隨著通信技術(shù)迅猛發(fā)展,移動(dòng)網(wǎng)絡(luò)和寬帶網(wǎng)絡(luò)快速普及到每家每戶,這極大地促使電子商務(wù)的發(fā)展。目前,基于大數(shù)據(jù)、云計(jì)算的新的電子商務(wù)應(yīng)運(yùn)而生,線上渠道和線下渠道有機(jī)結(jié)合的商務(wù)模式O2O（Online To Offline）發(fā)展迅猛,隨之而來的各種營銷手段層出不窮,譬如,優(yōu)惠券。分析O2O優(yōu)惠券轉(zhuǎn)化客流情況,實(shí)現(xiàn)快速精準(zhǔn)預(yù)測(cè)用戶是否在規(guī)定時(shí)間使用領(lǐng)取的優(yōu)惠券,不僅能夠賦予商家更強(qiáng)的銷售能力,幫助商家有效投放優(yōu)惠券,也可以讓具有一定偏好的消費(fèi)者得到真正的實(shí)惠。本文基于O2O優(yōu)惠券轉(zhuǎn)化情況的研究主要包括以下三個(gè)方面:（1）基于天池公開數(shù)據(jù)集,分析了某電商平臺(tái)2016年1月1日到2016年6月30日的用戶歷史數(shù)據(jù),包含領(lǐng)券時(shí)間、券面優(yōu)惠情況、用戶距離線下商家最近的距離和用戶在某商家消費(fèi)的時(shí)間,通過對(duì)這些維度的數(shù)據(jù)可視化分析,挖掘數(shù)據(jù)蘊(yùn)含的潛在規(guī)律,構(gòu)建了58個(gè)特征,包含用戶、商家、優(yōu)惠券、用戶-商家、用戶-優(yōu)惠券和其他因素六個(gè)維度。（2）基于構(gòu)建的特征集,利用隨機(jī)森林、梯度提升樹、XGBoost和LightGBM四個(gè)單模型和Stacking融合模型對(duì)O2O優(yōu)惠券轉(zhuǎn)化率進(jìn)行預(yù)測(cè),通過實(shí)驗(yàn)驗(yàn)證了特征選取... 

【文章來源】：山西大學(xué)山西省

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Stacking融合算法流程圖

圖 3.1 O2O 優(yōu)惠券核銷率3.2.2 特征分析與處理我們?cè)谇懊嬷v到，采用特征工程獲取有效特征提高數(shù)據(jù)質(zhì)量是獲得更好模型的關(guān)鍵策略，而本文采用了公開數(shù)據(jù)集，接下來只需要對(duì)數(shù)據(jù)進(jìn)行特征分析和處理，特

圖 3.2 用戶購買次數(shù)分布圖 ID, 我們同樣做可視化分析，如下圖 3.3 所示，可以得0 的占訓(xùn)練集的 63.09%，大于 20 小于等于 100 次數(shù) 1000 占 8.72%，超過 1000 次記錄占 1.25%，說明大量


本文編號(hào)：2902669