鞋靴消费者价格敏感度动态预测模型训练数据

面向鞋靴电商平台消费者价格敏感度动态预测任务需求，构建可用于训练价格敏感度预测模型的训练数据集，使模型能够基于用户历史享受折扣行为、优惠券使用情况及促销期购买偏好，动态预测用户的价格敏感度综合指数，并判断其所属敏感度层级及近期变化趋势，用于差异化促销策略制定、优惠券定向投放、价格敏感用户预警场景，解决无法量化识别消费者价格敏感程度、促销资源难以精准触达目标用户的问题。一、加工前的数据说明：原始数据来源于企业自有平台用户订单记录、优惠行为日志及订单时间信息。 二、处理规则：1.数据采集与清洗：按用户维度聚合历史订单和优惠行为，去重并过滤用户id、订单时间、折扣、优惠券或促销标记缺失的异常记录。以订单时间为依据，将已有订单记录按最近3个月、3-6个月前、6-9个月前三类特征计算时间窗口生成记录，并写入统计时间。2.三维度特征构建：历史享受折扣订单占比=窗口内享受折扣订单数/窗口内有效订单数；历史优惠券使用比例=窗口内核销优惠券订单数/窗口内有效订单数；促销期购买占比=窗口内促销期下单数/窗口内有效订单数。3.综合指数计算：价格敏感度综合指数=历史享受折扣订单占比×0.4+历史优惠券使用比例×0.3+促销期购买占比×0.3。4.分层与趋势标注：综合指数低于0.3为低敏感，0.3至0.7为中敏感，高于0.7为高敏感；比对最近3个月与前序窗口综合指数，标注上升、下降或持平趋势。5.数据集划分：生成数据集划分标识。 三、数据内容描述：最终形成结构化的鞋靴消费者价格敏感度动态预测模型训练数据集合，包含以下字段：1）用户id：经无规则编码化处理的用户唯一标识；2）特征计算时间窗口：当前记录对应的相对统计窗口；3）统计时间：当前窗口的统计起止日期；4）窗口内有效订单数：当前窗口内用于计算特征的有效订单总数；5）窗口内享受折扣订单数：当前窗口内享受折扣的订单数；6）窗口内核销优惠券订单数：当前窗口内核销优惠券的订单数；7）窗口内促销期下单数：当前窗口内促销活动期间下单数；8）历史享受折扣订单占比：折扣订单数占有效订单数的比率；9）历史优惠券使用比例：核销优惠券订单数占有效订单数的比率；10）促销期购买占比：促销期下单数占有效订单数的比率；11）价格敏感度综合指数：按0.4、0.3、0.3权重计算的综合指数；12）价格敏感度分层标签：低敏感、中敏感、高敏感；13）近3个月敏感度变化趋势：上升、下降或持平；14）数据集划分标识：train、val或test。

搜集汇总

背景与挑战

背景概述

该数据集由杭州适足鞋靴科技有限公司提供，包含2379条鞋靴消费者价格敏感度相关数据，每条记录涵盖用户历史折扣行为、优惠券使用和促销期购买等三维度特征，并计算出价格敏感度综合指数，划分为低、中、高敏感层级及近三月变化趋势，且分为训练、验证和测试集。该数据集支持模型动态预测消费者价格敏感度，助力差异化促销、优惠券定向投放和敏感用户预警。数据整合清洗自企业自有平台订单与优惠行为日志，按时间窗口聚合，每年更新。