介绍付费用户的常用方法：LTV预测法、玩家物品购买分析、基于玩家物品的智能推荐及社会网络方法。

介绍关联规则的基本原理及R语言的实现：利用arules包建立关联规则模型并利用arulesViz包对关联规则进行可视化展示。并介绍了事物型格式数据的转换方法。

对游戏玩家的购物道具进行探索，利用itemFrequency函数计算各个项集的出现频率(支持度)，输出支持度support**的前20个项集的支持度频率图。

利用arules函数建立关联规则，并通过调整参数得到有价值的结果，通过subset函数对关联规则进行子集提取，通过sort函数对规则进行排序，最后通过arulesViz包中的plot函数对关联规则进行可视化展示。

推荐算法的意义及R语言实现，利用recommenderlab包的Recommender函数构建推荐模型，predict函数预测推荐模型，得到模型的topN列表或者用户的预测评分。

案例：对玩家物品购买进行智能推荐，首先将矩阵转化为binaryRatingMatrix对象，然后选择选择IBCF算法建立模型，最后通过bestN函数查看top3推荐。

社会网络分析的必要性及R语言实现，利用igraph包进行社会网络关系分析及社群发现。

玩家购买物品分群分析：首先将矩阵转换成社会网络分析常用的from_to格式的数据集，并进行多种聚类算法实现聚类，从聚类结果中发现有价值的知识。

详细介绍了数据驱动下的**渠道优化策略，渠道推广分析的闭环；通过数量、质量和收入3大指标维度进行渠道的分析找出**渠道，进而有效地推广策略优化、流量优化、实现利益**化。

介绍打分模型函数的实现原理，并利用R语言自定义渠道模型打分函数。

案例：渠道质量得分模型

航空公司客户价值分析1

介绍航空公司进行客户价值分析的背景，介绍实际数据状况，进行特征工程处理，并对数据进行缺失值和异常值处理及归一化，最后利用k-means聚类对用户进行分群，对不同群体的用户特征进行解读。

背景、目标与分析方法及过程介绍

数据探索分析

Adaptive-Lasso变量选择模型

财政收入预测模型