教育平台数据分析与智能推荐系统

一个基于真实教育平台数据的完整分析项目，涵盖用户行为分析、流失预测和个性化课程推荐系统。

📖 项目背景

随着互联网与通信技术的高速发展，线上教育日益普及。本项目基于某线上教育平台2018年9月至2020年6月的运营数据，进行用户行为分析与课程智能推荐策略研究，旨在提升平台的服务质量与用户学习体验。

🎯 项目目标

1. 用户活跃度分析：分析用户分布、增长趋势、活跃时段，并计算用户流失率。
2. 课程推荐策略：评估课程受欢迎程度，并构建协同过滤推荐模型，为平台提供个性化课程推荐建议。

📊 数据说明

本项目包含三个核心数据表：

• users.csv： 用户基本信息，如注册时间、最近访问时间、学习时长等。
• study_information.csv： 用户学习记录，如课程ID、加入时间、学习进度、课程价格等。
• login.csv： 用户登录明细，如登录时间、登录地点等。

🛠️ 分析任务与流程

本项目的分析工作主要围绕以下四个模块展开：

1. 数据预处理

• 处理 users 表中 recently_logged 字段的缺失值（"--"）。

2. 平台用户活跃度分析

• 绘制各省市登录次数热力图，分析用户地理分布。
• 分析每月新增用户数及环比增长趋势。
• 对比工作日与非工作日的用户活跃时段。
• 根据“最近访问时间”计算平台整体用户流失率。

3. 线上课程推荐

• 计算并可视化最受欢迎的Top 10课程。

4. 自由分析

• 通过计算留存率，进行用户生命周期分析。

✨ 主要结论

1. 用户地理分布：平台用户绝大多数集中在中国，其中广东省的登录次数遥遥领先。海外用户较少，主要分布在欧洲（特别是英国和德国）。
2. 用户活跃时段：工作日，用户活跃时段集中在上午9-10点、下午14-16点以及晚间19点和22点。非工作日，用户活跃时段为上午9-11点、下午14-16点和晚间19-21点，峰值出现在晚间20点。
3. 用户增长趋势：平台在2020年初（疫情期间）迎来了一波显著的新增用户高峰。
4. 用户流失与留存： 流失率：以“超过90天未登录”为标准，平台的用户流失率约为 52.96%。 留存率：新用户留存率随时间快速下降，1个月后留存率为 28.87%，3个月后降至10.51%，6个月后仅剩 4.83%。
5. 课程受欢迎程度： -大多数课程的参与人数集中在1000-5000人次。 -“课程76”是平台目前最受欢迎的课程，参与人数（13265人）远超其他课程。