人工智能下“O2O”房屋租赁平台商业模式研究.pdf
2021-07-10 21:06:50 1019KB 人工智能 数据分析 数据报告 论文期刊
基于O2O的电商物流产业发展路径研究.pdf
2021-07-10 09:05:29 1.27MB 电商平台 电商系统 行业数据 数据分析
电商企业O2O精准营销模式的发展现状分析.pdf
2021-07-10 09:05:14 1.37MB 电商平台 电商系统 行业数据 数据分析
互联网行业研究:阿里投资者大会告诉了我们什么?下沉市场、内容电商、新零售、O2O,等等.pdf
2021-07-07 19:08:10 1.23MB 文化传媒 数据分析 行业解读 数据报告
『 天池竞赛』O2O优惠券使用预测思路总结-附件资源
2021-07-06 19:11:43 106B
1
构建用户、商家、优惠券特征群,以及用户-商家,用户-优惠券,商家-优惠券 三个交叉特征群。 主要包括以下特征: 1.统计特征(最大/最小/平均值/比率 等) 2.排序特征(各个实体对距离,折扣率等的排序) 3.时间特征(日期,时间差等) 从用户画像的角度来看,统计特征和组合特征,主要分别刻画了用户,商家,优惠券的行为,比如,用户领券次数,商家的热度,优惠券的流行度等等。但是,排序特征,更多地从时间角度,和用户心理角度去考虑。比如说,距离领券时间越近,消费的欲望越强,因为如果领取了优惠券而迟迟没有消费,可能用户本身也忘记了这张优惠券的存在。同时,还有对距离的排序,线下商家与用户的距离越近,肯定要比远的商家消费的概率要大的。 三、训练模型 主要使用xgboost模型。该模型精度较高,但训练时间较长。
2021-07-04 19:03:52 7KB 天池 o2o优惠券使用预测