K-means聚类算法：用“物以类聚”的思路挖掘高价值用户 前面的文章中，我们已经学习了K近邻、朴素贝叶斯、逻辑回归、决策树和支持向量机等分类算法，也学习了线性回归等回归算法，其中决策树和随机森林也可以解决回归问题。今天
如何从几千万上百万的用户中筛选出高价值用户？ 案例分析：公司在原有的产品中积累了部分老用户，因为产品生态，导致用户粘性，使用时长根据市场热度波动，时高时低，为了弥补用户生态短板，同时开拓新业务线，开发了一款互补型产品，新产品需要做前期推广，例如前期封测，数据回收，用户意见，BUG反馈等
这才是真正的用户活跃分析，而不是罗列DAU 用户活跃该怎么分析？很多公司日常在监控DAU、MAU指标，可监控以后呢？经常是DAU下降3%，就逼着人分析半天，结果还没出报告，又涨上去了……纯纯空耗人力。用户活跃分析，该怎么做的更有价值，今天系统讲
