天池O2O优惠券比赛总结

一、   赛题简介

本赛题的比赛背景：随着移动设备的完善和普及，移动互联网+各行各业进入了高速发展阶段，这其中以O2O（Online to Offline）消费最为吸引眼球。据不完全统计，O2O行业估值上亿的创业公司至少有10家，也不乏百亿巨头的身影。O2O行业天然关联数亿消费者，各类APP每天记录了超过百亿条用户行为和位置记录，因而成为大数据科研和商业化运营的最佳结合点之一。以优惠券盘活老用户或吸引新客户进店消费是O2O的一种重要营销方式。然而随机投放的优惠券对多数用户造成无意义的干扰。对商家而言，滥发的优惠券可能降低品牌声誉，同时难以估算营销成本。个性化投放是提高优惠券核销率的重要技术，它可以让具有一定偏好的消费者得到真正的实惠，同时赋予商家更强的营销能力。本次大赛为参赛选手提供了O2O场景相关的丰富数据，希望参赛选手通过分析建模，精准预测用户是否会在规定时间内使用相应优惠券。

二、   数据

本赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内的使用情况。

字表段：

Table 1: 用户线下消费和优惠券领取行为

Field	Description
User_id	用户ID
Merchant_id	商户ID
Coupon_id	优惠券ID：null表示无优惠券消费，此时Discount_rate和Date_received字段无意义
Discount_rate	优惠率：x \in [0,1]代表折扣率；x:y表示满x减y。单位是元
Distance	user经常活动的地点离该merchant的最近门店距离是x*500米（如果是连锁店，则取最近的一家门店），x\in[0,10]；null表示无此信息，0表示低于500米，10表示大于5公里；
Date_received	领取优惠券日期
Date	消费日期：如果Date=null & Coupon_id != null，该记录表示领取优惠券但没有使用，即负样本；如果Date!=null & Coupon_id = null，则表示普通消费日期；如果Date!=null & Coupon_id != null，则表示用优惠券消费日期，即正样本；

Table 2: 用户线上点击/消费和优惠券领取行为

Field	Description
User_id	用户ID
Merchant_id	商户ID
Action	0 点击， 1购买，2领取优惠券
Coupon_id	优惠券ID：null表示无优惠券消费，此时Discount_rate和Date_received字段无意义。“fixed”表示该交易是限时低价活动。
Discount_rate	优惠率：x \in [0,1]代表折扣率；x:y表示满x减y；“fixed”表示低价限时优惠；
Date_received	领取优惠券日期
Date	消费日期：如果Date=null & Coupon_id != null，该记录表示领取优惠券但没有使用；如果Date!=null & Coupon_id = null，则表示普通消费日期；如果Date!=null & Coupon_id != null，则表示用优惠券消费日期；

 

Table 3：用户O2O线下优惠券使用预测样本

Field	Description
User_id	用户ID
Merchant_id	商户ID
Coupon_id	优惠券ID
Discount_rate	优惠率：x \in [0,1]代表折扣率；x:y表示满x减y.
Distance	user经常活动的地点离该merchant的最近门店距离是x*500米（如果是连锁店，则取最近的一家门店），x\in[0,10]；null表示无此信息，0表示低于500米，10表示大于5公里；
Date_received	领取优惠券日期

三、   数据分析

（1）在线下训练集约48.1%的用户参与了线上活动；2.9%的优惠券出现在线上训练集；线下商户与线上商户完全没有交集。

（2）测试集中用户与优惠券均来自线下训练集。

（4）测试集中商家97.22%被训练集中线下商家全部覆盖

（5）测试集中全部是全新的优惠券，与线上与线下训练集的优惠券是完全不同的,所以优惠券的使用情况与优惠券ID无关。

（6）根据经验，我们知道活跃用户更可能使用优惠券，活跃商家所发出的优惠券更可能被使用，用户对某个商家的喜爱程度越高越可能使用这个商家发的优惠券。用户在周末更有时间更可能使用优惠券。

四、   特征提取

1。商户相关:

（1）销售使用优惠券。总优惠券

（2）转移率=销售使用优惠券/总优惠券数。

（3）商家距离用户的平均距离。

（4）商家距离用户最小距离。

（5）商家最大距离用户的最大距离

（6）使用优惠券总销售额：优惠券票率=销售使用/总销售。

（7）优惠券使用比率=销售使用总额/总销售。

2。优惠券相关:

（1）被领取数

（2）消费数

（3）消费率，弃用率

（4）消费平均距离

（5）领取再消费平均距离

3。用户相关:

（1）用户使用优惠券的平均距离。

（2）用户使用优惠券的最小距离。

（3）用户使用优惠券的最大距离。

（4）购买使用优惠券次数。

（5）无领券消费次数。

（6）购买使用优惠券次数。

（7）收到相同优惠券的时间平均间隔、最小间隔、最大间隔。

4.日期

（1）每个月用户收到所有的优惠券计数。

（2）每个月用户收到相同的优惠券计数。

（3）每个月用户收到相同的优惠券最后一个。

（4）每个月用户收到相同的优惠券第一个。

（5）每一天用户收到所有的优惠券计数。

（6）每一天用户收到相同的优惠券计数。

5.折扣率

（1）转换为折扣率。

（2）数据离散化，分为5个区间。

（3）满多少，减多少。

6.距离：

（1）区间离散化，分为10个区间

（2）对每个区间计算领券数，消费数。

（3）领券平均距离。

（4）消费平均距离。

五、   训练模型（xgboost, sklearn）

1.设置基本参数

（1）params={'booster':'gbtree',

 'objective': 'rank:pairwise',

 'eval_metric':'auc',

 'gamma':0.1,

 'min_child_weight':1.1,

'max_depth':5,

'lambda':10,

'subsample':0.7,

'colsample_bytree':0.7,

'colsample_bylevel':0.7,

'eta': 0.01,

'tree_method':'exact',

 'seed':0,

'nthread':12

        }

（2）num_boost_round=3500

（3）evals =watchlist

2.使用xgb.train()方法进行训练集进行训练,得到模型model

3.使用model.predict()方法对预测集进行预测，得到它们在领取优惠券后15天以内的使用情况。

六、   总结与收获

1.做数据分析，确定分析目的与方法论很重要。本题中的数据分析的目的是：是预测用户领取优惠券后15天以内的使用情况，而使用情况的只有两种：即使用与未使用。是二分类问题，考虑到是求解使用概率，使用xgboost算法较为合适。

2.模型的准确性，特征的提取很关键。

3.对使用python进行数据分析、特征提取、模型训练的理解更进一步。