O2O即Online to Offline,是一種線下商戶與互聯(lián)網(wǎng)相互結(jié)合的商業(yè)模式。近年來,隨著移動端網(wǎng)絡消費的興起,O2O消費得到了各大商業(yè)平臺的廣泛關(guān)注,其中蘊藏著巨大的商業(yè)價值。消費券投放是O2O的一種重要營銷策略,但隨機投放會對大多數(shù)用戶造成干擾,同時也會增加商家的營銷成本。精準投放是提高消費券核銷率的重要技術(shù),它可以讓商家直接面向具有一定消費偏好的用戶,使其得到真正的實惠,在降低商家營銷成本的同時促進商家的營業(yè)額,實現(xiàn)商家、用戶共贏。O2O行業(yè)的特性使其天然與數(shù)以億計的消費者相關(guān)聯(lián),記錄著海量的用戶歷史流水信息。本文通過對這些真實的用戶歷史流水記錄進行挖掘,并構(gòu)建相應的特征群訓練得到用戶的消費券核銷預測模型,以此預測用戶未來是否會使用消費券,從而為消費券的精準投放提供決策依據(jù),主要的研究工作可以分為以下四個方面:（1）首先從消費券、商戶以及用戶三個方面進行數(shù)據(jù)探索并在此基礎(chǔ)上構(gòu)建相應的特征群,用以表征用戶的消費行為習慣,商戶和消費券本身的信息屬性,并通過方差選擇和極端梯度提升樹算法XGBoost對原始特征進行特征篩選,以去除相應的冗余特征,完成數(shù)據(jù)集的構(gòu)建;（2）為了增強特... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

用戶歷史交互記錄Fig.2-1Userhistoryinteractionrecord每條記錄都含有7個字段，分別表示用戶ID、商戶ID、消費券ID、消費券的折扣

圖 2-15 用戶對同一類型消費券的重復領(lǐng)取記錄Fig. 2-15 Repeated receiving records of the same type of consumer vouchers by users圖2-15是用戶對同一類型消費券重復領(lǐng)取記錄的節(jié)選，各字段屬性分別為用戶ID、消費券 ID、消費券領(lǐng)取時間、距離以及用戶消費時間。如果最后一個字段為 null，那么用戶并沒有消費，否則就為使用消費券消費。通過觀察可以得知，如果對同一類型消費券進行重復領(lǐng)取，那么用戶大概率會有核銷消費券的行為。與商戶有出售范圍類似，用戶也有相應的活動范圍。通常情況下，用戶基于遠距離消費的一種重要原因就是該消費行為受商家促銷活動的吸引，也即是說用戶的活動范圍越廣泛，那么該用戶消費券的核銷幾率也會相應的上升。2.3 特征選擇在 2.2 節(jié)中

第四章 模型訓練與結(jié)果分析型訓練與結(jié)果對比通過上述參數(shù)設置訓練得到基于 XGBoost 的消費券核銷預測模型，DT 模型進行對比，兩種模型的訓練時間、AUC 值以及 ROC 曲線如表 4-3 XGBoost 與 GBDT 結(jié)果對比Tab. 4-3 Comparison of XGBoost and GBDT results模型 訓練時間 AUCGBDT 5min20s 0.8149XGBoost 2min33s 0.8198

【參考文獻】：
期刊論文
[1]基于深度學習的論文個性化推薦算法[J]. 王妍,唐杰.  中文信息學報. 2018(04)
[2]基于隨機森林算法的推薦系統(tǒng)的設計與實現(xiàn)[J]. 沈晶磊,虞慧群,范貴生,郭健美.  計算機科學. 2017(11)
[3]基于深度學習加強的混合推薦方法[J]. 張敏,丁弼原,馬為之,譚云志,劉奕群,馬少平.  清華大學學報(自然科學版). 2017(10)
[4]XGBoost算法在電子商務商品推薦中的應用[J]. 張昊,紀宏超,張紅宇.  物聯(lián)網(wǎng)技術(shù). 2017(02)
[5]基于SDAE及極限學習機模型的協(xié)同過濾應用研究[J]. 潘昊,王新偉.  計算機應用研究. 2017(08)
[6]利用交叉推薦模型解決用戶冷啟動問題[J]. 朱坤廣,楊達,崔強,郝春亮.  計算機應用與軟件. 2016(05)
[7]基于DNN算法的移動視頻推薦策略[J]. 陳亮,汪景福,王娜,李霞.  計算機學報. 2016(08)



本文編號：3020690