电商平台周期性需求商品预测数据集-用户订单与商品特征-2020年6月至2021年2月-oscarm524
数据来源：互联网公开数据
标签：电商,用户行为分析,商品推荐,周期预测,订单数据,商品数据,时间序列,机器学习
数据概述：
本数据集旨在支持对电商平台（Pia和Philip的在线商店）上周期性需求商品的预测。数据集包含了用户订单数据、商品描述信息、商品类别层级关系以及预测结果提交模板，时间跨度为2020年6月1日至2021年2月28日。数据以结构化文本文件（.csv）形式提供，主要包含以下四个文件：
orders.csv：用户订单数据，记录了用户在8个月内的商品购买交易信息。每行代表一次交易，包含用户ID、商品ID、购买时间等字段。
items.csv：商品描述数据集，包含商品的各项描述性特征，所有特征均为类别型，并已进行数值编码。
category_hierarchy.csv：商品类别层级关系数据，提供了商品与其父类别的映射关系。
submission.csv：预测结果提交模板，预定义了用户ID和商品ID的组合，以及一个用于填写预测结果的“prediction”列。
所有字段的详细描述和取值范围，请参考“features.pdf”文件。
数据用途概述：
该数据集主要用于构建和评估预测用户回购商品时间的模型。具体应用场景包括：
个性化推荐：基于预测结果，在用户可能再次购买商品的前后进行推荐，提高转化率。
库存管理：根据预测结果，优化库存管理，避免商品短缺或积压。
营销活动：在用户可能再次购买商品的时间点，推送个性化优惠信息，刺激消费。
用户行为分析：深入分析用户购买行为，了解用户购买周期，优化用户画像。
数据集的目标是预测用户在2021年2月（预测期）的四周内是否会再次购买商品，以及具体在哪一周购买。
