全部版块 我的主页
› 论坛 › 计量经济学与统计论坛 五区 › 数据交流中心
185 1
2026-11-13

275.6 万条行为记录,最后只剩 2.2 万笔交易——0.81%。这份 2015 年的电商点击流数据把"浏览多、成交少"写成了具体的分子分母:2,664,312 次浏览、69,332 次加购、22,457 笔交易,来自 1,407,580 个访客。平均到人,一个访客在整个观察期只留下 1.96 个事件。

 

数据由 Retail Rocket(一家做实时个性化推荐的公司)从真实电商站点采集,2015 年公开在 Kaggle 上,用途写得很直白:给隐式反馈推荐系统做研究素材。三个文件,四个数据文件(商品属性因体积拆成两半),全部取值做了哈希,看不出是哪家店、卖了什么。

 

三个文件分别装什么

 

文件行数内容
events.csv2,756,101行为流:访客、事件类型(view / addtocart / transaction)、毫秒时间戳、商品、交易号
item_properties_part1.csv合计 20,275,902商品属性变更日志:时间戳、商品、属性名、属性值
item_properties_part2.csv同上(拆成两半)同上
category_tree.csv1,669类目树:子类目、父类目

 

属性表覆盖 417,053 个商品,平均每个商品 48.6 条属性记录。这个数字看着多,是因为它不是"每个商品一行",而是按周打快照、再把连续相同的值合并成的变更日志——原始快照超过 2 亿行,合并后压到 2,027 万行,少了约十倍。

 

事件表的四个字段与三种类型

 

字段只有五个:visitorid、event、timestamp、itemid、transactionid(只有 transaction 事件有交易号)。时间戳是毫秒级 Unix 时间,2015 年 5 月到 9 月,跨 4.5 个月。

 

类型分布极不均衡:浏览 96.67%、加购 2.52%、交易 0.81%。两步转化拆开看,浏览到加购 2.60%,加购到成交 32.39%。后一步其实是这份数据里最有价值的地方——加购是用户自己给的强信号,三成加购最终成交,比从浏览直接预测成交稳得多。

 

属性表是变更日志,不是一张宽表

 

想按商品拿价格或类目,不能直接按 itemid 取一行。同一商品在不同周可能有不同属性值,必须先按 itemid 与 timestamp 排序,取离目标时点最近的那条记录。属性名与属性值除 categoryid、available 之外全部哈希化,数值统一加前缀 n 并保留三位小数(5 写成 n5.000),文本做过词干化再哈希(Hello world 2017 变成 24214 44214 n2017.000)。想还原成人能读的价格或品牌,做不到,只能把哈希值当离散标签用。

 

有 10% 的事件查不到属性

 

数据集说明写明,约 90% 的事件能在属性表里找到对应属性。反过来说,一成事件是"裸"的:只有商品 id,没有类目、价格、可售状态。做基于内容的推荐时,这部分样本要么丢弃、要么单独建一路只用 id 的模型;直接 join 后按类目分组,会静默少掉一成数据,而报表上看不出来。

 

类目树只有 1,669 行

 

category_tree.csv 每行给出"子类目,父类目",顶层类目的父类目留空。1,669 个节点对应全站类目层级,深度不固定。想按一级类目聚合,得自己从叶子往上递归到根,不能假设只有两层。

 

适合拿它做什么

 

会话级推荐(同一访客短时间内的浏览序列预测下一个点击,GRU4Rec 等模型的常用基线数据就是这份);隐式反馈的召回与排序(浏览当负样本、加购与成交当正样本);浏览到加购再到成交的漏斗建模;异常流量识别(数据集自带的第二个任务就是找出异常访客,说明原始日志里确实存在大量非人为点击);商品属性与类目树的冷启动实验(新商品没有行为,只能靠属性相似度)。

 

不适合:跨年趋势分析(只有 4.5 个月);需要真实价格或品牌的分析(值已哈希);需要用户画像的分析(没有年龄、地域、性别,连访客 id 都是匿名编号);要求精确 GMV 的分析(没有金额字段,只有交易号)。

 

拿到它的条件

 

Kaggle 页面免费开放,但下载通常需要登录 Kaggle 账户;整包第 2 版约 987.5 MB,类目树文件只有 14.45 kB,事件表与属性表是主体。许可为 CC BY-NC-SA 4.0:署名、非商业、相同方式共享三条。商用需另议,二次发布改编版本要用同一许可。数据来自真实商业站点、全部字段哈希化,不含个人信息明文。

 

以上是免费部分。三个文件的完整字段、几处必须注意的计数口径、以及原站入口放在下面论坛币区。

 

────────────────

想看完整字段清单与原站入口,回帖留下邮箱,我按顺序发给你。


游客,如果您要查看本帖隐藏内容请回复

把经管之家装进你常用的 AI 智能体中

一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。

检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金

请点击查看安装教程与福利 →

说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2026-11-13 16:00:56
加购到成交这段最有意思
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群