随着信息技术的发展,互联网技术已经渗透进了人们的日常生活。电子商务作为互联网衍生出的重要分支,打破了传统商务在服务时间、服务空间上的壁垒,实现了交易方式从线下到线上的转变。用户价值对于推动电商发展起着重要作用,但电商平台需要预先支付成本,才能将用户价值转化为客观利润,当平台的获客成本高于用户价值时就会造成亏损,因此根据用户价值的高低预先规划成本是非常重要的。针对这一现象,本文使用用户画像数据对电商平台电子书类目下用户价值进行研究,基于机器学习算法构建用户价值预测模型,并探究用户价值的影响因素,促进电商企业长足发展。在用户价值相关研究中,电商领域的用户价值研究大多数是基于用户消费过程中产生的订单数据来进行,而本文针对某电商平台中电子书类目下的用户采集了用户画像数据进行研究分析。首先对用户画像数据进行预处理和探索性分析,通过描述性统计和可视化结果对特征进行初筛。其次使用Spearman相关系数法、假设检验法、最大相关-最小冗余法、学习向量量化法、递归特征消除法对特征进行进一步的筛选,综合各种方法的结果后选出平台积分、最近三个月客单价、注册时长、是否有孩子、是否曾经为会员、学历、用户级别、用户忠诚度、促销敏感度、评价敏感度这十个特征。针对用户价值预测问题,本文首先使用SMOTE算法对收集到的不平衡数据进行平衡化处理,其次使用Ada Boost算法、GBDT算法和XGBoost算法分别构建用户价值预测模型,对比模型结果发现GBDT模型效果最优,预测准确率为96.92%,AUC值为0.9895。接着进一步优化GBDT模型,将GBDT训练过程中基分类器生成的新特征组合作为逻辑回归模型的输入,建立GBDT＿LR模型;对不同价值类别的训练集样本分别拟合回归模型,依据GBDT模型的分类结果,将测试集样本输入对应回归模型中,根据阈值对结果进行二次分类,建立GDBT＿LM模型。上述五种模型结果比较后显示改进后的GBDT＿LR模型效果最好,预测准确度为97.19%,AUC值为0.9896,模型分类效果较GBDT模型略有提升。针对电商平台对于低价值用户如何向高价值用户转化的问题,本文建立逻辑回归模型来研究用户价值的影响因素,联系前文探索性分析与特征重要性来分析特征的具体影响。结果说明平台积分的提升最能帮助用户价值由低价值向高价值的转化,其次是用户忠诚度、最近三个月客单价、是否曾经为会员等特征,根据结果为电商平台提供用户价值转化建议,促进用户价值与平台效益的提升。本文最后对研究进行了总结与展望。解释最优模型的结果,得出相关结论,为此电商平台电子书专区提供预测和提升用户价值的建议。针对论文中存在的不足之处提出改进策略,对未来工作进行展望。