电商平台用户流失预测数据集

电商平台用户流失预测数据集

数据来源：互联网公开数据

标签：电商,用户流失,客户行为,预测分析,机器学习,客户细分,营销策略

数据概述： 本数据集包含了一个电商平台的用户信息，旨在分析和预测用户流失。数据包含5,630条用户记录，涵盖了20个特征，全面反映了用户的行为、偏好和参与度指标。

关键特征：

1. CustomerID：每个用户的唯一标识符
2. Churn：目标变量，指示用户是否流失（1表示流失，0表示未流失）
3. Tenure：用户与平台的合作时长
4. PreferredLoginDevice：用户首选登录设备
5. CityTier：用户所在城市的等级分类
6. WarehouseToHome：用户家到最近仓库的距离
7. PreferredPaymentMode：用户首选支付方式
8. Gender：用户性别
9. HourSpendOnApp：用户在App上花费的平均时长
10. NumberOfDeviceRegistered：用户注册的设备数量
11. PreferedOrderCat：用户偏好的产品类别
12. SatisfactionScore：用户满意度评分
13. MaritalStatus：用户婚姻状况
14. NumberOfAddress：用户保存的地址数量
15. Complain：用户是否投诉过
16. OrderAmountHikeFromlastYear：与去年相比，订单金额的增长百分比
17. CouponUsed：用户使用的优惠券数量
18. OrderCount：总订单数量
19. DaySinceLastOrder：距离上次下单的天数
20. CashbackAmount：用户获得的现金返还总额

数据集特征： 5,630条用户记录 20个特征（8个数值型，12个类别型） 包含人口统计学、行为和交易数据 部分特征存在缺失值，为数据清洗和填充提供了机会

潜在应用场景：

用户流失预测：开发模型来预测哪些用户可能流失 客户细分：根据用户行为和偏好识别不同的客户群体 特征重要性分析：确定哪些因素对用户流失的影响最大 营销策略优化：利用分析结果制定有针对性的客户挽留策略

该数据集为数据科学家和分析师提供了丰富的资源，用于探索电商平台上的用户行为，练习缺失值处理，并开发用户流失预测模型。它既适合初学者练习数据清洗和探索性数据分析，也适合有经验的从业者进行高级建模技术的研究。