Advertisement

网店销售和广告数据集-数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本数据集包含各类网店销售及广告投放信息,涵盖商品种类、销量、广告点击率等关键指标,旨在为电商行业市场分析与策略优化提供有力支持。 一个简单的网店广告与销售数据集《零基础学机器学习》线性回归示例数据集由黄佳著述,名为advertising.csv。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 广-
    优质
    本数据集包含各类网店销售及广告投放信息,涵盖商品种类、销量、广告点击率等关键指标,旨在为电商行业市场分析与策略优化提供有力支持。 一个简单的网店广告与销售数据集《零基础学机器学习》线性回归示例数据集由黄佳著述,名为advertising.csv。
  • 超市门分析
    优质
    本数据集专注于超市门店销售情况分析,涵盖商品交易记录、库存信息及顾客购买行为等关键维度,旨在为零售业运营策略优化提供有力支持。 在数据集中,根据超市公司不同门店的门店ID来获取其相关信息。Store ID代表门店的唯一标识;Store_Area表示商店的实际面积;Items_Available指的是售卖的商品数量;DailyCustomerCount是每月平均访问该店的客户数;Store_Sales则是以美元为单位的销售额。
  • Kaggle上的Rossmann商
    优质
    该数据集来自Kaggle平台,包含Rossmann连锁药店的历史销售记录、促销活动及店铺运营状况等信息,旨在预测各门店的日销售额。 对于不方便在Kaggle官网下载Rossmann Store Sales数据集的朋友,这里提供一个方便国内访问的下载方式。
  • 广合-
    优质
    本数据集汇集了丰富的广告行业相关数据,旨在为研究者、开发者及市场营销人员提供一个全面的数据分析平台。 市场营销数据集 advertising.csv 包含了与广告投放相关的详细记录。这些数据可以帮助分析不同营销策略的效果,并为未来的市场活动提供有价值的洞察。通过研究这个数据集中的变量及其相互关系,可以更好地理解哪些因素对提升品牌知名度或促进产品销售最为关键。
  • BigMart
    优质
    简介:BigMart销售数据集包含产品类别、门店信息及历史销售记录等,旨在帮助分析影响销售的因素并预测未来趋势。 著名的BigMart销售数据集。
  • 超市
    优质
    本数据集收录了超市日常运营中收集的商品销售记录,涵盖商品ID、类别、销售额及销量等信息,旨在为数据分析与商业决策提供支持。 在人口最多的城市里,超市的增长正在增加,市场竞争也很激烈。数据集包括一家超市公司在三个不同分支机构三个月的历史销售记录。预测数据分析方法可以很容易地应用于这个数据集中。该文件名为supermarket_sales - Sheet1.csv。
  • 口红
    优质
    简介:该数据集记录了各类口红产品的销售信息,包括颜色、品牌、销量等关键指标,旨在帮助美妆行业分析市场趋势和消费者偏好。 口红-data.xlsx
  • 超市
    优质
    本数据集涵盖某一连锁超市多年来的详细销售记录,包括商品ID、类别、单价及销量等信息。适合用于市场分析和预测模型构建。 城市超市的增长正在增加,市场竞争也很激烈。该数据集记录了某超市公司在3个不同分支机构的三个月销售历史数据。预测数据分析方法可以很容易地应用于这个数据集上。
  • 线下商预测竞赛
    优质
    本数据集专为线下商店销售预测竞赛设计,包含历史销售记录、促销活动及节假日信息等多维度数据,旨在提升参与者的数据分析与模型构建能力。 销量预测是经典的时序预测问题之一,在一段时间内通过分析销售数据来预测未来商品的销量,从而合理分配和调度库存,解决供应不足或积压的问题。给定商店的历史销售数据及时间信息后,可以预测特定商品在每周的销量。 提高企业运营效率主要依赖于两个因素:一是准确的商品销售预测;二是供应链的快速响应能力。即使供应链反应速度较慢,如果销售预测精度高也能实现库存和资金的有效周转。采购管理、补货管理和销售管理等工作的基础是精准的销售预测。 比赛数据包括训练集和测试集两部分,为确保公平性,每周日期被替换成了0到33之间的标识符(例如,0代表第一周的数据,而33则是最后一周)。整个数据集中包含以下字段:shop_id(店铺ID)、item_id(商品ID)、week(周标识)、item_price(商品价格)、item_category_id(商品品类ID)和weekly_sales(每周销量)。
  • 沃尔玛招聘 - 预测(门预报)
    优质
    本数据集专为沃尔玛公司设计,旨在通过历史销售记录及其他影响因素来预测各门店未来的销售趋势,助力企业优化库存管理和供应链效率。 在此数据集中,为求职者提供了位于不同地区的45家沃尔玛商店的历史销售数据。每个商店包含多个部门,参与者必须计划每个商店中每个部门的销售额。为了增加挑战性,数据集包括了选定假期期间的价格折扣事件。已知这些价格变动会影响销售情况,但预测哪些部门会受到影响以及影响的程度具有一定的难度。 提供的文件有: - stores.csv - test.csv - sampleSubmission.csv - features.csv - train.csv