- 博客(3)
- 收藏
- 关注
RSS订阅原创 K-Means聚类分析
本文基于K-Means聚类算法对用户行为数据进行了RFM分析。首先对Kaggle数据集进行预处理，剔除异常值后计算用户Recency、Frequency和Monetary指标。通过箱线图识别并移除500多个异常用户数据后，采用SPSS和Python分别实现K-Means聚类（K=4）。结果表明用户被合理分为4个群体（流失客户占比53.7%），各群体RFM特征差异明显，轮廓系数验证了聚类质量。该分析为企业制定差异化营销策略提供了数据支持。
2026-02-24 21:42:21
700
原创 商品销售数据分析（python）
本文利用Python的pandas库对商品销售数据进行分析与可视化。通过对40514条销售记录进行数据清洗和预处理，添加了毛利额字段。分析发现日用品类销量最高，其中"微爽日用245mm"占主要份额，且东部省份销量显著高于西部。月度分析显示7-8月毛利额环比下降23.4%，主要源于零食类销售下滑。研究展示了Python在商业数据分析中的高效性和灵活性，通过自动化的数据处理和可视化呈现，为企业决策提供了数据支持。
2026-02-01 16:46:43
1020
原创 基于淘宝电商用户行为的数据分析
本文基于淘宝电商用户行为数据，通过RFM模型对用户进行分层分析。研究将用户分为重要客户、发展客户和挽留客户三类，发现重要客户在浏览转化方面表现优异但加购后转化率偏低，发展客户整体转化效率最高，而挽留客户转化率最低但加购后购买意愿较强。时间维度分析显示周末用户活跃度是工作日的2.4倍，但工作日购买占比更高（55.12%）。基于研究结果，文章提出了差异化的运营策略建议：对重要客户提供VIP服务优化加购转化，对发展客户加强收藏引导，对挽留客户实施精准优惠；同时建议周末侧重促销活动，工作日则优化精准推荐。研究结果为
2026-01-12 12:56:25
885
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人