关于数据集
语境：
该数据集提供了有关不同人口统计、地点和产品类别的消费者行为和购物模式的详细洞察。它包含3,900 条客户记录，其中包含18 个属性，用于描述购买详情、购物习惯和偏好。
数据集包含以下信息：
- 客户人口统计（年龄、性别、位置）
- 产品详情（购买的商品、类别、尺寸、颜色、季节）
- 购买信息（美元消费金额、付款方式、运输类型）
- 购物行为（购买频率、之前的购买、订阅状态、折扣使用情况、促销代码）
- 客户反馈（评论评分）
该数据集可用于探索消费者决策和市场趋势，包括：
- 年龄、性别或地点如何影响购物偏好。
- 折扣、促销代码和购买金额之间的关系。
- 不同季节哪些产品类别和颜色最受欢迎。
- 支付方式的使用模式（例如 PayPal 与信用卡）。
- 订阅和忠诚度行为如何影响购物频率。
研究人员、数据分析师和学生可以使用此数据集来练习客户细分、预测模型、推荐系统和市场篮子分析。它也是学习探索性数据分析 (EDA)、机器学习和商业分析技术的宝贵资源。
数据集词汇表（按列）
客户 ID： 分配给每个客户的唯一标识符。它有助于区分不同购物者的数据，而不会泄露他们的个人身份。
年龄： 顾客的年龄，可以了解不同世代的购物习惯以及不同年龄段的偏好差异。
性别： 指示顾客是男性还是女性，从而可以分析基于性别的产品类别购买趋势和偏好。
购买的商品： 客户购买的特定产品，直接了解消费者需求和数据集中的热门商品。
类别： 所购买商品的更广泛的分类，例如服装或鞋类，有助于对产品进行分组并了解类别级别的趋势。
购买金额（美元）： 以美元计算的购买总金额，反映客户的消费能力和每笔交易的价值。
位置： 客户居住的州或地区，有助于识别地理购物模式和消费者行为的区域差异。
尺寸：购买商品的尺寸（例如 S、M、L），有助于揭示顾客对服装的偏好以及尺寸如何影响销售。
颜色： 所购买商品的选定颜色，提供在不同季节或产品类别中哪些颜色对消费者更具吸引力的见解。
季节： 购买的季节（冬季、春季等），显示客户需求如何随季节趋势变化。
评论评分：反映客户对产品满意度的数字分数，对于衡量质量感知和购买后行为很有价值。
订阅状态： 指示客户是否与商店有有效订阅，这可能会影响忠诚度、折扣和购买频率。
运输类型：客户选择的送货方式，例如免费送货或快递，突出便利偏好和购买紧迫性。
已应用折扣：显示购买时是否使用了折扣，从而可以分析折扣如何影响购买决策和销售增长。
使用的促销代码：指定客户是否使用了促销代码，有助于了解营销策略对购买行为的影响。
以前的购买： 顾客以前购买过的商品数量，反映了他们的购物历史和对商店的整体忠诚度。
付款方式： 使用的付款方式（信用卡、PayPal 等），可了解财务行为和首选交易方式。
购买频率：表示客户参与购买活动的频率，这是评估客户忠诚度和终身价值的关键指标。
