快手平台化妆品用户复购行为健康评估数据

本数据集通过构建复购健康指数（RHI）和唤醒优先级等级，为化妆品电商用户复购运营提供精准决策支持。对内应用：唤醒优先级等级“高”的用户（RHI≥0.7，间隔短且稳定），复购意愿强，可高频推送新品信息或搭配推荐，维持活跃状态；“中”的用户（0.4≤RHI<0.7，间隔中等或略有波动），按周推送常规促销与复购激励，引导缩短复购周期；“低”的用户（RHI<0.4，间隔长或极不稳定），适当降低推送频率，避免骚扰，纳入大促节点统一唤醒。若当前间隔已超过历史平均复购周期且偏离度>50%，自动触发定向唤醒优惠券，促使其回流复购。同时可识别间隔波动极大的用户（稳定性系数<0.3），预判流失风险并启动专属回访机制。结合复购阶段字段，对首次复购用户侧重复购习惯培养，对高频复购用户侧重新品推荐与会员权益升级。对外应用：脱敏后的复购健康指数数据集可作为电商复购预测模型的特征输入，供行业用户复购研判与模型训练复用。一、加工前数据说明：原始数据为2026年1-3月快手平台化妆品订单销售数据，含订单号、订单创建时间、实付款、订单状态、买家信息，已脱敏。 二、处理规则说明： 1.数据清洗：筛选“交易成功”有效订单，剔除实付款≤0异常记录；对买家信息组合去重生成唯一买家ID。 2.相邻购买间隔天数计算：按买家ID分组，订单按创建时间升序排序。相邻购买间隔天数（天）=当前订单日期-上一订单日期。消费次数≥2的用户生成N-1条间隔记录，仅消费1次的不产生间隔记录。 3.历史平均复购周期计算：对每个用户，计算其所有相邻购买间隔天数（天）的算术平均值。 4.间隔偏离度计算：(相邻购买间隔天数（天）-历史平均复购周期（天）)/历史平均复购周期（天）×100%。 5.间隔等级划分：相邻购买间隔天数（天）≤1天为“短”；2-7天为“中”；≥8天为“长”。 6.是否超过平均复购周期：相邻购买间隔天数（天）＞历史平均复购周期（天）标记“是”，否则“否”。 7.复购强度系数（I，取值0-1）：相邻购买间隔天数（天）≤1天为1.0；2-3天为0.9；4-7天为0.7；8-15天为0.5；16-30天为0.3；>30天为0.1。 8.间隔标准差计算：按买家ID分组计算其所有间隔天数的样本标准差。 9.复购稳定性系数（S，取值0-1）：标准差≤1天为1.0；1<标准差≤3天为0.8；3<标准差≤7天为0.6；7<标准差≤15天为0.4；>15天或仅1条间隔记录为0.2。 10.上次间隔计算：按买家ID分组、订单日期升序排序后，当前相邻购买间隔天数（天）的上一条记录值即为上次间隔，首条记录无上次间隔标记为空。 11.复购趋势系数（T，取值-1至1）：相邻购买间隔天数（天）＜上次间隔为0.5；＞上次间隔为-0.5；＝上次间隔或为首次间隔为0。 12.复购健康指数（RHI，取值0-1）：RHI=复购强度系数×0.45+复购稳定性系数×0.35+（复购趋势系数×0.2+0.2）。 13.唤醒优先级等级：RHI≥0.7为“高”；0.4≤RHI<0.7为“中”；RHI<0.4为“低”。 14.累计消费次数计算：按买家ID分组，统计该用户有效订单总条数。 15.复购阶段划分：累计消费次数=2为“首次复购”；3-4次为“复购初期”；5-7次为“稳定复购期”；≥8次为“高频复购期”。

搜集汇总

背景与挑战

背景概述

该数据集基于2026年1-3月快手平台化妆品订单销售数据，通过计算复购健康指数（RHI）与唤醒优先级等级，为化妆品电商用户复购运营提供决策支持。数据包含15个字段，共1126条记录，涵盖复购间隔、稳定性、趋势等指标，并划分用户复购阶段。对内可用于制定差异化唤醒策略，对外可作为电商复购预测模型的特征输入，供行业用户复用。