有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
FLO-Dataset|多渠道零售数据集|消费者行为分析数据集
收藏github2024-07-25 更新2024-07-29 收录
下载链接：
https://github.com/ebruiserisobay/MSSQL-Practice-on-FLO-Dataset
下载链接
链接失效反馈资源简介：
该数据集包含2020-2021年间客户过去购物行为的信息，这些客户在其最后一次购买时是OmniChannel（同时在线和离线购物者）。数据集字段包括唯一客户编号、购物平台渠道、最后一次购买渠道、首次和最后一次购买日期、在线和离线平台上的最后一次购买日期、在线和离线平台的总购买次数、离线和在线购买的总价格、过去12个月内购物的类别列表以及代表三家不同公司的商店类型。
创建时间：
2024-07-25
原始信息汇总
MSSQL-Practice-on-FLO-Dataset
数据集概述
该数据集包含2020年至2021年间，OmniChannel（同时进行线上和线下购物）客户的过去购物行为信息。
数据字段
- master_id: 唯一客户编号
- order_channel: 购物平台使用的渠道（Android, iOS, Desktop, Mobile, Offline）
- last_order_channel: 最后一次购买使用的渠道
- first_order_date: 客户首次购买日期
- last_order_date: 客户最后一次购买日期
- last_order_date_online: 客户在线上平台最后一次购买日期
- last_order_date_offline: 客户在离线平台最后一次购买日期
- order_num_total_ever_online: 客户在线上平台的总购买次数
- order_num_total_ever_offline: 客户离线平台的总购买次数
- customer_value_total_ever_offline: 客户离线购买的总支付金额
- customer_value_total_ever_online: 客户线上购买的总支付金额
- interested_in_categories_12: 客户在过去12个月内购物的类别列表
- store_type: 代表3家不同的公司。如果一个客户从公司A和公司B购物，则记录为A,B。
AI搜集汇总
数据集介绍
构建方式
FLO-Dataset的构建基于2020年至2021年间OmniChannel（线上线下）购物者的历史购物行为数据。该数据集通过收集和整合客户的唯一标识符、购物渠道、首次和最后一次购买日期、在线和离线平台的购买次数及总金额、以及过去12个月内的购物类别等信息，形成了一个全面且详尽的客户行为数据库。
特点
FLO-Dataset的显著特点在于其多维度的数据结构，涵盖了客户的线上线下购物行为、购物渠道偏好、消费总额及购物类别等多个方面。此外，数据集还包含了客户在不同公司间的购物行为交叉信息，这为分析客户的多渠道购物习惯提供了独特的视角。
使用方法
使用FLO-Dataset时，研究者可以通过分析客户的购物渠道偏好、消费模式及购物类别，深入理解客户的购物行为和偏好。数据集中的多维度信息为市场分析、客户细分及个性化营销策略的制定提供了丰富的数据支持。此外，结合SQL查询工具，用户可以高效地提取和分析所需的具体数据。
背景与挑战
背景概述
FLO-Dataset 是一个专注于客户购物行为分析的数据集，由研究人员在2020年至2021年间创建。该数据集汇集了OmniChannel购物者的历史消费数据，涵盖了在线和线下购物的详细信息。主要研究人员或机构通过收集和整理这些数据，旨在深入理解多渠道购物行为，从而为零售业提供有价值的洞察。FLO-Dataset的发布对零售分析领域产生了重要影响，为研究者提供了丰富的数据资源，有助于推动个性化营销和客户行为预测的研究。
当前挑战
FLO-Dataset在构建过程中面临多个挑战。首先，数据集需要处理来自不同购物渠道的混合数据，这要求高度的数据整合和清洗能力。其次，确保数据的准确性和一致性是一个重要挑战，尤其是在处理跨平台和跨公司的购物记录时。此外，数据集的隐私和安全问题也不容忽视，特别是在涉及客户敏感信息的情况下。最后，如何有效地利用这些数据进行分析和建模，以解决零售业中的实际问题，如客户细分和购物行为预测，也是该数据集面临的一大挑战。
常用场景
经典使用场景
在零售分析领域，FLO-Dataset 常用于客户行为分析。通过分析客户的线上线下购物行为，研究者可以深入了解消费者的购物习惯、偏好以及渠道选择。例如，通过比较 `order_num_total_ever_online` 和 `order_num_total_ever_offline`，可以评估不同购物渠道对客户购买频率的影响。此外，`last_order_date` 和 `first_order_date` 的对比分析有助于识别客户的忠诚度和生命周期价值。
衍生相关工作
基于 FLO-Dataset，研究者开发了多种客户行为预测模型和个性化推荐系统。例如，通过分析 `first_order_date` 和 `last_order_date`，研究者可以构建客户生命周期模型，预测客户的未来购买行为。此外，`interested_in_categories_12` 字段被用于开发基于兴趣的推荐算法，显著提升了推荐系统的准确性和用户满意度。
数据集最近研究
最新研究方向
在零售分析领域，FLO-Dataset因其丰富的客户购物行为数据而备受关注。最新研究方向主要集中在利用该数据集进行多渠道客户行为分析，以优化营销策略和提升客户体验。研究者们通过分析不同购物渠道（如Android、iOS、Desktop、Mobile、Offline）的使用频率和购买模式，探索客户在不同平台上的消费习惯和偏好。此外，数据集中的时间序列信息，如首次和最后一次购买日期，以及在线和离线购买的总次数和总价值，为预测客户未来购买行为和生命周期价值提供了有力支持。这些研究不仅有助于企业制定更精准的客户细分策略，还能通过个性化推荐和促销活动提高客户忠诚度和销售额。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国空气质量数据集（2014-2020年）
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI，包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台，每日更新。数据集的原始文件为CSV的文本记录，通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
中国交通事故深度调查（CIDAS）数据集
交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车 、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、
北方大数据交易中心 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
URPC系列数据集, S-URPC2019, UDD
URPC系列数据集包括URPC2017至URPC2020DL，主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。
github 收录
网易云音乐数据集
该数据集包含了网易云音乐平台上的歌手信息、歌曲信息和歌单信息，数据通过爬虫技术获取并整理成CSV格式，用于音乐数据挖掘和推荐系统构建。
github 收录