论文总字数：27098字

摘 要

O2O (Online To offline)模式是将线下交易与线上交易相结合的一种新型商业模式，通过线上团购优惠、打折、信息服务等方式，将线下实体店信息传递给线上客户。消费者在完成网上支付、下单后，即可使用网上获取的数字支付凭证到相应的实体店完成消费体验。目前，作为一种创新式的电子商务模式，O2O在我国正处于飞速发展阶段，各大O2O平台上的商户推出层出不穷的活动以期盘活老用户、吸引新客户进店消费。O2O优惠券的投放是即是其中一种重要营销方式，然而无针对性地大范围投放优惠券不仅对非目标用户带来干扰，影响企业形象，还会增加无必要的营销成本。因此，如何通过用户过往的消费行为来挖掘用户的行为特征与消费偏好继而建立对其未来是否会核销优惠券的预测模型来达到个性化投放就显得至关重要。

本文主要研究内容为构建O2O优惠券精准投放模型，通过预测用户在一定时间内核销优惠券的概率，指导商家将优惠券信息投放给最有可能使用的目标消费者，以达到精准投放的目的。本文的主要工作如下：

(1)结合国内外有关O2O优惠券的研究，归纳整理文献中提及的影响用户核销O2O优惠券的因素，作为后续对数据集特征提取的理论依据。

(2)在完成对阿里天池O2O优惠券公开数据集的初步分析探查与预处理后，本文结合天池实验室相关资料以及前文整理的所有可能影响O2O优惠券使用的因素，从记录用户线上和线下消费行为2个数据集中一共提取了7大维度126个特征用于后续的模型预测。

(3)基于已构造的特征集，本文分别采用XGBoost、LightGBM和CatBoost三个单模型以及Stacking融合模型对O2O优惠券核销率进行预测。经过网格搜索对模型参数进行调优且运用特征筛选排除模型的过拟合问题后，四个模型预测结果提交线上的AUC分别为0.7994、0.7955、0.7041和0.8012。

关键字：O2O优惠券；精准投放；Xgboost；LightGBM；Catboost

ABSTRACT

O2O (Online To offline) mode is a new business model, which combines offline trade with online transaction. Through online merchants group purchase discount, online discounts, information services, etc., the offline physical store information is passed to online customers. After completing online payment, consumers can use the digital payment voucher obtained online to go to the corresponding physical store to complete the consumption experience. At present, as an innovative e-commerce model, O2O is in a stage of rapid development. Merchants on major O2O platforms have launched endless activities to invigorate old users and attract new users. The delivery of O2O coupons is one of the important marketing methods. Untargeted large-scale coupons can only interfere with non-target users, affect the corporate image as well as increase unnecessary marketing costs. Therefore, how to mine the user's behavior characteristics and consumption substitution through the user's past consumption behavior, and then establish a prediction model of whether the coupon will be used in the future to achieve personalized delivery is expected to be achieved.

The main purpose of this paper is to build a precise O2O coupon delivery model. By predicting the probability that users will use coupons within a certain period of time, the model can guide merchants to distribute coupons to the most likely users, so as to achieve the purpose of precise delivery. The main work of this paper can be concluded as follows:

1. Combining with the research on O2O coupons at home and abroad, the influencing factors of the use of coupons are summarized as the theoretical basis for subsequent feature construction.
2. After completing the preliminary analysis and pre-processing of the Ali Tianchi Open Datset, this article combines the relevant information from Tianchi Lab and all the summarized influencing factors of the use of coupons, constrcut a total of 126 features in 7 different dimensions for subsequent model prediction.

(3) Based on the constructed feature set, three single models including XGBoost, LightGBM, CatBoost and the stacking fusion model were used to predict the O2O coupon usage rate. After tuning the model parameters through grid search and using feature filtering to eliminate the overfitting problem of models, the AUC of the four models were 0.7994, 0.7955, 0.7041 and 0.8012, respectively.

