又到躁動的雙十一了
準備好買買買了嗎
算出省錢小妙招了嗎
優惠券有沒有用起來呢
平常購物中，“雙11”、“618”購物節、外賣的滿減、商家會員等都會給消費者發放優惠券。當消費者有優惠券可用時，購買東西的沖動會增大很多。許多商家基于使用者這種心理，會發放優惠券來進行促銷。那商家的優惠券的發放機制是怎樣的呢？
有的是普惠性質，到達一定金額後可用；有的優惠券靠搶；還有的是定向發放。最後一種方式一般來說既可以節省成本，也可以達到比較好的促銷效果，提升使用者活躍度。
今天我們來看下基于算法怎麼進行定向優惠券發放。
通過算法模型，提升營銷準确率
——以某個面包店為例
1.業務目标
根據某面包店曆史6個月的使用者交易記錄，通過RFM模型對使用者分群，并建立模型預測使用者的購買機率，實作對不同使用者群不同購買機率的使用者實行不同的發券政策，以此提升營銷的準确率，實作ROI（收益與成本控制）的最大化。
知識點1：RFM模型
RMF模型是衡量客戶價值和創新能力的一個重要工具和手段，通過使用者的最近一次消費時間（Recency）、消費頻率（Frequency）、消費金額（Monetary）三項名額将客戶劃分為重要價值客戶、重要發展客戶、重要保持客戶、重要挽留客戶、一般價值客戶、一般發展客戶、一般保持客戶、一般挽留客戶等八個象限，針對不同群組的客戶采取不同的營運政策，該模型常用于企業商品單價不高、交易頻次高的業務中。
2.資料準備
擷取面包店6個月的使用者曆史交易表，表資訊如下：
該表中共包含21293條資料，共960個使用者的交易記錄。真實業務場景中，資料特征會比這個舉例多很多，今天我們通過删減後的資料來看一下整個過程。
3.算法模型搭建
我們采用數棧的算法開發（AIWorks）平台進行算法模型的搭建：
1）資料分析
首先從Hive庫中讀取到原始資料（即上面提到的表），算法工程師需要對資料品質進行評估，分析每個特征的資料缺失情況、分布情況、異常值校驗、列與列之間的相關性等，如某些列的資料缺失較大，需要進行缺失值填充或删除；标簽列分布不均勻，需要通過采樣方法進行資料采用；若兩個特征之間的相關性過大則不适合作為模型的輸入。
我們以“user_id（使用者id）”這個特征列來看一下資料分布情況：
資料基本特征
可看到使用者id列的ID-ness（資料差異性：字段中不同取值的數量/總行數）、Stability（資料穩定性：字段中出現頻率最高且非空值的單元格數/總行數）、Missing(資料缺失率：該段中缺失的單元格數/總行數)名額都比較正常，反映出此分資料集使用者數量足夠、沒有同一個使用者的大量交易記錄、資料分析均勻、無缺失資料，符合我們的期望。
資料分布情況
資料分布均勻，資料品質較好。
資料相關性
可分析列與列之間的相關性，作為模型特征選擇的參考。
其他特征的資料與使用者id同理，此處不再贅述。接下來進行特征處理。
2）資料處理
a.RFM使用者分群
利用AIWorks封裝好的資料處理元件搭建RFM分層模型，計算每個使用者的RFM參數，如下圖左側分支：
· 聚合函數_F：基于6個月交易資料，對user_id（使用者id）進行groupby，并對transcation（訂單号）求nunique，得到每個使用者的曆史交易次數；
· 聚合函數_M：基于6個月交易資料，對user_id（使用者id ）進行groupby，并對price（商品價格）求sum，得到每個使用者的曆史交易總金額
· 聚合函數_R：基于6個月交易資料，對user_id（使用者id ）進行groupby，并對date（交易日期）取最大值，取得每個使用者最後一次交易時間
· Python腳本：将上述元件計算的R、F、M值通過Python元件合并到一張表中，輸出結果如下圖所示：
b.使用者購買情況計算
右側分支中，利用Python腳本進行資料處理：
· Python腳本_标簽列：求每個使用者每天的交易金額、以及是否進行消費、R、F、M值。是否進行消費作為這份資料集的标簽列，用lable辨別，當每天交易金額為0時，則label=0；當每天交易金額為>0時，label=1。
3)特征處理
一般算法模組化中，特征處理包含：
