基于机器学习的O2O优惠券转化率研究

发布时间：2020-12-07 04:58

　　随着通信技术迅猛发展,移动网络和宽带网络快速普及到每家每户,这极大地促使电子商务的发展。目前,基于大数据、云计算的新的电子商务应运而生,线上渠道和线下渠道有机结合的商务模式O2O（Online To Offline）发展迅猛,随之而来的各种营销手段层出不穷,譬如,优惠券。分析O2O优惠券转化客流情况,实现快速精准预测用户是否在规定时间使用领取的优惠券,不仅能够赋予商家更强的销售能力,帮助商家有效投放优惠券,也可以让具有一定偏好的消费者得到真正的实惠。本文基于O2O优惠券转化情况的研究主要包括以下三个方面:（1）基于天池公开数据集,分析了某电商平台2016年1月1日到2016年6月30日的用户历史数据,包含领券时间、券面优惠情况、用户距离线下商家最近的距离和用户在某商家消费的时间,通过对这些维度的数据可视化分析,挖掘数据蕴含的潜在规律,构建了58个特征,包含用户、商家、优惠券、用户-商家、用户-优惠券和其他因素六个维度。（2）基于构建的特征集,利用随机森林、梯度提升树、XGBoost和LightGBM四个单模型和Stacking融合模型对O2O优惠券转化率进行预测,通过实验验证了特征选取... 

【文章来源】：山西大学山西省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

Stacking融合算法流程图

图 3.1 O2O 优惠券核销率3.2.2 特征分析与处理我们在前面讲到，采用特征工程获取有效特征提高数据质量是获得更好模型的关键策略，而本文采用了公开数据集，接下来只需要对数据进行特征分析和处理，特

图 3.2 用户购买次数分布图 ID, 我们同样做可视化分析，如下图 3.3 所示，可以得0 的占训练集的 63.09%，大于 20 小于等于 100 次数 1000 占 8.72%，超过 1000 次记录占 1.25%，说明大量


本文编号：2902669