个人O2O优惠券预测分析

个人O2O优惠券预测分析

作者：陈浩阳 曾诚

来源：《物联网技术》2019年第12期

龙源期刊网 http://www.qikan.com.cn

龙源期刊网 http://www.qikan.com.cn

龙源期刊网 http://www.qikan.com.cn

龙源期刊网 http://www.qikan.com.cn

摘 要：为了建立更加完善的特征体系和优化预测模型，提出优化特征工程体系，增加特征值数量，并改进传统逻辑回归预测模型，使用GBDT+逻辑回归的组合模型及XGBoost+逻辑回归的组合模型达到提高预测精度、提升模型预测能力的目的。实验结果证明，通过优化特征工程体系和改进预测模型解决O2O优惠券发放这种预测方式可以更准确地预测消费者的消费行为，为优惠券的个性化投放提供可靠的决策支持。

关键词：O2O;特征工程;逻辑回归;GBDT;XGBoost;预测模型

中图分类号：TP39 文献标识码：A 文章编号：2095-1302（2019）12-00-04 0 引 言

本课题基于商业O2O优惠券发放问题与机器学习相结合，使用经过特征提取的往期数据训练数学模型，通过训练好的数学模型对优惠券核销二分类问题进行精准预测。随机投放优惠券这种行为方式不仅会对无需求的用户造成无意义的干扰，还可能致使商家品牌声誉降低、营销成本增高。个性化投放是提高优惠券核销率的重要技术[1]，利用该技术不仅可以让具有一定偏好的消费者从中获利，同时还可以使商家获得更好的营销效果。数据来源于天池大数据比赛《生活大实惠：O2O优惠券使用预测》，比赛提供O2O相关场景的丰富数据，通过分析建模，精准预测用户是否会在规定时间内使用相应优惠券。 1 研究背景及意义

O2O是Online To Offline（在线离线/线上线下）的简称，是将线下商业机会与线上平台相结合的一种电商发展方式[2]，将线上平台作为线下消费的前站。为了吸引互联网用户在线上浏览商业信息，商家采取发送优惠券（团购，如GroupOn）、提供优惠信息、服务（预定，如Opentable）等方式吸引顾客[3]。线下商店推送的消息会被互联网用户收到，从而增大网民转化为自家店铺线下消费者的几率。同时店铺的线下服务可以用于线上揽客，消费者又可以从线上平台筛选线下服务，并在线结算，店铺能够很快达到规模[4]。

该模式最重要的特点是推广效果可观，交易流水可跟踪。O2O作为下一代新兴电子商务模式，其使命是把电子商务的效力引入目前消费中占比90%以上的本地消费中去[5-6]。除此之外，线上与线下的对接将打破电商、店商挤兑份额的竞争格局，两者将化敌为友，相互弥补、相互促进，并且使整体消费市场迎来一个全新发展的局面。 2 研究现状

很多学者对消费预测问题进行了研究，例如Zhu Zhenfeng等（2018）基于传统GBDT（Gradient Boosting Decision Tree）算法，提出了一种具有层次化集成的改进预测模型（HGBDT）。该模型通过分析往期商品数据来预测商品未来的销售趋势[7]。Jain（2017）等

龙源期刊网 http://www.qikan.com.cn

通過使用XGBoost（eXtreme Gradient Boosting）模型来预测和估计欧洲主要药店的零售额。与传统的回归算法相比，XGBoost模型算法性能优于传统的建模方法[8]。国内学者郭倩（2018）对农村人均生活消费进行预测，运用BP神经网络对农村居民的人均消费支出进行分析，结合数据拟合和精度检验，对农村居民未来三年的生活消费支出进行预测[9]。学者魏艳华（2015）通过对甘肃省农村居民在1978～2011年中支出与收入的数据进行分析，建立以ARIMAX模型为基础的消费支出预测模型，通过此模型对甘肃省农村居民未来一年的消费支出进行了预测研究[10]。Qiumei Pu使用XGBoost模型对陕西省气象干旱情况进行预测，分别以人工神经网络算法和XGBoost算法构建数学模型，预测结果表明XGBoost模型比DLNM和人工神经网络能更精确地预测SPEI[11]。Junqi Guo等学者在研究青少年身体体质情况时，使用XGBoost算法对每个青少年的身体健康水平进行分类，并通过贝叶斯优化自适应调整参数。实验结果表明，该模型不仅比现有参考模型具有更高的评估精度，相较于传统的经验模型，通过XGBoost模型可以更好地为未来青少年的体质评估提供有效的解决方案[12]。 由上述论述可知，逻辑回归、GBDT及XGBoost模型早已被用于实际应用中，很多学者在各领域中的研究均使用了这几种模型和两两融合后的模型，预测效果得到显著提升。在商品预测领域，这些模型在顾客行为和数据挖掘竞赛中得到了深度使用[13]。将数学模型引入实际问题进行分析研究已成为预测产业发展走向的一种新的研究方式，并且在实际预测中得到了验证[14]。 3 研究路线

