本数据集源自汕头市同行网络科技有限公司自主开发的“7M足球实时比分”APP的会员充值记录，记录用户在平台购买足球比分预测模型服务的完整交易数据。原始数据经过深度加工处理，新增多个用户行为分析维度字段，可用于用户画像构建、消费行为分析、产品偏好研究等场景。数据集包含订单基础信息、用户属性、支付特征以及基于用户历史行为的综合评估指标，为精细化运营和产品优化提供数据支撑。

本数据集的主要数据处理规则如下： ①基于用户历史交易记录进行多维度统计分析，计算每个用户的累计购买频次，并针对当前交易对应的模型类型统计其历史购买次数。 ②根据用户对特定模型的购买集中度，建立四级忠诚度评估体系。将购买占比超过80%的用户划分为高度忠诚群体，60%-80%为中度忠诚，40%-60%为一般忠诚，低于40%为低忠诚度用户，对于仅有单次购买记录的新用户，单独标记为无历史数据参考状态。 ③通过分析用户历史支付金额的离散程度，结合变异系数计算方法，评估用户消费行为的稳定性特征。将变异系数低于0.3的用户归类为稳定消费型，高于此阈值则标记为波动消费型。 ④整合忠诚度等级和消费稳定性特征，构建六类用户偏好类型分类体系。包括处于体验期的新用户、专注单一模型的专家型用户、忠诚但尝试高价服务的探索型用户、有明确主模型偏好的稳定型用户、偏好高价模型的尝鲜型用户和多模型平衡使用的综合型用户。 ⑤数据脱敏处理。本数据集中订单号仅用于标识某条订单，不包含用户的个人信息，用户ID通过后台系统自动为每个客户生成一个独一无二的乱码，仅用于区分不同用户，无法追溯到具体的用户个人，严格保障个人数据安全。

1.用户精细化运营与精准营销：基于模型偏好类型和忠诚度分层，运营团队可以针对不同用户群体制定差异化策略。对单一模型专家型用户，推送该模型的深度功能和高阶服务；对广泛探索型用户，推荐新上线模型或组合套餐，提升用户粘性和客单价。通过精准的用户分群，实现营销资源的最优配置。 2.产品优化与商业决策支持：通过分析各模型类型的用户忠诚度分布和消费稳定性特征，产品团队可评估各预测模型的市场接受度和用户粘性，为产品迭代方向提供数据依据。同时，基于用户偏好类型的分布情况，指导新模型开发优先级和套餐定价策略优化，提升整体商业变现效率。

订单号 用户ID 是否首开 支付端 支付金额（元） 套餐名称 模型类型 用户购买总次数 当前模型购买次数 当前模型购买占比 模型忠诚度等级 购买金额稳定性 模型偏好类型 DM2509021056358708 813610 否 ios中文版 68 连续包月 数据异动 17 9 52.94% 一般忠诚 波动消费 多模型平衡型 DM2509011457033553 845742 是 ios中文版 198 包月套餐 冷门预警 1 1 100.00% 新用户无数据 单次购买无比较 新用户体验期 DM2509011121225226 790092 否 ios中文版 168 连续包月 冷门预警 7 7 100.00% 高度忠诚 稳定消费 单一模型专家

序号 字段名称 字段类型 字段示例值 1 订单号 VARCHAR(20) DM2509021056358708 2 用户ID INT 813610 3 是否首开 VARCHAR(5) 否 4 支付端 VARCHAR(10) ios中文版 5 支付金额（元） DECIMAL(10,2) 68 6 套餐名称 VARCHAR(20) 连续包月 7 模型类型 VARCHAR(20) 数据异动 8 用户购买总次数 INT 17 9 当前模型购买次数 INT 9 10 当前模型购买占比 DECIMAL(5,4) 52.94% 11 模型忠诚度等级 VARCHAR(20) 一般忠诚 12 购买金额稳定性 VARCHAR(20) 波动消费 13 模型偏好类型 VARCHAR(20) 多模型平衡型