Рекомендательная система: RetailRocket

Данные собраны с реального российского e-commerce сервиса за ~4,5 месяца. Датасет состоит из двух частей: поведенческие события и каталог товаров с категориями и ценами.

• Объём: ~2,7 млн событий, ~1,4 млн уникальных пользователей, ~235 000 уникальных товаров

• Структура: событийный лог + каталог товаров

• Признаки: timestamp, visitorid, event (view / addtocart / transaction), itemid, transactionid, categoryid, price, available (наличие товара)

Пример таблицы

Для кого

• E-commerce платформы

• Product managers рекомендательных систем

• ML-инженеры в ритейле

• Маркетологи интернет-магазинов

• Аналитики конверсии и UX

Как помогает бизнесу

• Построение персонализированных рекомендаций товаров для увеличения среднего чека

• Анализ воронки конверсии и выявление точек потери клиентов

• Сегментация пользователей по паттернам поведения для точечного маркетинга

• Оптимизация товарного каталога и категорийной структуры

• Выявление аномального поведения: боты, клик-фрод, нетипичные сессии

Задачи машинного обучения

• Clustering

• Anomaly Detection

• Feature Extraction

Источники

• URL: https://www.kaggle.com/datasets/retailrocket/ecommerce-dataset

• Источник: Kaggle

Соотношение разделения данных: 70 / 15 / 15