本文利用天池大数据众智平台赛题《生活大实惠：O2O优惠券使用预测》中的真实消费者行为数据进行研究的步骤如下：

（1）对原始数据集中的字段进行解释、数据探查、数据处理等操作。

（2）利用特征工程对线下消费和优惠券领取行为数据集构造提取出用户（User）、商家（Merchan）、优惠券（Coupon）、用户-商家（User-Merchan）、其他特征（Other）等五大特征群，共96个特征值的线下特征集，再利用特征工程对用户线上点击/消费和优惠券领取行为数据集构造提取出13个用户（User）特征值的线上特征集。

（3）通过线下特征集共96个特征值及线上和线下特征集共109个特征值，构建两组不同的预测模型。

研究流程如图1所示。 4 数据处理 4.1 数据介绍

龙源期刊网 http://www.qikan.com.cn

根据天池大数据众智平台赛题《生活大实惠：O2O优惠券使用预测》提供的相关真实消费数据：2016年1月1日至2016年6月30日，O2O场景相关的消费者线上和线下发生行为数据，通过训练模型预测2016年7月1日至2016年7月31日消费者领取优惠券后15天内优惠券的核销情况。

模型预测结果的评判标准：使用数学模型对优惠券预测的概率值取平均AUC值。 赛题共提供4个数据集，分别对4个数据集进行数据分析。

用户线下消费和优惠券领取行为数据集（后面称为线下数据集）有1 754 884条消费者行为数据，其中1 053 282条数据对优惠券有操作行为，包含539 438个用户，8 415个商家，9 738种优惠券，消费者领取优惠券的日期为2016年1月1日至2016年6月15日，消费者的消费日期为2016年1月1日至2016年6月30日。

用户线上点击/消费和优惠券领取行为数据集（后面称为线上数据集）有11 429 826条数据，其中872 357条数据有优惠券ID，表明消费者对优惠券有操作行为，线上数据集中含762 858个用户（其中267 448用户在线下集）。

用户O2O线下优惠券使用预测集（后面称为预测集）中包含2 050种优惠券，领取日期为2016年7月1日至2016年7月31日，有76 309个用户（其中76 307个在线下数据集，35 965个在线上数据集，线上与线下数据集中存在用户交叉），1 559家商铺（其中1 558家在用户线下数据集）。

预测集提交字段和字段说明，选手提交文件字段。其中use_id，coupon_id与date_received均来自数据集，Probability字段为通过机器学习建立数学模型预测得到的预测值。 4.2 特征工程

“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”[15]，这句话中数据的含义是对原始数据经特征工程转换和处理等一系列操作而得到的数据。特征工程流程如图2所示。

图3所示为特征群分布情况。 5 算法介绍

本文所使用的算法为逻辑规模，GBDT，XGBoost。 5.1 逻辑回归

龙源期刊网 http://www.qikan.com.cn

Logistic回归是一种广义线性回归（Generalized Linear Model），它是一个分类算法而不是回归算法[16]。其核心思想是：线性回归的输出结果是一个连续且范围无法确定的值，如果出现需要利用结果值映射为判断结果的情况，并且输出结果是一个概率值，则可通过Sigmoid函数确定，所以Logistic函数又称Sigmoid函数。Sigmoid函数曲线如图4所示。

