# ecommerce-analysis

**Repository Path**: MatH416/ecommerce-analysis

## Basic Information

- **Project Name**: ecommerce-analysis
- **Description**: 跨境电商用户行为分析与运营增长策略 | Python / Pandas / Scikit-learn
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-07-30
- **Last Updated**: 2026-07-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# 

技术栈：Python · Pandas · NumPy · Scikit-learn · SciPy · Matplotlib · Seaborn · Plotly · Parquet

![输入图片说明](image1.png)
![输入图片说明](image2.png)
![输入图片说明](image3.png)
![输入图片说明](image4.png)
![输入图片说明](image5.png)

## 项目背景

针对跨境电商（美妆个护）平台 5 个月、2069 万条用户行为日志，独立完成从数据清洗、指标体系搭建、转化漏斗诊断、用户分层到 A/B 测试框架的全链路分析，产出业务洞察报告与可落地的运营策略，覆盖"数据→洞察→决策"完整闭环。

## 数据集

**来源：Kaggle [eCommerce Events History in Cosmetics Shop](https://www.kaggle.com/datasets/mkechinov/ecommerce-events-history-in-cosmetics-shop)**

| 字段 | 说明 |
|------|------|
| `event_time` | 事件发生时间 |
| `event_type` | 事件类型：view / cart / purchase |
| `product_id` | 商品 ID |
| `category_code` | 商品类目 |
| `brand` | 品牌 |
| `price` | 价格 |
| `user_id` | 用户 ID |
| `user_session` | 会话 ID |

数据量约 2GB，可按需取子集使用，天然支持漏斗分析、RFM 分层、A/B 测试等场景。

## 项目结构

```
ecommerce-analysis/
├── data/                          # 原始与清洗后数据
│   ├── 2019-Oct.csv ~ 2020-Feb.csv   # Kaggle 原始月度数据（下载后生成）
│   └── cleaned_parquet/              # 01 号 Notebook 产出，按月拆分的清洗后 Parquet 文件
├── download_data.py               # 数据下载脚本（kaggle API）
├── requirements.txt                # 项目依赖
├── 01_data_cleaning.ipynb          # 数据清洗与预处理
├── 02_eda_visualization.ipynb      # 探索性分析与可视化
├── 03_business_metrics_funnel.ipynb# 业务指标与漏斗分析
├── 04_rfm_segmentation.ipynb       # 用户分层（RFM + 聚类）
├── 05_ab_testing.ipynb             # A/B 测试与统计检验
└── README.md
```

## 各模块规划

### 01. 数据清洗与预处理

- 加载数据，查看基本信息（shape、dtypes、head）
- 缺失值分析与处理（`brand` 缺失填充/删除）
- 重复值检测与去除
- 数据类型转换（`event_time` → datetime，`price` → float）
- 异常值检测（负价格、超高价过滤）
- 过滤无效 session
- 输出清洗后的 Parquet 文件

### 02. 探索性分析（EDA）与可视化

- 事件类型分布（view / cart / purchase 占比）
- 价格分布（直方图，按品类拆分）
- 品牌 Top 20 销售额/销量排行
- 时间趋势（日/周/月活跃用户、GMV）
- 用户行为热力图（星期 × 小时）
- 类目销售结构（Treemap / 饼图）

### 03. 业务指标计算与漏斗分析

- 核心指标看板：DAU/MAU、留存率、客单价、复购率
- 转化漏斗：view → cart → purchase，各环节转化率
- 漏斗可视化（Plotly Funnel Chart）
- 流失点诊断：哪些类目/价格段流失严重
- 品类交叉购买分析

### 04. 用户分层（RFM / 聚类）

- 基于 purchase 事件计算 RFM 值
  - **R**：最近一次购买距今天数
  - **F**：购买频次
  - **M**：累计消费金额
- RFM 打分（5 分位法）
- 规则分层（冠军用户、忠诚用户、流失风险、新用户等 8 类）
- K-Means 聚类（Elbow 法确定最优 k）
- 聚类结果可视化（雷达图/3D 散点图）
- 各用户群体对应的业务建议

### 05. A/B 测试与统计检验

- 模拟真实业务场景（如推荐算法改版）
- 基于真实数据构造对照组/实验组
- 转化率差异检验：卡方检验 / Fisher 精确检验
- 连续指标差异检验：独立样本 t 检验 / Mann-Whitney U 检验
- 效应量计算（Cohen's d）与统计显著性判断
- 可视化结论与业务决策建议

## 技术栈

| 类别 | 工具 |
|------|------|
| 数据处理 | pandas, numpy |
| 可视化 | matplotlib, seaborn, plotly |
| 统计检验 | scipy.stats |
| 机器学习 | scikit-learn（KMeans, StandardScaler） |
| 开发环境 | Jupyter Notebook |

## 快速开始

```bash
# 1. 安装依赖
pip install -r requirements.txt

# 2. 下载数据集（需先配置 Kaggle API 凭证）
python download_data.py

# 3. 启动 Jupyter，按顺序运行 01 ~ 05 号 Notebook
jupyter notebook
```

## 项目亮点

- 每个 Notebook 末尾均沉淀**业务结论与可执行建议**，体现"数据 → 洞察 → 决策"完整闭环
- 覆盖数据分析师岗位高频考点：数据清洗、漏斗分析、用户分层、A/B 测试
- 代码注释清晰，可作为面试作品集展示分析思路