数据集描述生成助手

数据集简要说明

用途与粒度

• 典型的站点/应用行为日志，用于度量用户在页面上的交互与转化表现。
• 单条记录表示某用户在某一时间点对某页面的一次访问事件或该页面停留期的聚合数据（点击与停留时长）。

字段定义

• 时间戳：事件发生时间；数据类型为日期时间（含时区与毫秒精度）；用于排序与会话划分。
• 用户ID：去标识化的唯一用户标识；字符串或整数；需确保跨设备一致性与稳定性。
• 地域：访问来源的地理信息（常见层级：国家/省/市）；分类变量；可能存在“未知/代理”值。
• 设备类型：用户设备类别（如 Desktop/Mobile/Tablet）；分类变量；通常由 User-Agent 解析。
• 页面路径：站点内的 URL 路径（不含域名）；字符串；建议统一大小写与参数归一化（去除或标准化 query）。
• 点击次数：在该页面停留期间的点击总数；非负整数；需过滤自动点击或异常高值。
• 停留时长：用户在该页面的停留时间（秒）；非负数；常右偏，可能存在上限截断或心跳记录导致的偏差。
• 转化标记：是否发生预定义转化（如下单、注册）；布尔或二值；需明确口径与触发条件。

预处理与质量控制（概述）

• 标准化时间戳与时区，依据不活跃阈值（常用30分钟）进行会话划分。
• 去重与机器人/爬虫过滤（基于 UA、IP、点击速率等）。
• 缺失值处理（如地域未知、停留时长缺失），统一设备与地域枚举。
• 页面路径规范化（参数白名单、重定向归一）。
• 异常值处理（截尾停留时长、极端点击数）。

典型分析与建模

• 漏斗与转化率分析（路径序列与步骤转化）。
• 参与度度量（点击密度、停留分布、跳出率）。
• 受众细分（地域/设备对转化与参与的影响）。
• 转化预测模型（逻辑回归、GBDT），特征示例：设备类型、地域、页面历史停留与点击、近期行为频率。