新手入门赛-O2O赛题理解与数据探索（二）|学习笔记

开发者学堂课程【天池大赛算法教程及获奖选手答辩：新手入门赛-O2O赛题理解与数据探索（二）】学习笔记，与课程紧密联系，让用户快速学习知识。

课程地址：https://developer.aliyun.com/learning/course/389/detail/4996

新手入门赛-O2O赛题理解与数据探索（二）

四：认识数据

用户线下消费和优惠券领取行为

Field——Description

User_id——用户 ID

Merchant_id——商户 ID

Coupon_id——优惠券ID：null表示无优惠券消费，此时Discount_rate和Date_receved 字段无意义

Discount_rate——优惠率：x \in [0，1]代表折扣率；x:y 表示满 X 减 y，单位是元

Distance——user 经常活动的地点离该 merchant 的最近门店距离是 x*500米（如果是连锁店，则取最近的一家门店)，x\in[0，10]；null 表示无此信息，0表示低于500米，10表示大于5公里；

Date_received——领取优惠券日期

Date——消费日期：如果 Date=null & Coupon_id != null，该记录表示领取优惠券但没有使用，

即负样本；如果Date!=nuill & Coupon_id = null，则表示普通消费日期；如果 Date!=null & Coupon_id != null,则表示用优惠券消日期，即正样本；

用户线上点击/消费和优惠券领取行为

Field——Description

User_id——用户 ID

Merchant_id——商户 ID

Action——0点击，1购买，2领取优惠券

Coupon_id——优惠券ID：null表示无优惠券消费，此时Discount_rate和Date_received字段无意义。“fixed”表示该交易是限时低价活动。

Discount_rate——优惠率：x\in[0，1]代表折扣率；x:y表示满 x 减 y；“fixed”表示低价限时优惠；

Date_received——领取优惠券日期

Date 消费日期：如果Date=null & Coupon_id != null，该记录表示领取优惠券但没有使用；如果Date!=null &Coupon_id = null，则表示普通消费日期；如果Date!=null & Coupon_id !=null,则表示用优惠券消费日期

用户 O2O 线下优惠券使用预测样本

Field——Description

User_id——用户 ID

Merchant_id——商户 ID

Coupon_id——优惠券 ID

Discount_rate——优惠率：x \in [0，1]代表折扣率；x:y 表示满 X 减 y。

Distance——user 经常活动的地点离该 merchant 的最近门店距离是 x*500米（如果是连锁店，则取最近的一家门店)，x\in[0，10]；null 表示无此信息，0表示低于500米，10表示大于5公里；

Date_received——领取优惠券日期

选手提交表

Field——Description

User_id——用户 ID

Coupon_id——优惠券 ID

Date_received——领取优惠券日期

Probability——15天内用券概率，由参赛选手给出

对提供的数据做一些基本的统计，有助于对赛题理解，可以熟悉业务辽辑，也方便后面的特征工程。
对表1(off_train)，回答以下问题：
多少条记录？ 1754884
多少条领取优惠券的记录？1053282
多少种优惠券？9738
多少个用户？539438
多少个商户？8415
date_received区间？20160101-20160615
date区间?20160101-20160630

对表3(off_test)，回答以下问题：
多少用户与表1有交集？76307/ 76309
多少用户与表2有交集？35965/76309
多少商户与表1有交集？1558/1559
多少优惠券与表1有交集？0/2050

 

五、数据划分

六、特征工程

（1）用户特征（描述用户的消费偏好）
线下特征
用户领取优惠券次数
用户核销率
用户核销优惠券的平均折扣
用户核销过优惠券的商家数量用户进行优惠券核销的平均时间

用户核销优惠券的最大用户-商家距离

线上特征
用户线上行为记录数用户线上点击率
用户线上购买率
用户线上领取率
用户线上核销率

线上-线下特征
用户线下记录占总的记录的比
用户线下核销次数占总的核销次数的比重

（2）商户特征（描述商户的受欢迎程度及其商品的被消费规律）

商户优惠券被领取次数
商户优惠券被核销率
商户优惠券核销的平均消费折率
核销商户优惠券的用户群大小
商家被核销的不同优惠券数量
商户优惠券被核销的平均时间
商户被核销优惠券中的最大用户-商家距离

（3）用户-商户特征（描述用户对特定商户的消费偏好）

用户领取特定商家的优惠券次数
用户对特定商家的核销率
用户对该商家的核销次数占用户所有核销次数的比重

（4）Lebel 窗特征

Leakage！

用户当天领取的所有优惠券数目
用户当天领取的特定优惠券的数目
是否第一次/最后一次领取特定优惠券
用户此次领取之后再领取特定优惠券的数目
用户领取了多少个不同商家的优惠券
用户领取优惠券的日期是一周/月的第几天
用户领取的上/下一张优惠券是否与当前优惠券同种商户被领取的优惠券数目
商户被多少不同的用户领取过优惠
（此类特征在实际业务中是无法获得的！）

如何发现leak？

预测集（表3）

训练集（表1）

最重要的三个特征：

用户当天领取的所有优惠券数目
用户当天领取的特定优惠券的数目
是否第一次/最后一次领取特定优惠券