消费者数据分析,一直是众多企业最基础也是最重要的数据工作。如何做高精度的消费者数据分析和预测?这篇文章把这个问题讲透。
这里我们使用天池开放的数据资源(Baby Goods Info Data,资源地址: https://tianchi.aliyun.com/dataset/dataDetail?dataId=45)里下载了两个csv的数据:
- Tianchi_mum_baby.csv(儿童信息)
- Tianchi_mum_baby_trade_history.csv(交易记录)
作为体验该软件的样例数据。表结构如下2图所示。
表1 儿童信息
列名 | 描述 |
user_id | 整数类型,用户ID |
birthday | 时间类型,出生年月日 |
gender | 性别(“0”是女,“1”是男,“2”是未知) |
表2 交易记录
列名 | 描述 |
auction_id | 整数类型,交易ID |
user_id | 整数类型,用户ID |
cat_id | 整数类型,品类ID |
cat1 | 整数类型,基础品类ID |
property | 文本类型,商品相关属性 |
buy_mount | 整数类型,购买数量 |
day | 时间戳,交易日期 |
通过两个表的数据,实现“根据用户购买的儿童用品交易记录预测儿童的年龄”。
后续就可以基于预测的结果向用户推荐该年龄段可能需要的商品,促成更多商品销售,用数据分析提升产品转换。笔者所使用的软件是Yonghong Desktop,最终实现做成了一幅可视化报表,如下:
接下来我们就来一起学习下,如何利用这些数据来实现分析与预测吧~
一、做好基础准备——数据的导入与探索
数据导入
数据源的格式为CSV格式,直接在Yonghong Desktop上选择下图1这个功能上传数据即可形成数据集。
图1 CSV数据导入功能
导入后的数据集分别存放在如下位置:
图2 导入的原始数据集
数据探索
在Yonghong Desktop 上“深度分析”模块创建一个新实验,将数据集“baby”、“baby_trade_history”拖入画布,在右侧查看各个数据的元数据、探索数据功能。
可以发现:
“baby”数据集的user_id字段唯一值数量为953个,“baby_trade_history”数据集的user_id字段唯一值数量为29944个,因此只有3.18%的用户关联有baby数据的。“baby_trade_history”数据集的property字段是关于购买商品的属性信息且均已脱敏,无法知道其具体含义。
这么多的交易记录都查不到对应的儿童信息,我的想法是通过有儿童信息的交易记录,经过模型构建推理剩下那些交易记录对应的儿童信息。
二、简单五步——轻松完