通常情况下，将一个已知的自变量预测成一个离散型因变量的值（如二进制值0/1，对/错，男/女）。可考虑利用逻辑函数（logit fuction）建立的数学模型对事件发生的概率进行计算，得到一个预估值。而该预估值一般为概率值，因此输出结果值在0～1范围内。 5.2 GBDT

GBDT（Gradient Boosting Decision Tree）是一种基于迭代构造的决策树算法，该算法是将决策树赋予集成算法思想得到的一种数学模型。回归决策树、Gradient Boosting與缩减共同组成了GBDT模型[1]。 5.2.1 回归决策树

GBDT模型中的决策树为回归决策树，而非分类决策树。回归决策树可预测数值，如员工薪金、大树高度等，对回归树得到的数值进行加减计算是有意义的，例如12岁+4岁-4岁=12岁，而这也是回归树区别于分类树的一个显著特征。GBDT正是利用回归树得到数值的性质，汇总所有树的结果，从而输出最终结果。 5.2.2 梯度上升

“Boosting”意为迭代，迭代多棵树对结果值进行共同决策[17]。采用弱学习器的结论进行综合评判，进而得到GBDT模型。整个过程采用增量思想对每个弱学习器进行累加。 5.2.3 缩减

缩减（Shrinkage）的思想：逐渐逼近实际结果值，该操作方式比快速逼近结果值的方式更容易降低出现过拟合的概率。因为每一个残差弱学习器只学到了真理的一小部分，并且都有可能出现过拟合现象，但在这个学习过程中增加弱学习器的数量，使用多个弱学习器进行学习可以弥补上述不足。 5.3 XGBoost

GBDT算法的运行往往要生成一定数量的树才能达到令人满意的准确率。当面对的数据集结果较为庞大且复杂时，可能需要进行上千次迭代运算，还会造成一定的计算瓶颈，并增加计算空间的消耗。华盛顿大学的陈天奇博士研发出的XGBoost（eXtreme Gradient Boosting）解决

龙源期刊网 http://www.qikan.com.cn

了这一技术难点，此算法基于Gradient Boosting Machine框架，并使用c++实现，从而极大地提升了模型训练速度和预测精度[18]。

XGBoost是一个优化的分布式梯度增强库，作为GBDT模型的升级版，集高效性、灵活性和便携性等特点于一身。利用XGBoost模型可以在较短周期内解决数据科学问题，得到较高精度的实验结果。利用XGBoost算法构建的数学模型单台机运行速度比当下使用的数学模型训练速度快十倍以上，并且当分布式模式或内存设置需要时仍可获得较为准确的实验结果。

6 实验结果 6.1 评判标准

在一些二分类问题中给出预测结果的同时也会给出相应的预测概率，例如假定0.6为正确的判定阈值，那么若预测概率大于0.7，则判定为正确值，否则为错误值;若阈值降低到0.5，则可以判断出更多的正确值。数据中正确数占比提高的同时，也导致实际为真实值但判定为错误值的数量的升高。为了直观表示该变化，引入ROC（Receiver Operating Characteristic Curve）。ROC曲线的横坐标为FPR，纵坐标为TPR，ROC曲线下的面积即为AUC[19]。 6.2 实验结果分析

通过提取特征数量和不同模型两个角度总结实验。 6.2.1 从特征数量分析实验结果

通过图5可以看到，逻辑回归、GBDT+逻辑回归融合模型、XGBoost单模型仅含受线下特征集训练后的预测效果，没有经线下和线上特征训练后模型的预测效果好。说明特征数量适量增加可以提升数学模型的预测能力和实验效果。 6.2.2 从模型的角度分析实验结果

经过线上和线下特征模型训练，XGBoost模型的预测效果最好，GBDT+逻辑回归模型的效果次之，逻辑回归模型的预测效果相对较差。在经线下模型的特征模型训练后，GBDT+逻辑回归模型的预测效果最好，XGBoost模型的预测效果次之，逻辑回归模型的预测效果相比较差。说明先利用训练完成的GBDT模型输出逻辑回归模型训练所需要的实验结果和实验结果值，再将这些实验结果和实验结果值作为训练逻辑回归模型的特征值输入到逻辑回归模型中进行学习后，预测效率得到明显提高。但总体来说，GBDT+逻辑回归，XGBoost模型对此课题的預测有较好的准确性和稳定性。并且使用GBDT+逻辑回归模型比传统逻辑回归模型有更好

