电商平台用户价值分层与商品关联策略分析
对某跨国电商平台近 40万条 真实交易数据进行深度分析,构建 RFM 用户分层模型 定位核心用户群体,运用 帕累托分析 识别高贡献商品,并结合 Apriori 关联规则 挖掘商品捆绑购买模式,为精细化运营和交叉销售提供数据支撑。
- 🎯 RFM 用户分层:自定义评分算法,将用户划分为 8 大价值群体
- 📊 帕累托分析:验证二八法则,精准定位贡献 80% 营收的核心商品
- 🔗 购物篮分析:发现提升度高达 23倍 的强关联商品组合
- 🖼️ 可视化看板:六合一综合分析仪表盘,直观呈现核心洞察
Python Pandas NumPy Matplotlib Seaborn mlxtend
├── 项目1.ipynb # 完整分析代码
├── rfm_result.csv # RFM 分层结果
├── association_rules.csv # 关联规则输出
├── full_analysis.png # 综合分析图表
└── README.md
| 分析模块 | 关键发现 |
|---|---|
| RFM 模型 | 核心用户群占比极小却贡献超三分之一营收,同时识别出大量待唤醒沉睡用户 |
| 关联规则 | "摄政系列茶具"内部存在高达 23倍 提升度的强关联 |
| 帕累托分析 | 约 21% 的商品贡献了 80% 的销售额 |
- 下载数据集:
https://www.heywhale.com/mw/dataset/61d668ed3debcb0022dd5d2d - 将数据文件路径替换为本地路径
- 运行
项目1.ipynb
如有疑问或建议,欢迎联系。