项目简介：基于巴西电商平台 Olist 公开数据集的多模态智能分析，融合 表格数据（订单/支付/商品）、文本数据（评论）、地理空间数据（邮编/经纬度）与时间序列（订单趋势）四类异构数据，覆盖数据探索、地理空间、文本情感、评分预测、客户价值细分、生命周期价值预测与客户流失七大分析维度。
数据与工具：2016–2018 年约 10 万笔订单（Kaggle Olist 公开数据集，8 张关联表），结合巴西 GDP 与州界 GeoJSON；工具含 pandas / Plotly / folium / scikit-learn / XGBoost / LightGBM / LSTM（TensorFlow）/ lifetimes（BTYD）/ NLTK。
成果：RFM + K-Means 客户价值细分、BTYD 生命周期价值（CLV）预测、LSTM 评分预测、葡语评论情感分析，并配套 6 模块 Streamlit 交互看板。
一、项目背景
Olist 是巴西的新兴电商平台，为中小商家提供在线销售与运营服务。本项目以其 2016–2018 年约 10 万笔订单的公开数据为对象，围绕用户消费行为、客户价值与运营优化展开全链路分析，从地理、文本、时序、客户价值等多个模态挖掘可落地的运营洞察。
二、数据与预处理
- 数据来源：Kaggle「Brazilian E-Commerce Public Dataset by Olist」，含客户、卖家、商品、订单、支付、评论、地理定位 8 张关联表（
order_id / customer_id / product_id / seller_id关联）。 - 外部数据：巴西 GDP 区域经济数据（IBGE）、州界 GeoJSON（choropleth 分级统计地图）。
- 数据规模：约 10 万笔订单、97 万条订单明细、9.9 万条评论。
- 处理要点：缺失值/异常值处理、CEP 邮编前缀经纬度匹配、时间字段解析、文本葡语停用词清洗。
三、分析模块与方法
| # | 模块 | 核心内容 | 关键方法 |
|---|---|---|---|
| 1 | 基础数据探索 | 数据集概览、各州/城市客户分布、关系图、choropleth 地图 | MySQL 查询、Plotly、GeoJSON |
| 2 | 地理空间分析 | CEP 邮编体系、订单/收入/运费/配送时效的地域分布 | Holoviews、Datashader、folium |
| 3 | 反馈评分预测 | 基于评论文本预测评分（好评/差评） | TF-IDF、朴素贝叶斯、SVM、RF、XGBoost、LSTM |
| 4 | 客户价值细分 | RFM 分群、客户留存、价值矩阵 | RFM、K-Means 聚类 |
| 5 | 生命周期价值预测 | CLV 预测、存活概率、未来交易预测 | BTYD：MBG/NBD + Gamma-Gamma |
| 6 | 评论情感分析 | 葡语评论情感、词云、正负面分布 | NLTK、WordCloud、分类模型 |
| 7 | 客户流失率 | 客户分层流失率、资源分配、预算优化建议 | 分层分析、双轴可视化 |
1 | from lifetimes import BetaGeoFitter, GammaGammaFitter |
四、可视化看板（Streamlit）
6 模块一键式交互看板：
| 模块 | 功能 |
|---|---|
| 📊 总览 | 核心 KPI、月度订单/销售趋势、订单状态分布 |
| 🗺️ 地理分析 | 巴西各州客户/订单/销售额/评分/时效 choropleth 地图 |
| 📦 商品分析 | 热销品类、品类销售额占比、价格与运费分布 |
| 💳 支付分析 | 支付方式占比、金额、信用卡分期分布 |
| ⭐ 评分与评论 | 评分分布、评分随配送时效变化、各州平均评分 |
| 👤 客户价值 | RFM 用户分群（重要/一般价值等 8 类）与人均金额 |
首次加载约 20~40 秒，之后自动缓存，切换页面即时响应。
五、核心发现
- 地域高度集中：消费用户主要分布在东南部沿海，圣保罗州占比约 42%；北部/东北部运费更高、配送更慢、评分更低。
- 二八法则显著：约 17% 的头部大额用户贡献了 50% 的消费金额。
- 低频小额消费：97% 的用户仅消费一次，2017 年度复购率约 2.78%，用户生命周期短。
- 订单右长尾：90% 的订单金额低于 300 雷亚尔，90% 仅购买 1 件商品。
- 评分两极分化：约 58.86% 用户评 5 分，但评分 ≤ 3 分占比 21.44%。
- 物流是瓶颈：平均收货约 12.5 天，北部/东北部时效与运费问题突出。
六、工程化与建议
- 工程化改进：MySQL 连接与路径统一收敛到
config.py+.env，依赖清单固定版本，数据目录规范化为data/README.md。 - 后续增强：引入 Prophet/ARIMA/LSTM 销售时序预测、情感升级为 1–5 分多分类、地理分析深化为仓储选址/物流优化。
