客户到客户电商平台影响者分析数据集
数据来源：互联网公开数据
标签：影响者分析,电商平台,C2C,消费者行为,市场研究,数据分析,电商营销
数据概述：
本数据集包含客户到客户电商平台上的用户档案数据，揭示了影响者成功的关键因素。数据包括销售商品数量、关注者数量、关注数量以及卖家个人资料描述（情绪）等信息。通过分析这些数据，可以深入理解成为电商平台影响者的成功要素。
数据用途概述：
该数据集适用于影响者成功因素研究、电商平台营销策略制定、用户行为分析等多种场景。研究人员可以利用此数据探索影响者个人资料描述与成功程度之间的关联，为潜在的影响者提供宝贵的建议。此外，数据集还适用于教育培训，帮助学习者理解电商平台影响者的成功模式。
举例：
该数据集中包含两个文件：seller-moods_8m4x.csv和Segmentation-of-Users-per-Number-of-Sales.csv。seller-moods_8m4x.csv文件中的主要字段包括statistics__productsSold（销售商品总数）、social__nbFollowers（关注者总数）、social__nbFollows（关注总数）和mood（个人资料描述）。Segmentation-of-Users-per-Number-of-Sales.csv文件中的主要字段包括soldprodslowerbound（计算个人平均销售额的下限）、soldprodsupperbound（计算个人平均销售额的上限）、nbusers（数据集中用户总数）、meannbwords（平均每个用户的字数）、meanmoodlength（平均个人资料描述长度）、meanprodssold（平均每个用户销售的商品数）、meanfollowers（平均每个卖家的关注者数）、meanfollowed（平均每个卖家的关注数）、totalproductssold（所有用户销售的总商品数）、totalfollowers（所有用户总关注数）和totalfollowed（所有用户总关注数）。
通过分析这些数据，可以研究销售商品数量、关注者数量和个人资料描述之间的关系，找出影响者成功的关键因素。此外，还可以采用自然语言处理技术分析个人资料描述，发现成功影响者和非成功影响者在语言使用上的区别。进行A/B测试实验，分析不同词汇、短语或图片组合对影响者业绩的影响。
