tourism-package-prediction

该数据集是一个结构化表格数据集，包含4128个训练样本，涉及客户信息和旅游产品推销相关记录。数据集包含21个特征字段，涵盖客户基本信息（如年龄、性别、职业、婚姻状况、月收入）、联系与推销细节（如联系类型、推销时长、后续跟进次数、推销产品、推销满意度评分）、旅行相关属性（如城市等级、旅行次数、护照持有情况、偏好的酒店星级、同行人数、儿童人数）以及购买决策（是否购买产品）。数据字段均为数值型或字符串型，适用于客户行为分析、购买预测、旅游产品推荐等机器学习任务，特别是二分类问题（预测客户是否购买产品）。

This dataset is a structured tabular dataset containing 4128 training samples, related to customer information and travel product promotion records. It includes 21 feature fields covering basic customer information (such as age, gender, occupation, marital status, monthly income), contact and promotion details (such as contact type, promotion duration, number of follow-ups, promoted product, promotion satisfaction score), travel-related attributes (such as city tier, number of trips, passport holding status, preferred hotel star rating, number of companions, number of children), and purchase decisions (whether the product was purchased). All data fields are numeric or string types, suitable for machine learning tasks like customer behavior analysis, purchase prediction, and travel product recommendation, particularly for binary classification problems (predicting whether a customer will purchase the product).

原始信息汇总

数据集概述

• 数据集名称：tourism-package-prediction
• 数据集地址：https://huggingface.co/datasets/shahnawazahmed/tourism-package-prediction
• 配置名称：raw
• 数据集大小：805,453 字节
• 下载大小：118,587 字节

数据集特征

该数据集包含以下 21 个特征：

特征名称	数据类型	描述
CustomerID	int64	客户ID
ProdTaken	int64	是否购买旅游产品（目标变量）
Age	float64	年龄
TypeofContact	string	接触类型
CityTier	int64	城市层级
DurationOfPitch	float64	推销时长
Occupation	string	职业
Gender	string	性别
NumberOfPersonVisiting	int64	访问人数
NumberOfFollowups	float64	跟进次数
ProductPitched	string	推销的产品
PreferredPropertyStar	float64	偏好酒店星级
MaritalStatus	string	婚姻状况
NumberOfTrips	float64	旅行次数
Passport	int64	是否有护照
PitchSatisfactionScore	int64	推销满意度评分
OwnCar	int64	是否拥有汽车
NumberOfChildrenVisiting	float64	随行儿童人数
Designation	string	职位
MonthlyIncome	float64	月收入
index_level_0	int64	索引列

数据集划分

• 训练集（train）：包含 4,128 个样本，占全部数据。

适用任务

该数据集主要用于分类任务，目标是根据客户特征预测其是否购买旅游产品（ProdTaken 字段）。适用于旅游、营销和客户行为分析等领域的机器学习模型训练和评估。

搜集汇总

数据集介绍

构建方式

旅游套餐预测数据集（tourism-package-prediction）源自旅游行业的客户行为数据，旨在通过机器学习方法预测客户是否购买旅游套餐。该数据集以原始格式（raw）配置，包含4888条训练样本，每条样本由21个字段构成，涵盖客户的基本属性（如年龄、性别、职业）、消费特征（如月收入、优选酒店星级）、互动记录（如推销通话时长、后续跟进次数）以及旅行偏好（如出行人数、携带儿童数量）。数据通过企业客户关系管理系统采集，并经过匿名化处理，确保了隐私合规性。

特点

该数据集的核心特点在于其多维度的特征空间，不仅包含了传统的客户人口统计学变量，还整合了销售过程中的动态指标，例如推销满意度评分和跟进次数。这些特征共同构建了一个能够刻画客户购买意向的复杂模型。此外，数据集中存在部分连续变量（如月收入）存在缺失值，而分类变量（如婚姻状况）则覆盖了多种标签。这一特征组合使得该数据集非常适合用于二分类预测任务，同时为特征工程和缺失值处理提供了实践场景。

