又到躁动的双十一了

准备好买买买了吗

算出省钱小妙招了吗

优惠券有没有用起来呢

平常购物中，“双11”、“618”购物节、外卖的满减、商家会员等都会给消费者发放优惠券。当消费者有优惠券可用时，购买东西的冲动会增大很多。许多商家基于用户这种心理，会发放优惠券来进行促销。那商家的优惠券的发放机制是怎样的呢？

有的是普惠性质，到达一定金额后可用；有的优惠券靠抢；还有的是定向发放。最后一种方式一般来说既可以节省成本，也可以达到比较好的促销效果，提升用户活跃度。

今天我们来看下基于算法怎么进行定向优惠券发放。

通过算法模型，提升营销准确率

        ——以某个面包店为例

1.业务目标

根据某面包店历史6个月的用户交易记录，通过RFM模型对用户分群，并建立模型预测用户的购买概率，实现对不同用户群不同购买概率的用户实行不同的发券策略，以此提升营销的准确率，实现ROI（收益与成本控制）的最大化。

知识点1：RFM模型

RMF模型是衡量客户价值和创新能力的一个重要工具和手段，通过用户的最近一次消费时间（Recency）、消费频率（Frequency）、消费金额（Monetary）三项指标将客户划分为重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户等八个象限，针对不同群组的客户采取不同的运营策略，该模型常用于企业商品单价不高、交易频次高的业务中。

2.数据准备

获取面包店6个月的用户历史交易表，表信息如下：

 该表中共包含21293条数据，共960个用户的交易记录。真实业务场景中，数据特征会比这个举例多很多，今天我们通过删减后的数据来看一下整个过程。

3.算法模型搭建

我们采用数栈的算法开发（AIWorks）平台进行算法模型的搭建：

1）数据分析

首先从Hive库中读取到原始数据（即上面提到的表），算法工程师需要对数据质量进行评估，分析每个特征的数据缺失情况、分布情况、异常值校验、列与列之间的相关性等，如某些列的数据缺失较大，需要进行缺失值填充或删除；标签列分布不均匀，需要通过采样方法进行数据采用；若两个特征之间的相关性过大则不适合作为模型的输入。

我们以“user_id（用户id）”这个特征列来看一下数据分布情况：

• 
  

  数据基本特征 

  
  

可看到用户id列的ID-ness（数据差异性：字段中不同取值的数量/总行数）、Stability（数据稳定性：字段中出现频率最高且非空值的单元格数/总行数）、Missing(数据缺失率：该段中缺失的单元格数/总行数)指标都比较正常，反映出此分数据集用户数量足够、没有同一个用户的大量交易记录、数据分析均匀、无缺失数据，符合我们的期望。

• 
  

  数据分布情况

  
  

数据分布均匀，数据质量较好。

• 
  

  数据相关性

  
  

可分析列与列之间的相关性，作为模型特征选择的参考。

其他特征的数据与用户id同理，此处不再赘述。接下来进行特征处理。

2）数据处理

a.RFM用户分群

利用AIWorks封装好的数据处理组件搭建RFM分层模型，计算每个用户的RFM参数，如下图左侧分支：

· 聚合函数_F：基于6个月交易数据，对user_id（用户id）进行groupby，并对transcation（订单号）求nunique，得到每个用户的历史交易次数；

· 聚合函数_M：基于6个月交易数据，对user_id（用户id ）进行groupby，并对price（商品价格）求sum，得到每个用户的历史交易总金额

· 聚合函数_R：基于6个月交易数据，对user_id（用户id ）进行groupby，并对date（交易日期）取最大值，取得每个用户最后一次交易时间

· Python脚本：将上述组件计算的R、F、M值通过Python组件合并到一张表中，输出结果如下图所示：

b.用户购买情况计算

右侧分支中，利用Python脚本进行数据处理：

· Python脚本_标签列：求每个用户每天的交易金额、以及是否进行消费、R、F、M值。是否进行消费作为这份数据集的标签列，用lable标识，当每天交易金额为0时，则label=0；当每天交易金额为>0时，label=1。

