年份：2022
作者：杨超
指导教师：朱庆华
摘要：随着老龄化现象加重，居家养老和社区养老取代家庭养老成为我国的养老重点。智慧养老平台整合养老资源和力量以满足社区居家养老服务的需求，然而现有养老服务面临着供需不匹配、老年人购买力低下等问题。为解决这些问题，本文基于智慧养老平台的真实购买数据，在传统RFM模型的基础上扩展为L、R、F、M、S、SR六个指标来描述用户行为特征，并使用K-means++聚类模型对用户群体进行划分并得到典型画像。接着构建预测模型，使用Boruta算法进行特征选择，并通过集成机器学习模型中的LightGBM算法进行预测模型训练，以拟合用户在特定时间内购买服务的行为特征。本文的创新之处在于对传统RFM模型进行了改进，以更完整地刻画智慧养老平台用户的特征；针对最优预测模型使用解释性分析方法，得出影响预测值的主要特征，为平台优化运营策略和功能设计提供依据。未来的研究可以增加数据收集，深度学习模型尝试以及质性研究方法的应用。
关键词：智慧养老，养老平台；用户购买行为，用户画像；机器学习
