关于数据集
您是否想过，在电商网站上，“只逛不买”的顾客和真正付费的顾客之间究竟有何区别？此数据集提供了客户旅程的详细会话视图，记录了从抵达到最终购买的每个步骤。
该数据集通过人工合成的方式模拟真实用户行为，对于任何对营销分析、用户行为建模和转化率优化感兴趣的人而言，都是一个理想的平台。其主要挑战在于根据用户的浏览模式预测会话是否会促成购买。
内容：
该数据集包含一个 customer_journey.csv 文件，其中每一行代表用户会话中的一个事件。一个 SessionID 可以包含多行，按时间顺序详细记录用户所经历的路径。
列：
SessionID：（分类）每个用户会话的唯一标识符。
UserID：（分类）每个用户的唯一标识符。
时间戳：（时间戳）事件发生的日期和时间。
PageType：（分类）访问的页面类型（主页、产品页面、购物车、结帐、确认）。
设备类型：（分类）用于会话的设备（台式机、移动设备、平板电脑）。
国家/地区：（分类）用户所在的国家/地区。
ReferralSource：（分类）引导用户访问网站的来源（谷歌、社交媒体、直接、电子邮件）。
TimeOnPage_seconds：（数字）用户在特定页面上花费的时间（以秒为单位）。
ItemsInCart：（数字）事件发生时用户购物车中的商品数量。
购买：（布尔/二进制）目标变量。如果在会话期间进行了购买，则为 1，否则为 0。此值在给定 SessionID 的所有事件中保持一致。
潜在用例和灵感✨
转化预测（分类）：您能否建立一个模型来高精度地预测购买变量？
漏斗分析 (EDA)：漏斗每个阶段（主页 -> 产品 -> 购物车 -> 结帐）的流失率是多少？
用户细分（聚类）：您能否根据用户的浏览行为识别不同的用户群体（例如，“廉价商品猎人”、“果断买家”）？
序列分析（高级）：您可以使用 LSTM 等序列模型来预测用户的下一步动作吗？
