21世纪以来,我国经济社会持续高速发展,公路货运物流行业迎来了翻天覆地的深刻变化。在“互联网+公路货运”这一大背景下,我国公路货运物流行业提出了无车承运人的新模式,后无车承运人更名为“网络货运平台”。与此同时,大数据时代下巨大的流量也为企业的产品和服务带来了一连串的重塑,平台若能有效利用这些数据资源并加以分析和评估,通过数据平台搭建、数据可视化、用户画像建模等方式让静止的数据走出数据仓库,对用户价值深入挖掘研究,预估或推测用户潜在的行为偏好,对用户精准细分,并制定出合理有效的精准营销方案,将会帮助平台有效实现降本增利。本文以G网络货运平台货主用户为研究对象,深入挖掘平台当下亟需解决的货主用户管理粗放、划分规则模糊、激励作用过低的痛点,创新提出了基于CLV和AHP的RFMD货主用户价值模型,修正传统RFM模型指标R的含义和引进新指标D（发货能力）,结合用户生命周期价值模型CLV,将RFMD模型指标完善为7项,依据AHP层次分析法建立G网络货运平台货主用户价值的指标梯阶层次结构模型,再对价值指标进行权重赋值,得到本研究样本数据集的货主用户价值标准值。接着以此标准数据集为基础利用数据挖掘的K-MEANS聚类算法对货主用户进行价值分群,使用随机森林（RF）算法对聚类结果的货主用户进行特征选择,得到相关重要性强的特征变量。最后将这些特征变量用作用户标签,勾画出G网络货运平台不同货主群体的用户画像,并对此设计出个性化的货主用户精准营销方案来供平台参考,能为网络货运平台精准营销提供一些思路,有一定的理论意义和实践意义。本文使用Python软件作为研究聚类和特征选择的实现工具。全文图34幅,表22个,参考文献53篇。