龙源期刊网 http://www.qikan.com.cn

的预测效果、更高的预测精度。GBDT+逻辑回归，XGBoost模型是比较理想的消费预测研究模型。图6所示为不同模型对比预测集提交测试AUC值。 7 结 语

本论文研究基于简单的集成模型，以O2O优惠券为数据载体对消费者领取优惠券（15天内）后对优惠券是否核销进行了精确预测。采用简单的集成学习模型预测用户在领取优惠券后15天内的使用情况。

除此之外，对于大量往期数据，实际数据中无实际特征可直接使用，但这些数据中含有大量可以提取的特征，所以如何科学合理地利用应用特征工程是一个重点问题。如果没有合理的特征工程，将极大地数学模型预测精度的提高。

在科技越来越发达的今天，数学模型已被大量用于医疗、餐饮、工业等领域，比如在医学中使用数学模型对人体检测数据进行扫描，使用数学模型预测餐饮店中的消费人数等。通过这种方式，精确预测行业运营及行业日常的管理对于后期事物的良性发展具有重要意义。 参 考 文 献

[1] Keepreder. GBDT（MART） 迭代决策树入门教程 | 简介[OL]. https： //blog.csdn.net/keepreder/article/details/47259241

[2]朱妮.大数据时代下O2O营销模式创新研究[J].电子商务，2019（3）：42-43. [3]刘赟.我国实体零售业O2O模式转型发展分析[J].商业经济研究，2017（2）：17-20. [4]林晓丹，宋骁.O2O团购商业模式发展现状及对策浅析[J].中国管理信息化，2015，18（11）：181-182.

[5]刘欣梅.O2O：本地生活服务业电子商务发展之路探究[J].经济研究导刊，2014（1）：103-104.

[6]吴鹏飞.基于大数据的O2O营销模型研究[J].财讯，2017（5）：91-92. [7] ZHU Z F，TANG J Y，CHANG D X，et al. GBDT based hierarchical model for commodity distribution prediction [J]. Journal of Beijing Jiaotong University，2018，42（2）：9. [8] JAIN A，MENON MN，CHANDRA S.Sales Forecasting for Retail Chains [Z]. 2017. [9]郭倩，王效俐.基于BP神经网络的农村人均生活消费预测[J].商业经济，2018（2）：80-83.

龙源期刊网 http://www.qikan.com.cn

[10]魏艳华，王丙参.基于ARIMAX模型的甘肃农村居民消费预测与决策[J].天水师范学院学报，2015，35（2）：3-7.

[11] ZHANG R，CHEN Z Y ，XU L J，et al.Meteorological drought forecasting based on a statistical model with machine learning techniques in Shaanxi province [J]. Science of the total environment，2019：338-346.

[12] GUO J Q， DAI Y Z， WANG C X，et al.A data-driven framework for learners’ cognitive load detection using ECG-PPG physiological feature fusion and XGBoost classification [Z]. [13]叶倩怡.基于XGBoost方法的实体零售业销售额预测研究[D].南昌：南昌大学，2016. [14]中国信息化编辑部.2018实体经济与数字经济在融合中发展[J].中国信息化，2019（1）：16-37.

[15]佚名.自动化技术、计算机技术[J].中国无线电电子学文摘，2011，27（2）：166-241. [16]单丽莉，林磊，孙承杰.基于异构信息融合的广告响应预测方法[J].中国科学：信息科学，2019，49（1）：17-41.

[17]刘高军，李越洋.基于借阅信息的图书个性化推荐算法研究[J].数字技术与应用，2017（3）：156-158.

[18] CHEN T，GUESTRIN C.XGBoost：A scalable tree boosting system [Z]. 2016. [19]雷一鸣，赵希梅，王国栋，等.基于一种改进的LBP算法和超限学习机的肝硬化识别[J].计算机科学，2017，44（10）：45-50.