黑色星期五电商购物预测数据集BlackFridayE-commercePurchasePrediction-port4siro
数据来源：互联网公开数据
标签：电商, 购物行为, 预测分析, 用户画像, 市场营销, 机器学习, 消费者行为, 数据挖掘
数据概述：
该数据集包含来自电商平台的购物行为数据，记录了用户在黑色星期五促销期间的商品购买信息，旨在用于构建购物预测模型。主要特征如下：
时间跨度：数据未标明具体时间，但可推断为黑色星期五促销期间的购物数据。
地理范围：数据来源于电商平台，未明确标注具体国家或地区，但从数据特征推测可能为印度市场。
数据维度：
BlackFriday_X_train.csv 和 BlackFriday_X_test.csv 包含用户属性和商品信息，包括：User_ID（用户ID）、Product_ID（商品ID）、Gender（性别）、Age（年龄）、Occupation（职业）、City_Category（城市类别）、Stay_In_Current_City_Years（在当前城市居住年限）、Marital_Status（婚姻状况）、Product_Category_1, Product_Category_2, Product_Category_3（商品类别）。
BlackFriday_y_train.csv 和 BlackFriday_y_test.csv 包含用户消费金额，包括：User_ID（用户ID）、Purchase（消费金额）。
数据格式：CSV格式，便于数据分析和建模。数据已进行脱敏处理，确保用户隐私。
该数据集适合用于电商用户购物行为分析、销售额预测、个性化推荐等研究。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于市场营销、消费者行为分析等领域的学术研究，如用户购买意愿预测、促销效果评估等。
行业应用：为电商平台、零售商提供数据支持，尤其在用户画像构建、精准营销、个性化商品推荐等领域有实际应用价值。
决策支持：支持企业制定更有效的促销策略、优化库存管理、提升用户购物体验。
教育和培训：作为数据分析、机器学习、市场营销等课程的实训素材，帮助学生和研究人员深入理解用户行为分析和预测建模。
此数据集特别适合用于探索影响消费者购物决策的因素，预测用户在黑色星期五促销期间的消费金额，帮助用户优化营销策略，提升销售业绩。
