<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[QQi_coding的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/QQi_coding</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; QQi_coding]]></copyright><item><title><![CDATA[淘宝电商用户行为数据分析及可视化—基于MySQL/Tableau/PPT（含分析报告及代码）]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/107053620</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/107053620</guid><author>QQi_coding</author><pubDate>Wed, 01 Jul 2020 00:13:17 +0800</pubDate><description><![CDATA[本项目以阿里巴巴移动电商平台-淘宝APP的真实用户-商品行为数据 User Behavior Data on Taobao App 为基础，使用MySQL进行数据清洗，使用AARRR模型、RFM模型、漏斗模型等对用户行为和用户价值进行分析，再用Tableau做可视化，并形成PPT报告，最后从商家（优化产品组合，合理定价）、平台（优化功能，提升转化率）、用户（提升用户活跃度、差异化用户营销，进行用户流失预测）三个方面提出建议。
–待补充

...]]></description><category></category></item><item><title><![CDATA[用户定向拉新及拉新策略建议]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106925861</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106925861</guid><author>QQi_coding</author><pubDate>Tue, 23 Jun 2020 16:31:23 +0800</pubDate><description><![CDATA[寻找定向拉新用户及拉新策略建议
问题分析：运营部门想在下周做一次定向拉新的测试（试点：Frog青旅酒店，位于杭州），请数据分析帮助运营同事完成此次定向拉新。
分析思路：基于LBS数据找到定向拉新的用户，并基于用户特征设计拉新策略。
一、寻找青旅酒店潜在用户
读取数据，分类变量转换为哑变量，选取’tenure’,‘MonthlyCharges’,'FrequentTraveler_Yes’作为特征向量。

近邻检索前将数据标准化，创建一个NearestNeighbors对象，按照欧几里得距离寻找特点点周围2个]]></description><category></category></item><item><title><![CDATA[为什么需要AB测试? 步骤?]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106915937</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106915937</guid><author>QQi_coding</author><pubDate>Tue, 23 Jun 2020 09:19:35 +0800</pubDate><description><![CDATA[Why需要进行AB测试？
A方案和B方案主观上各有优劣，无法判断，选取一部分用户样本，做AB测试，根据上线之后的数据表现，来决定哪个更好。
AB—越来越重要，why?
互联网产品设计的流程和方法论逐渐成熟，产品同质化严重。没办法预先从设计下手，那就先让用户试，根据用户数据反馈改进产品。变成了提升下单率、转化率等指标的有效方法。
改进方案从何而来？
头脑风暴、标杆对照、经验总结、不同部分提出的建议、用户调研、数据分析等
优先选择哪个方案进行AB测试？
ICE模型，Impact Level重要度，Confide]]></description><category></category></item><item><title><![CDATA[Kaggle离职员工分析]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106904815</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106904815</guid><author>QQi_coding</author><pubDate>Tue, 23 Jun 2020 00:40:19 +0800</pubDate><description><![CDATA[摘要：使用kaggle公开数据为数据源，使用Pyecharts分析员工离职情况。针对优秀员工， 使用决策树、随机森林 探索影响员工离职的主要因素 ，结果显示，主要因素为工作年限、员工满意度、月平均工作时长、最近一次评估结果、参与项目数量；又分别使用朴素贝叶斯和SVM模型 预测员工是否离职，其中随机森林预测准确度最高，AUC值可以达到99.05%，SVM模型次之，AUC值为97.43%。 针对最低留存率工作年限的员工， 使用逻辑回归模型 分析最低留存率工作年限（第五年）员工离职的主要驱动力 。结果显示，延长平]]></description><category></category></item><item><title><![CDATA[5G产业发展驱动因素分析]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106862051</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106862051</guid><author>QQi_coding</author><pubDate>Fri, 19 Jun 2020 18:51:08 +0800</pubDate><description><![CDATA[注：本文数据为网上公开信息搜集整理得到，本人在5G-AI产业研习社组织下独立完成信息搜集及可视化。

]]></description><category></category></item><item><title><![CDATA[Python-科学计算库01-NumPy常用功能（附，官方NumPy-Basics表格）]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106791892</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106791892</guid><author>QQi_coding</author><pubDate>Tue, 16 Jun 2020 17:38:18 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[[Tableau] 销售团队绩效分析与相关策略指导]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106761090</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106761090</guid><author>QQi_coding</author><pubDate>Mon, 15 Jun 2020 14:15:22 +0800</pubDate><description><![CDATA[一、可视化背景
1. 发现痛点
（1）奖金预算拨款问题
销售部门和财务部门的奖金预算不符合实际情况,发放奖金额度远低于预算,导致员工满意度较差,工作积极性受到打击.
（2）人才培养问题
销售部门和人力资源部门对影响销售量和销售额的因素了解不足,缺少一套评估销售人员业务表现的衡量标准,导致招聘过来的销售人员管理出现混乱,部分优秀且年轻的销售人员无法得到晋升,员工流失率较高,导致销售额受到波动.
（3）销售人员分配问题
销售部门缺乏对市场周期性的分析,导致销售人员在旺季和淡季的工作量分配不均,员工的满意度较低.]]></description><category></category></item><item><title><![CDATA[互联网教育-用户分析案例（驱动力分析&学员画像）]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106755162</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106755162</guid><author>QQi_coding</author><pubDate>Mon, 15 Jun 2020 01:29:05 +0800</pubDate><description><![CDATA[互联网教育-用户数据案例分析
本文以年平均购买课程数为核心指标，清洗数据后使用Tableau对学员人口学特征及学习行为特征进行分析。使用多元线性回归方程分析用户购买驱动力，结果发现高粘性用户_yes、最后上课日期数值越大，课平均作业提交数、年平均优秀学员数对结果影响显著，从课程开发阶段，课程进行阶段，课程结束后三个阶段结合用户生命周期进行分析，提出对应运营策略。使用Kmeans聚类得到5类用户，根据用户学习行为特点，总结用户痛点，从用户获取，用户激活，用户召回三方面进行分析，给出相应的运营策略建议。]]></description><category></category></item><item><title><![CDATA[ImportError cannot import name  DecisionTreeClassifier]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/106178085</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/106178085</guid><author>QQi_coding</author><pubDate>Sun, 17 May 2020 17:54:27 +0800</pubDate><description><![CDATA[因为在Anaconda更新了模块，再次使用jupyter运行代码，多个包/方法出现无法调用/名字不存在的问题。
最终明确这是模块版本问题。
无法调用sklearn.tree.DecisionTreeClassifier，是因为sklearn新版本删除了，所以无法调用，安装以前的版本就可以调用了。


#查看python位置
(base) C:\Users\fengc&gt;where python
C:\ProgramData\Anaconda3\python.exe
C:\Users\fengc\AppD]]></description><category></category></item><item><title><![CDATA[[Python]（ jupyter notebook）查询路径, 添加路径, 路径拼接, os模块]]></title><link>https://blog.youkuaiyun.com/QQi_coding/article/details/105926589</link><guid>https://blog.youkuaiyun.com/QQi_coding/article/details/105926589</guid><author>QQi_coding</author><pubDate>Tue, 05 May 2020 22:48:31 +0800</pubDate><description><![CDATA[查询路径
#查询存储位置, 绝对路径的规范写法
import os
print(os.path.abspath(’.’)) # 得到当前文件所在目录的绝对路径
print(os.path.abspath(r’…’)) # 得到当前文件所在目录的上一级目录的绝对路径
#获取当前文件的路径, __file__为当前文件
import os
os.path.abspath(‘file’)
#获得某个路径...]]></description><category></category></item></channel></rss>