用户行为电商购买预测数据集_User_Behavior_E_commerce_Purchase_Prediction
数据来源：互联网公开数据
标签：用户行为, 电商, 购买预测, 点击流数据, 行为分析, 数据挖掘, 机器学习, 购物篮分析
数据概述：
该数据集包含来自电商平台的用户浏览与购买行为数据，记录了用户在浏览商品、点击页面等一系列操作后是否发生购买行为。主要特征如下：
时间跨度：数据记录的时间范围为2019年10月。
地理范围：数据未明确标注地理位置信息，但可推测为电商平台的用户行为数据。
数据维度：数据集包含两个CSV文件，oct_purchase_features.csv和oct_no_purchase_features.csv，均包含以下字段：user_session（用户会话ID），total_clicks（总点击次数），total_items（浏览商品数量），total_cats（浏览类别数量），max_dwell（最大停留时间），mean_dwell（平均停留时间），start_ts（会话开始时间戳），end_ts（会话结束时间戳），total_duration（总会话时长），click_rate（点击率），day_of_week（星期几），is_weekend（是否周末），is_special_day（是否特殊日期），time_of_day（一天中的时间段），cat_most_viewed_n_times（浏览次数最多的类别浏览次数），cat_most_viewed（浏览次数最多的类别ID），prod_most_viewed_n_times（浏览次数最多的商品浏览次数），prod_most_viewed（浏览次数最多的商品ID），cat_views_freqs（类别浏览频率），prod_views_freqs（商品浏览频率），cat_buys_freqs（类别购买频率），prod_buys_freqs（商品购买频率），is_purchase（是否发生购买行为，1为购买，0为未购买）。
数据格式：CSV格式，分为两个文件，分别记录了有购买行为和无购买行为的用户会话数据，方便进行对比分析。数据已进行结构化处理，便于特征提取和模型构建。
该数据集适合用于用户行为分析、购买预测和个性化推荐等研究。
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：适用于电商用户行为分析、购买意向预测、用户画像构建等方面的学术研究，如用户行为模式分析、基于点击流的购买预测模型构建等。
行业应用：可以为电商平台提供数据支持，特别是在提升用户转化率、优化个性化推荐、改进营销策略等方面。
决策支持：支持电商平台的业务决策，如调整商品陈列、优化用户体验、制定促销活动策略等。
教育和培训：作为数据科学、机器学习、电商分析等课程的实训素材，帮助学生和研究人员理解用户行为数据分析。
此数据集特别适合用于探索用户在电商平台上的浏览行为与购买行为之间的关系，帮助用户实现精准营销、提升用户体验、优化产品推荐等目标。
