用户对立体车库的层数偏好预测数据

1.企业可基于近30日、60日、90日偏好层数均值与预测偏好层数，识别用户对车库层数的偏好趋势，为产品规划与营销策略提供数据依据。 2.该数据可作为数据产品流通，立体车库投资方可基于预测偏好层数，评估目标市场的用户偏好分布，辅助产品定位决策。 3.本数据集输出的"近30日偏好层数均值"、"近60日偏好层数均值"、"近90日偏好层数均值"与"预测偏好层数"，可作为立体车库层数偏好预测模型的训练数据集。经该数据集训练后的模型，可基于预测偏好层数自动识别用户的偏好层数，辅助企业优化产品结构。1、加工前数据说明 （1）加工前的数据为公司立体车库合同的每日销售汇总数据，采集字段包括：统计日期，当日合同层数合计（层）、当日合同数（条）。 （2）数据预处理：按统计日期聚合合同明细数据，当日无合同签订时，当日合同层数合计记为0，当日合同数记为0；统计近30、60、90天有合同签订的天数；剔除明显异常数据。 2、处理规则 （1）计算近30日(包含统计日期在内）偏好层数均值：近30天(当日合同层数合计 ÷ 当日合同数)之和 ÷ 近30天有合同签订的天数，若有合同签订的天数为0则均值为0，保留2位小数。 （2）计算近60日(包含统计日期在内）偏好层数均值：近60天(当日合同层数合计 ÷ 当日合同数)之和 ÷ 近60天有合同签订的天数，若有合同签订的天数为0则均值为0，保留2位小数。 （3）计算近90日(包含统计日期在内）偏好层数均值：近90天(当日合同层数合计 ÷ 当日合同数)之和 ÷ 近90天有合同签订的天数，若有合同签订的天数为0则均值为0，保留2位小数。 （4）计算预测偏好层数：预测偏好层数 = 近30日偏好层数均值 × 0.5 + 近60日偏好层数均值 × 0.3 + 近90日偏好层数均值 × 0.2；若当日合同数为0，则预测偏好层数继承上一日的预测偏好层数，保留整数（根据时间远近对不同时间段的数据赋予不同权重，近30日数据权重设为0.5，近60日数据权重设为0.3，近90日数据权重设为0.2）。 3、数据内容描述 本数据集的采集字段为：统计日期，当日合同层数合计（层），当日合同数（条），近30、60、90天有合同签订的天数（天）。 采集的数据经上述算法规则处理后，输出的数据内容为：近30、60、90日偏好层数均值（层），预测偏好层数（层）。

搜集汇总

背景与挑战

背景概述

该数据集基于立体车库合同的每日销售数据，通过统计近30、60、90日的偏好层数均值，并采用加权平均（权重分别为0.5、0.3、0.2）计算预测偏好层数，旨在帮助企业识别用户对车库层数的偏好趋势，为产品规划、营销策略及投资决策提供数据依据。同时，该数据集可作为立体车库层数偏好预测模型的训练数据，支持自动识别用户偏好层数以优化产品结构。