- 博客(5)
- 收藏
- 关注
RSS订阅原创 电商用户分析与聚类（Python）
核心活跃度指标：Last_Login_Days_Ago（最近登录天数（越小越活跃））->R、Purchase_Frequency（购买频率）->F、Time_Spent_on_Site_Hours（网站停留时长）、Pages_Viewed（浏览页数）| **重要价值客户** | 高 | 高 | 高 | 最近活跃、高频购买、高消费金额 - VIP客户 || **重要发展客户** | 高 | 低 | 高 | 最近活跃、低频但高消费 - 潜力客户 |（1） **用户活跃度分析**：不同用户群体的活跃程度如何？
2026-03-27 21:08:57
237
原创 Web新功能用户点击率AB-test数据分析
数据处理（Numpy,Pandas），统计检验（Scipy）,可视化（Pyecharts）,忽略错误（warnings）本质是优化我的数据：这里为什么要计算点击率：因为点击率是我后续评判的一个关键点，是我后续会用到的点，我需要得到这个数据。结构性问题：Tidy Data原则（每个变量为一列，每个观察值为一行，每种类型的观察单位为一个表格"的规范）3.5 处理异常值（建议最后进行，因为需要基于完整的、清理过的数据来识别真正的异常值）内容性问题：缺失数据，重复数据，异常值，不一致数据等。
2026-01-20 16:36:29
334
原创 记录数据分析学习历程之AB测试
8.假设检验（原假设，备择假设，原假设是想要结果的相反面，这里使用的是反证法，而备选假设可以理解为原假设，<a拒绝原假设，>a不能拒绝原假设）（了解5种检验类型：独立双样本 Z 检验、独立双样本 t 检验、Welch's t 检验、）5.流量分割与随机化（分流，分层，分流+分层）：分流是分人，分层是分页面，所谓流量即人流量。3.实验所需样本量计算（可以用这个工具，在原有A比率上，增加B比率，需要的人数）。9.前后端埋点逻辑与实现（AB测试分组包括用户ID哈希分组，随机分组，分层抽样）
2025-12-21 17:51:03
211
原创 error: failed to push some refs to ‘https://github.com/wjktxw/-.git‘hint: Updates were rejected ...
git push origin main出错，关键可能是main
2025-11-29 17:27:36
336
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人