隨著通信技術迅猛發(fā)展,移動網(wǎng)絡和寬帶網(wǎng)絡快速普及到每家每戶,這極大地促使電子商務的發(fā)展。目前,基于大數(shù)據(jù)、云計算的新的電子商務應運而生,線上渠道和線下渠道有機結合的商務模式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)惠券轉化客流情況,實現(xiàn)快速精準預測用戶是否在規(guī)定時間使用領取的優(yōu)惠券,不僅能夠賦予商家更強的銷售能力,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者得到真正的實惠。本文基于O2O優(yōu)惠券轉化情況的研究主要包括以下三個方面:（1）基于天池公開數(shù)據(jù)集,分析了某電商平臺2016年1月1日到2016年6月30日的用戶歷史數(shù)據(jù),包含領券時間、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的時間,通過對這些維度的數(shù)據(jù)可視化分析,挖掘數(shù)據(jù)蘊含的潛在規(guī)律,構建了58個特征,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維度。（2）基于構建的特征集,利用隨機森林、梯度提升樹、XGBoost和LightGBM四個單模型和Stacking融合模型對O2O優(yōu)惠券轉化率進行預測,通過實驗驗證了特征選取... 

【文章來源】：山西大學山西省

【文章頁數(shù)】：59 頁

【學位級別】：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在前面講到，采用特征工程獲取有效特征提高數(shù)據(jù)質量是獲得更好模型的關鍵策略，而本文采用了公開數(shù)據(jù)集，接下來只需要對數(shù)據(jù)進行特征分析和處理，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：2902669