3)特征处理

一般算法建模中，特征处理包含：

（1）通用特征处理：如数据缺失值填充、数据采样、类型转化等；

（2）数值型特征处理：如归一化、标准化等；

（3）字符型特征处理：字符类型的字段不能作为模型的输入，需要将这类特征先数值化，如one-hot编码、label编码等。

在当前算法场景中的RFM分层模型、用户购买率预测模型中，我们采用的模型特征都是R（最近一次消费时间）、F（消费频率）、M（消费金额）3个字段，无缺失值，都是数值类型字段，暂无需做其他特征处理。

4)特征选择

特征选择一般需要根据具体的业务场景和专家经验，选择模型的特征列，且需计算特征与特征之间的相关性（高相关性的特征选择其中一个便好，否则不容易判断该模型的特征重要性），及特征与标签列之间的相关性（选择影响标签的特征，若特征对标签无显著影响，则无需选择）。

该算法场景中，将用户的原始属性转化成R、F、M值作为模型的特征输入。可分析一下特征之间的相关性：

特征间相关性较低，可作为模型输入。

知识点2：特征与标签

算法模型一般表达的是一个数学关系，即y（标签列）和x（特征列）的关系，y是模型的输出结果，x是影响模型的因素。如下图所示：

5)模型选择与训练

a.RFM用户分群

由于在RFM分群模型的搭建中，历史数据没有标签列，即没有一个业务字段来表示该用户属于哪个群体，所以该算法问题是一个聚类问题，我们采用机器学习聚类算法中的KMeans聚类模型进行分群。

KMeans聚类模型以样本间距离为基础，将n个对象分为k个簇，使群体与群体之间的距离尽量大，而簇内具有较高的相似度。

· KMeans聚类：模型进行数据处理，将用户分成3类，输出如下：

b.用户购买概率预测

用户购买预测需要预测出未来用户是否会购买以及购买的概率，属于一个二分类问题，此处采用机器学习分类模型中的XGB分类模型进行用户分类。

XGBoost是经过优化的分布式梯度提升库，计算非常高效、且灵活与可移植性高。

· Python脚本_训练集：将历史月的用户数据作为训练集

· Python脚本_测试集：将当月的用户数据作为测试集；

· XGB分类：用训练集进行模型训练；

· 预测：用训练好的XGB模型预测今天的用户是否会购买，以及购买的概率，模型运行结果如下：

6)模型评估

采用模型评估组件评估模型的好坏。

针对XGB分类模型，我们采用混淆矩阵和二分类模型评估组件进行模型评估，可查看模型的性能指标，如下图：

模型评估结果：

· 准确率：模型预测正确的结果，占所有样本的比例；

· 精确率：模型预测出正确的会购买用户/预测出的会购买用户（无论是否正确），来表示是否筛选出正确的结果，宁可没有预测出来，但不能预测错误。

· 召回率：模型预测出正确的会购买用户/真实的会购买用户，来表示模型识别的广度。

· F1值：综合反映精确率与召回率，F1越高，在精确率与综合率的表现越好。

· AUC值：AUC是ROC曲线的面积，AUC越高代表模型的区分能力越好

该模型的各项评估指标符合期望，可对外使用。

7)输出发券用户列表

· Python脚本_目标用户：将KMeans聚类模型划分出属于“1”类别（重要价值客户：购买金额高、购买频率高、购买时间近），且XGB分类模型预测出来的今天不会购买的用户筛选出来，针对这部分人群发放优惠券，进行定向营销，该组件输出的用户列表如下，共238个用户。

由此，便得出一个可定向精准营销的用户列表，可进行后续的营销活动，以此提升营销的准确率，实现ROI的最大化。

8)模型周期性运行

若该模型正式投入线上使用，可每天定时跑批，输出最新的RFM分群用户，以及该用户在明天是否会购买的信息，从而提供给业务人员进行差异化的营销。

9)模型在线预测

除模型周期性跑批之外，也可以把该算法模型进行pipeline部署，以数据API的方式对外提供服务。外部业务系统在线调用模型，模型预测出结果，实时返回给业务系统该用户是否会购买的结果。

AIWorks-企业级算法开发平台

AIWorks是集可视化建模与交式代码编写于一体的企业级算法开发平台，支持从数据接入、算法建模、模型训练、任务运维到模型部署全链路流程，帮助企业快速构建高效、安全、稳定的分布式算法运行环境，提升算法服务能力。

算法挖掘项目持续深耕数据智能化应用领域，目前已交付金融、政府、制造、地产等多个行业，感兴趣的小伙伴欢迎联系。