O2O优惠券预测题目拆解

1. Table1 《用户线下消费和优惠券领取行为 》都有哪些字段？

参考资料：
https://www.cnblogs.com/rango-lhl/p/9686195.html
https://www.cnblogs.com/zackstang/p/8185531.html

各个字段的缺失值占比？

为了方便快速分析，抽取了1万行数据进行分析。

首先，可以看到商户ID和用户ID都没有缺失的；
其次是离店距离缺失的最少，这个信息可能根据手机定位等手段，获取的很充分；
然后是描述优惠券的三个字段（ID、领取日期、折扣率），缺失值数量是相等的；
最后是消费日期，高达55%的缺失值，说明大概有多一半的用户都没有去消费。

是否有重复的用户ID、商户ID、券ID，重复ID代表什么含义？

重复的用户ID代表同一个用户。

这个用户去了三个不同的商户消费。

这个用户在同一个商户消费的，在不同的时间里。

重复的商户ID代表同一个商户。

3381这个商户的不同用户的消费和领券记录。

1072这个商户的不同用户的消费和领券记录。

相同的券ID代表是同种券。同种券可以被不同的用户在不同的商户领取。

3381这个商户的7610券，被不同的用户领取。

本题的预测目标是什么？

领券后15日内消费的概率。
这个目标可以从两个思路上去理解，1，对领券后消费日期以及其置信区间的预测，2，该预测日期落在15日内区间的概率。
个人而言，1比较容易理解，所以先从这个思路出发。

和预测目标可能相关的的变量有哪些？

1. 题目中给出的相关变量；
   Discount_rate(折扣率）；
   Distance（离店距离）；
   Date_received(领券日期);
   领券日期本身的一些特征，比如星期几，归属月份，归属月份的上中下旬，季节等
2. 平均消费间隔系列指标；
3. 平均的折扣消费间隔系列指标；
4. 领券消费转化系列指标；
   可以先用题目给出的变量先建模，然后不断加入更多的变量，获取更好预测效果。

用户的平均消费间隔怎么求？