机器学习实战—天猫用户重复购买预测

背景

数据集

用户画像-toc" style="margin-left:40px;">用户画像数据

用户行为日志数据

训练数据

测试数据

提交数据

其它数据

数据探索

导入依赖库

读取数据

查看数据信息

缺失值分析

数据分布

复购因素分析

特征工程

模型训练

模型验证

背景

商家有时会在特定日期，例如节礼日（Boxing-day），黑色星期五或是双十一（11月11日）开展大型促销活动或者发放优惠券以吸引消费者，然而很多被吸引来的买家都是一次性消费者，这些促销活动可能对销售业绩的增长并没有长远帮助，因此为解决这个问题，商家需要识别出哪类消费者可以转化为重复购买者。通过对这些潜在的忠诚客户进行定位，商家可以大大降低促销成本，提高投资回报率（Return on Investment, ROI）。众所周知的是，在线投放广告时精准定位客户是件比较难的事情，尤其是针对新消费者的定位。不过，利用天猫长期积累的用户行为日志，我们或许可以解决这个问题。

我们提供了一些商家信息，以及在“双十一”期间购买了对应产品的新消费者信息。我们的任务是预测给定的商家中，哪些新消费者在未来会成为忠实客户，即需要预测这些新消费者在6个月内再次购买的概率。