使用方法

使用该数据集时，用户可直接加载HuggingFace上的`raw`版本，通过`load_dataset`函数获取训练数据。由于数据集已划分为单份训练集，无需额外划分。推荐将其应用于客户购买意向预测的监督学习任务，典型操作包括：对缺失值进行插补（如中位数填充）、将分类变量进行独热编码、对连续特征进行标准化。基线模型可选用逻辑回归或梯度提升树，后续可尝试集成学习方法。数据集的少样本特性也适合用于评估模型在有限数据下的泛化能力。

背景与挑战

背景概述

在旅游行业数字化转型的浪潮中，精准预测客户是否购买旅游套餐已成为企业优化营销策略、提升转化率的关键课题。该数据集于近年由相关研究机构或企业在客户关系管理框架下构建，旨在通过刻画客户的个人特征（如年龄、职业、婚姻状况）及行为模式（如过往旅行次数、销售跟进次数）来预测其购买意愿。围绕客户画像与购买决策之间的复杂关联，该数据集为个性化推荐、客户细分及销售漏斗分析提供了实证基础，对旅游营销领域的机器学习模型开发具有显著的推动价值。

当前挑战

该数据集所解决的领域问题在于客户购买行为预测中的多模态数据融合与缺失值处理，例如客户收入、销售演示时长等连续变量与职业、性别等类别变量并存，增加了模型特征工程的难度。构建过程中，数据收集面临客户隐私保护与信息采集不完整的挑战，如月收入数据可能因用户拒绝提供而存在系统性缺失；同时，由于旅游产品的季节性、促销活动的时变性，历史数据需要精细划分以反映动态市场环境，这给数据集的泛化能力与时效性维护带来了持续考验。

常用场景

经典使用场景

在旅游与酒店管理研究领域，用户对旅游套餐的购买行为预测一直是理解消费者决策过程的关键切入点。tourism-package-prediction数据集包含客户的人口统计信息、历史旅行行为、产品偏好和销售互动记录，为构建客户购买意愿预测模型提供了丰富的特征维度。该数据集最经典的使用场景是训练二分类模型，根据客户年龄、职业、婚姻状况、月收入、护照持有情况、随行儿童数量以及销售推介满意度等多元因素，精准预测客户是否会购买推荐的旅游套餐。研究者通常将其用于评估逻辑回归、随机森林、梯度提升树或深度神经网络在客户转化预测任务上的性能表现。

衍生相关工作

基于这一基准数据集，学术界已衍生出多条富有影响力的研究脉络。在机器学习领域，该数据集常被用作特征选择与不平衡分类算法的比较基准，衍生工作包括运用SMOTE过采样与代价敏感学习解决正负样本分布不均问题。在行为经济学视角下，有学者基于Dataset中的NumberOfTrips（历史旅行次数）与Passport（护照持有情况）构建客户旅行倾向指数，并联合月收入与婚姻状态揭示不同生活阶段客户的消费迁徙规律。此外，该数据集还催生了关于销售推介质量影响客户决策的因果推断研究，利用倾向得分匹配方法排除自选择偏误，从而更准确地估计PitchSatisfactionScore（推介满意度）对最终购买行为的边际效应。

数据集最近研究

最新研究方向

基于tourism-package-prediction数据集的近期研究聚焦于利用机器学习模型精准预测旅游套餐的购买意向，这一方向紧密关联着旅游行业数字化转型与个性化推荐的热点趋势。该数据集涵盖了客户人口统计特征、购买历史与互动行为等多维信息，研究者通过构建梯度提升树、神经网络等模型，深入挖掘用户属性与服务偏好之间的复杂关联，旨在提升营销转化率与客户满意度。该研究的推进不仅助力旅游企业优化资源投放策略，更推动了精准营销理论在服务经济中的实践落地，对理解后疫情时代旅游消费复苏中的决策行为具有重要价值。