随着互联网的飞速发展和短视频技术的更新,短视频越来越受到追捧,越来越多的人成为了短视频的观看者、拍摄者、发布者,在众多的短视频平台中,哔哩哔哩网站的用户量级大,引流能力较强,但是单看营收方面,非游戏业务板块创收能力明显处于弱势,广告收入占比极低。为此,找到高质量up主,与之进行广告合作从而增加收入显得尤为重要。基于此,本文提出了基于改进的RFM模型的up主价值细分模型,主要研究工作包括:（1）选取视频特征并对特征进行重要性排序。首先,根据哔哩哔哩网站现有的视频特征,主观选取播放量、弹幕数、点赞数、硬币数、收藏数、分享数和评论数这7个特征。然后爬取排行榜上600条热门视频的特征数据及视频评分数据,将7个特征作为输入变量,视频评分作为输出变量,建立随机森林回归模型。回归模型的R2较大,平均相对误差较小,预测视频得分和实际视频得分的差距较小,模型拟合效果较好,各视频特征对视频评分的解释能力较强。最后,利用随机森林基于袋外数据的方法对特征重要性进行评估,根据评估结果确立特征比重。（2）依据选取的主要特征及其比重建立了改进的RFM模型。首先本文以B站科技-汽车区的数据为例,爬取了253名up主的视频信息,进行数据清洗。在原有RFM模型基础上替换R为视频平均互动率I,替换M为平均点赞率L,计算每名up主的视频平均互动率I、视频的平均发布周期F与平均点赞率L三个变量的值。其次,为了使不同变量的度量相同,对数据进行归一化处理,在确定模型中的I、F、L权重时,未使用通常的层次法,而是采用熵值法确定I、F、L这三个变量的权重,一定程度上减少了主观因素对权重的影响。最后,up主价值细分使用K-means聚类来代替原有RFM模型中的五等分法,根据加权后的IFL的综合得分进行up主价值细分,得到了高价值、高潜力、成长型、低价值四类up主具有的特征。基于最终的up主分类结果,分别站在平台和广告商的角度,提出了一些措施和建议,为平台制定增收策略提供参考。