首页
技术小册
AIGC
面试刷题
技术文章
MAGENTO
云计算
视频课程
源码下载
PDF书籍
「涨薪秘籍」
登录
注册
什么是数据分析和挖掘
数据分析与挖掘的应用领域
电商领域—发现破坏规则的“害群之马”
交通出行领域—为打车平台进行私人订制
医疗健康领域—找到最佳医疗方案
数据分析与挖掘的区别
数据挖掘的流程
常用的数据分析与挖掘工具
下载与安装Anoconda
数据分析实战案例
数据的探索性分析
数据建模-对离散变量重编码
数据建模-拆分数据集
数据建模-默认参数的模型构建
数据建模-模型网格搜索
数据建模-默认的K近邻模型
数据建模-网格搜索的K近邻模型
数据建模-默认的GBDT模型
数据建模-网络搜索的GBDT模型
序列与数据框的构造
外部数据的读取
数据类型转换及描述统计
字符与日期数据的处理
常用的数据清洗方法
重复观测处理
缺失值处理
异常值处理
数据子集的获取
透视表功能
表之间的合并与连接
分组聚合操作
当前位置:
首页>>
技术小册>>
Python数据分析与挖掘实战(上)
小册名称：Python数据分析与挖掘实战(上)
移动互联网时代下，电商平台之间的竞争都特别激烈，为了获得更多的新用户，往往会针对新用户发放一些诱人的福利，如红包券、满减券、折扣券、限时抢购优惠券等，当用户产生交易时，就能够使用这些券减免一部分交易金额。电商平台通过类似的营销手段一方面可以促进新用户的获取，增添新鲜血液；另一方面也可以刺激商城的交易，增加用户的活跃度，可谓各取所需的双赢效果。 然而，某些心念不正的用户为了从中牟取利益，破坏大环境下的游戏规则。某电商数据分析人员在一次促销活动的复盘过程中发现交易记录存在异常，于是就对这批异常交易作更深层次的分析和挖掘。最终发现这批异常交易都有两个共同特点，那就是一张银行卡对应数百个甚至上千个用户id，同时，这些id自始至终就发生一笔交易。 暗示了什么问题？这说明用户很可能通过廉价的方式获得多个手机号，利用这些手机号去注册APP成为享受福利的多个新用户，然后利用低价优势买入这些商品，最后再以更高的价格卖出这些商品，这种用户我们一般称为“黄牛”。 这些“害群之马”的行为至少给电商平台造成两方面的影响，一是导致真正想买商品的新用户买不到，因为有限的福利或商品都被这些用户抢走了；二是虚增了很多“薅羊毛”的假用户，因为他们很可能利用完新用户的福利资格后就不会再交易了。 如果没有数据分析与挖掘技术在互联网行业的应用，就很难发现这些“害群之马”，企业针对“害群之马”对游戏规则做了相应的调整，从而减少了不必要的损失，同时也挽回了真实用户的利益。
上一篇：
数据分析与挖掘的应用领域
下一篇：
交通出行领域—为打车平台进行私人订制
该分类下的相关小册推荐：
Python爬虫入门与实战开发(下)
实战Python网络爬虫
Python合辑5-格式化字符串
Python数据分析与挖掘实战(下)
Python编程轻松进阶(一)
Python编程轻松进阶(二)
Python机器学习基础教程(下)
Python高并发编程与实战
Python面试指南
Python与办公-玩转Word
Python与办公-玩转PDF
Python合辑11-闭包函数
