GoogleMerchandiseStore购物车添加预测数据集
数据来源：互联网公开数据
标签：电子商务,用户行为分析,购物车预测,会话分析,设备属性,地理位置,流量来源,机器学习
数据概述
本数据集来自Google Merchandise Store，是一个真实的电子商务场景。数据通过匿名化处理的Google Analytics数据生成，记录了每个访客会话的详细信息。目标是预测访客在某个会话中是否会将商品添加到购物车。数据集包含19个特征，涵盖访客ID、会话时间、设备类型、地理位置、流量来源等维度，以及关键的目标变量“addedToCart”，用于标识访客是否在会话中添加了商品到购物车。
数据用途概述
该数据集适用于以下场景：
1. 电子商务分析：研究用户在购物过程中的行为模式，特别是从浏览到购物车添加的转化路径，帮助企业优化电商流程。
2. 机器学习建模：可用于构建预测模型，预测用户是否会将商品添加到购物车，从而支持精准营销和个性化推荐。
3. 用户行为分析：分析不同设备、操作系统、流量来源对用户行为的影响，了解关键的用户特征和行为驱动因素。
4. 市场策略优化：通过分析历史数据，识别高转化率的用户属性和行为特征，指导营销策略和产品推广。
5. 用户体验优化：识别用户在购物过程中可能的流失点，优化网站或移动应用的用户体验，提高转化率。
数据字段说明
以下是数据集中的关键字段及其定义：
- fullVisitorId
- 描述：唯一标识每个访客的ID，用于跟踪访客的会话历史。
-
类型：字符串（String）
-
visitStartTime
- 描述：会话开始的时间戳，以POSIX时间（秒数）表示。
-
类型：数值（Numeric）
-
date
- 描述：会话发生的日期。
-
类型：日期（Date）
-
deviceCategory
- 描述：用户使用的设备类型，分类为“Mobile”（移动设备）、“Tablet”（平板电脑）或“Desktop”（桌面设备）。
-
类型：字符串（String）
-
isMobile
- 描述：布尔值，表示用户是否使用移动设备访问（true表示是，false表示否）。
-
类型：布尔（Boolean）
-
operatingSystem
- 描述：设备的操作系统，例如“Macintosh”或“Windows”。
-
类型：字符串（String）
-
browser
- 描述：用户使用的浏览器，例如“Chrome”或“Firefox”。
-
类型：字符串（String）
-
country
- 描述：根据IP地址推断的用户所在国家。
-
类型：字符串（String）
-
city
- 描述：根据IP地址或地理ID推断的用户所在城市。
-
类型：字符串（String）
-
trafficSource
- 描述：流量来源，可能是搜索引擎名称、引用的主机名或URL参数中的utm_source值。
- 类型：字符串（String）
-
trafficMedium
- 描述：流量来源的媒介类型，例如“organic”（自然搜索）、“cpc”（付费点击）、“referral”（引用）或URL参数中的utm_medium值。
- 类型：字符串（String）
-
trafficCampaign
- 描述：营销活动的值，通常由URL参数中的utm_campaign设置。
- 类型：字符串（String）
-
isFirstVisit
- 描述：布尔值，表示该会话是否为访客的首次访问（1表示是，0表示否）。
- 类型：数值（Numeric）
-
isBounce
- 描述：布尔值，表示用户是否在会话中仅访问了一个页面后离开（1表示是，0表示否）。
- 类型：数值（Numeric）
-
totalVisits
- 描述：该访客在所有会话中的总访问次数。
- 类型：数值（Numeric）
-
totalHits
- 描述：该访客在所有会话中的总交互次数（如点击、滚动等）。
- 类型：数值（Numeric）
-
totalPageviews
- 描述：该访客在所有会话中的总页面浏览次数。
- 类型：数值（Numeric）
-
totalTimeOnSite
- 描述：该访客在所有会话中总停留时间。
- 类型：数值（Numeric）
-
totalTransactions
- 描述：该访客在所有会话中的总交易次数。
- 类型：数值（Numeric）
-
productPagesViewed
- 描述：该会话中浏览的产品页面数量。
- 类型：数值（Numeric）
-
addedToCart
- 描述：目标变量，表示该会话中用户是否将商品添加到购物车（1表示添加，0表示未添加）。
- 类型：数值（Numeric）
数据价值
该数据集提供了丰富的会话级和用户级信息，支持多维度的分析和建模。通过挖掘这些数据，可以帮助企业和研究人员：
- 理解用户行为模式，优化电商网站或移动应用的用户体验。
- 预测用户是否会将商品添加到购物车，从而制定精准的营销策略。
- 分析不同流量来源、设备类型和地理位置对用户行为的影响，优化流量获取和用户转化。
- 评估现有营销活动的成效，指导未来活动的设计和投放。
此数据集特别适合从事电子商务、用户行为分析、机器学习建模等相关领域的研究人员和从业者使用。
