软件公司产品营销大数据分析（下）

Goodsta

于 2019-01-17 17:26:44 发布

阅读量774

点赞数

CC 4.0 BY-SA版权

文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/wong2016/article/details/86528277

本文通过机器学习深入分析软件公司的产品营销数据，包括数据集中商店数量、最受欢迎的商店及其销售量、商品种类与类别分布、商品销售波动趋势等关键指标，为企业决策提供依据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习训练营（入群联系qq：2279055353）—— 机器学习案例详解的直播互动平台
下期直播案例预告：大数据预测商品的销售量波动趋势

分析数据

现在，让我们以问题的形式探索产品销售量情况，并从数据里找到答案。

问题一：数据集里有多少家商店？

dataset_sales %>% select(shop_id) %>% distinct() %>% count()

在这里插入图片描述

问题二：哪家商店最受欢迎？整体销售量是多少？

most.popular.shop <- 
  dataset_sales %>% group_by(shop_id) %>% 
  summarise(total.sales.by.shop = sum(item_cnt_day)) %>% 
  arrange(desc(total.sales.by.shop)) %>% ungroup()

ggplot(data = most.popular.shop, aes(x = reorder(as.factor(shop_id), total.sales.by.shop),
                                     y = total.sales.by.shop, fill = as.factor(shop_id))) +
  geom_bar(stat = "identity") + coord_flip() +
  labs(title = "Most popular shop with most sales", x = "Shop(s)", y = "Total sales",
       fill = "Shop Id")

rm(most.popular.shop)

在这里插入图片描述

问题三：在所有的商店里有多少件商品？

dataset_sales %>% select(item_id) %>% distinct() %>%

最低0.47元/天解锁文章

200万优质内容无限畅学