Keywords: O2O coupons, precise delivery, Xgboost, LightGBM, Catboost

目录

摘 要 I

第一章 绪论 1

1.1 研究背景与意义 1

1.1.1 研究背景 1

1.1.2 研究意义 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 论文总体结构 3

1.4 本章小结 3

第二章 数据来源与特征工程 4

3.1 数据来源及相关背景 4

3.2 数据分析 4

3.3 数据预处理 5

3.3.1 不属于同一量纲 5

3.3.2 信息冗余 6

3.3.3 定性特征不能直接使用 6

3.3.4 存在缺失值 6

3.4 数据划分 7

3.5特征工程 7

3.5.1 特征构造 7

3.5.2 特征选择 11

3.6本章小节 12

第三章 模型选择与O2O转化率预测 13

3.1基于单模型的O2O优惠券转化率预测 13

3.1.1 XGBoost预测模型 13

3.1.2 LightGBM预测模型 17

3.1.3 Catboost预测模型 21

3.2 基于Stacking融合模型的O2O优惠券转化率预测 23

3.3本章小节 24

第四章 总结与展望 25

4.1 总结 25

4.2 展望 25

参考文献 27

1. 绪论

1.1 研究背景与意义

1.1.1 研究背景

随着移动设备的进一步完善和普及，移动互联网 各行各业进入了高速发展阶段。我们可以看到的是，技术的进步正在不断改变着传统的企业和消费者互动的方式。例如在过去，离线和在线客户的体验和互动是截然不同的。尽管有一些跨渠道的选项如单击并收集服务，但实际上他的功能和服务范围非常有限。而当下，经过近十年迅猛发展之后的电子商务商店已然被视为一个新角色。在线商店与离线商店开始协同合作，以创造全面的从在线到离线（O2O）的购物体验。天然关联无数购物者的O2O行业在各种软件平台上都记录了下了不计其数的用户行为与操作信息,完美融合了大数据科研和商业化运营。品牌不再将在线商店和离线商店分开看，而是将其视为客户品牌和购物体验的重要组成部分。从美国的亚马逊到中国的阿里巴巴，再到印度的Reliance Jio，Lifestyle和Flipkart，都在利用O2O商业模型。其中阿里巴巴和亚马逊已经通过PayTm购物中心扩展其线下业务，而零售巨头沃尔玛将加入Flipkart，以利用O2O模式推动跨渠道的更多销售和业务转化。O2O可能已成为整个零售行业最有希望的解决方案，它是一场关于消费者传统购物方式的零售革命，也是虚拟世界与现实世界之间的门户。而对于每一个身在这场全球化竞争与变革的企业来说，如何制定出与这种不断发展的商业模式相适应的综合策略至关重要。

1.1.2 研究意义

O2O的一种重要营销方式即是用优惠券来盘活老用户或吸引更多的新客户进店消费。然而，无目标性地、大范围推送投放的电子优惠券对实际上于多数用户来说只是无意义的干扰，他们最终会选择核销优惠券的概率极低。另一方面，滥发的O2O优惠券还会对商家的品牌声誉形成负面影响，同时增加无必要的营销成本。基于这种情况，商家如何制定如何个性化投放优惠券的策略就显得极为关键。通过对众多消费者过往消费活动中所产生大数据进行合理利用和分析，发现用户在消费过程中的一些特征偏好，并基于此构建O2O优惠券精准投放模型。这不但能够提升用户体验，让用户能够第一时间看到自己想要的信息、得到真正的优惠，而且还能在缩减商家营销成本的同时赋予其更强的营销能力，取得更大的利润

1.2 国内外研究现状

自从O2O（Online to Offline）商业模式进入大众视野以来，国内外的学者对于其发展模式、趋势、状态等各个方面均表现出较高的研究兴趣。而对于电子优惠券这样一个O2O模式中打破线上线下交易的壁垒的关键要素^[1]，近年来也涌现出不少针对其的研究。

1.2.1 国外研究现状

请支付后下载全文，论文总字数：27098字