viewsCount 贡献的 JP 值。（主观判断）
2. 持续在掘金大批量更新文章，即便 likesCount 数不高，但由于 viewsCount 数累积因此 JP 值高。有靠量刷 JP 值的可能性。
3. 不一样领域文章收获的掘力值差别巨大。
4. 不产生内容的用户没法获得掘力值。

尤为第四点不足，结合掘金对掘力值的定义

在掘金里咱们会使用掘力值来计算一个掘友在掘金社区的累计贡献值，累计贡献值的目的是为了更好地回馈优质的用户，同时也借由他们生产的优质内容帮助到更多的掘友们。

彷佛能够猜想：在掘金看来，不产生内容的用户就不是掘友，至少不是优质掘友。

从新思考掘力值

根据掘金的定义：使用掘力值来计算一个掘友在掘金社区的累计贡献值。剔除累计二字，掘力值应该等于咱们一般说的用户价值。从这一层面思考，问题变得简单了。

用户价值模型在电商很广泛。主要利用下面几个维度的数据进行计算：

用户价值由三个部分组成：

• 用户活跃度
• 用户购买忠诚度
• 用户消费能力

其中用户活跃度的指标为：

• 平均回话的 PV 数
• 平均访问时长
• 一周内的访问次数
• 进入订单填写页次数

用户购买忠诚度的指标为：

• 最后一次购买间隔
• 购买频率
• 交叉类别购买

用户消费能力的指标为：

• 近半年购买总金额
• 近半年客单价
• 近半年订单数
• 城市分布

借用电商领域的用户价值模型，对其中一些指标结合掘金平台现状进行调整，能够设计出一套更合理的评价 JP 值的模型。

根据电商的用户价值模型改造的 JP 值模型

JP 值由掘友活跃度、掘友忠诚度、掘友内容生产能力三部分组成。

掘友活跃度能够马上弥补现有 JP 值计算公式的第四点不足。而掘友忠诚度和掘友内容生产能力依旧紧扣内容生产，不脱离掘金社区的总体需求。

内容生产能力若是加上快速浏览用户比率，能够更强硬的剔除标题党。

与运营专家合做

显而易见的事实是，JP 值计算模型中各维度对 JP 值的权重在不一样的人眼中、企业的不一样的运营阶段都不一样。所以须要先计算各维度的权重。

首先请运营专家/产品专家填四个表格：

空格行Am，列An依据填表人经验填入 Am 指标是 An 指标重要程度的多少倍。好比运营专家认为现阶段掘金社区用户的每周访问频率(A3)是平均回话 PV 数(A1)重要程度的1/3，那么就在 行A3，列A1处填入1/3。对应的行A1,列A3即为3。

填完后的表格相似以下：

很是明显且常见的错误及纠正方法

运营专家填写完的表格如上，观察运营专家的表格会发现：

A2 重要程度是 A1 的两倍，A3 重要程度是 A2 的五倍。那么 A3 重要程度应该是 A1 的十五倍。运营专家给出的意见，A3 的重要程度是 A1 的1/3。明显不符合逻辑。所以，咱们须要判断表格所给矩阵的一致性。

一致矩阵是指，矩阵中任意 i,j,k 均知足 Cij * Cjk = Cik。这样的矩阵确保不会出现 A 比 B 重要，B 比 C 重要，A 却没有 C 重要的经验判断错误。

判断矩阵的一致性方法以下：

1. 计算矩阵的最大特征值 。
2. 计算统计量 CI

3. 根据矩阵阶数查询平均一致性指标 RI

4. 计算随机一致性比率 CR

当 CR <= 0.1 时，咱们认为矩阵的一致性较好，采用该矩阵。不然就须要与运营专家/产品专家沟通，对表格内的数据进行调整。

计算各维度权重

当上面四个表格表明的矩阵都经过一致性检验以后，就能够计算各个维度相对于其上个维度的权重了。

利用方根法计算权重的方法以下：

1. 将矩阵的各行元素相乘获得一个新的列向量。
2. 将新向量的各个元素开 n 次方（n为矩阵的阶数）。
3. 将所得向量归一化。

权重向量公式：

将全部表格对应矩阵一一代入权重向量公式，能够获得四个权重向量： 。

最后，咱们会获得一个 JP 值的计算公式：

应用中的细节

1. 各个指标在计算时须要进行归一化处理
2. 目前的模型使用的维度多为均值，JP 值是一个随时间在必定区间范围内任意变化的值，没有累积效果。若是想恢复累积效果，须要采用维度的累积值。