1. 课程导论:分群评分沙盘的概念、特征工程在其中的核心地位、课程整体架构与学习目标
1.1 什么是“分群评分沙盘”?
“分群评分沙盘”是一套面向用户分层与价值评估的端到端特征工程框架。它并非单一算法或模型,而是一个将业务分群逻辑与统计评分机制深度融合的沙盘式工作流。其核心思想是:先通过特征工程将用户划分为具有显著行为差异的群组,再针对每个群组构建独立的评分体系,最终实现精细化运营决策。
核心公式: 分群评分沙盘 = 特征工程(分群维度) + 评分卡(价值度量) + 沙盘推演(策略模拟)
该沙盘在金融风控、用户增长、电商推荐、游戏运营等领域均有广泛应用。例如,在信贷场景中,沙盘可将用户分为“高价值稳定客群”、“风险波动客群”、“长尾沉睡客群”,并为每类客群定制不同的授信评分与营销策略。
1.2 特征工程在沙盘中的核心地位
特征工程是分群评分沙盘的基石与引擎。没有高质量的特征,分群将失去区分度,评分将失去准确性。在整个沙盘流程中,特征工程承担以下关键角色:
| 沙盘阶段 | 特征工程作用 | 典型输出 |
|---|---|---|
| 数据接入与清洗 | 处理缺失值、异常值,统一数据口径 | 干净、可用的宽表 |
| 特征构建 | 从原始数据中提取行为、统计、时序、交叉特征 | 候选特征池(100+维度) |
| 特征筛选 | 通过IV值、相关性、稳定性等指标剔除冗余特征 | 核心特征集(20-30维度) |
| 分群驱动 | 利用聚类或分箱特征将用户划分为可解释的群组 | 用户分群标签 |
| 评分校准 | 为每个群组构建专属特征权重与评分映射 | 群组评分卡 |
常见误区: 很多团队跳过特征工程直接建模,导致分群结果无法解释、评分不稳定。特征工程不是“预处理”,而是沙盘的核心竞争力。
1.3 课程整体架构
本课程共30章,按照“基础-构建-筛选-分群-评分-实战”六段式结构展开。下图展示了课程的整体知识体系与学习路径:
1.4 学习目标与能力图谱
完成本课程后,你将具备以下核心能力:
- 特征构建能力: 掌握统计特征、时序特征、交叉特征、文本特征等10+类特征的生成方法与代码实现。
- 特征筛选能力: 熟练运用IV值、方差阈值、LASSO回归、特征重要性排序等筛选技术,构建高区分度特征集。
- 分群建模能力: 独立完成基于K-Means、GMM、层次聚类的用户分群,并利用特征画像解释群组含义。
- 评分卡开发能力: 掌握逻辑回归评分卡、分数映射、WOE编码、群组评分校准等核心技术。
- 沙盘推演能力: 能够搭建端到端的分群评分沙盘,进行策略模拟与效果评估。
学习建议: 本课程适合具备Python基础与基本机器学习概念的数据分析师、算法工程师。建议每章结束后,动手运行配套代码,并尝试修改参数观察效果变化。
1.5 课程章节速览
下表列出了各篇章的核心章节与关键知识点,帮助你快速定位学习重点:
| 篇章 | 章节范围 | 核心知识点 |
|---|---|---|
| 基础篇 | 第1-3章 | 沙盘概念、数据清洗、EDA与特征分布分析 |
| 构建篇 | 第4-10章 | 统计特征、时序特征、交叉特征、聚合特征、文本特征 |
| 筛选篇 | 第11-15章 | IV值、方差阈值、相关性分析、LASSO、特征重要性 |
| 分群篇 | 第16-20章 | K-Means、GMM、层次聚类、分群画像、群组稳定性 |
| 评分篇 | 第21-25章 | WOE编码、逻辑回归评分卡、分数校准、群组评分 |
| 实战篇 | 第26-30章 | 沙盘搭建、策略模拟、A/B测试、监控与迭代 |