（1）通用特征處理：如資料缺失值填充、資料采樣、類型轉化等；
（2）數值型特征處理：如歸一化、标準化等；
（3）字元型特征處理：字元類型的字段不能作為模型的輸入，需要将這類特征先數值化，如one-hot編碼、label編碼等。
在目前算法場景中的RFM分層模型、使用者購買率預測模型中，我們采用的模型特征都是R（最近一次消費時間）、F（消費頻率）、M（消費金額）3個字段，無缺失值，都是數值類型字段，暫無需做其他特征處理。
4)特征選擇
特征選擇一般需要根據具體的業務場景和專家經驗，選擇模型的特征列，且需計算特征與特征之間的相關性（高相關性的特征選擇其中一個便好，否則不容易判斷該模型的特征重要性），及特征與标簽列之間的相關性（選擇影響标簽的特征，若特征對标簽無顯著影響，則無需選擇）。
該算法場景中，将使用者的原始屬性轉化成R、F、M值作為模型的特征輸入。可分析一下特征之間的相關性：
特征間相關性較低，可作為模型輸入。
知識點2：特征與标簽
算法模型一般表達的是一個數學關系，即y（标簽列）和x（特征列）的關系，y是模型的輸出結果，x是影響模型的因素。如下圖所示：
5)模型選擇與訓練
由于在RFM分群模型的搭建中，曆史資料沒有标簽列，即沒有一個業務字段來表示該使用者屬于哪個群體，是以該算法問題是一個聚類問題，我們采用機器學習聚類算法中的KMeans聚類模型進行分群。
KMeans聚類模型以樣本間距離為基礎，将n個對象分為k個簇，使群體與群體之間的距離盡量大，而簇内具有較高的相似度。
· KMeans聚類：模型進行資料處理，将使用者分成3類，輸出如下：
b.使用者購買機率預測
使用者購買預測需要預測出未來使用者是否會購買以及購買的機率，屬于一個二分類問題，此處采用機器學習分類模型中的XGB分類模型進行使用者分類。
XGBoost是經過優化的分布式梯度提升庫，計算非常高效、且靈活與可移植性高。
· Python腳本_訓練集：将曆史月的使用者資料作為訓練集
· Python腳本_測試集：将當月的使用者資料作為測試集；
· XGB分類：用訓練集進行模型訓練；
· 預測：用訓練好的XGB模型預測今天的使用者是否會購買，以及購買的機率，模型運作結果如下：
6)模型評估
采用模型評估元件評估模型的好壞。
針對XGB分類模型，我們采用混淆矩陣和二分類模型評估元件進行模型評估，可檢視模型的性能名額，如下圖：
模型評估結果：
· 準确率：模型預測正确的結果，占所有樣本的比例；
· 精确率：模型預測出正确的會購買使用者/預測出的會購買使用者（無論是否正确），來表示是否篩選出正确的結果，甯可沒有預測出來，但不能預測錯誤。
· 召回率：模型預測出正确的會購買使用者/真實的會購買使用者，來表示模型識别的廣度。
· F1值：綜合反映精确率與召回率，F1越高，在精确率與綜合率的表現越好。
· AUC值：AUC是ROC曲線的面積，AUC越高代表模型的區分能力越好
該模型的各項評估名額符合期望，可對外使用。
7)輸出發券使用者清單
· Python腳本_目标使用者：将KMeans聚類模型劃分出屬于“1”類别（重要價值客戶：購買金額高、購買頻率高、購買時間近），且XGB分類模型預測出來的今天不會購買的使用者篩選出來，針對這部分人群發放優惠券，進行定向營銷，該元件輸出的使用者清單如下，共238個使用者。
由此，便得出一個可定向精準營銷的使用者清單，可進行後續的營銷活動，以此提升營銷的準确率，實作ROI的最大化。
8)模型周期性運作
若該模型正式投入線上使用，可每天定時跑批，輸出最新的RFM分群使用者，以及該使用者在明天是否會購買的資訊，進而提供給業務人員進行差異化的營銷。
9)模型線上預測
除模型周期性跑批之外，也可以把該算法模型進行pipeline部署，以資料API的方式對外提供服務。外部業務系統線上調用模型，模型預測出結果，實時傳回給業務系統該使用者是否會購買的結果。
AIWorks-企業級算法開發平台
AIWorks是集可視化模組化與交式代碼編寫于一體的企業級算法開發平台，支援從資料接入、算法模組化、模型訓練、任務運維到模型部署全鍊路流程，幫助企業快速建構高效、安全、穩定的分布式算法運作環境，提升算法服務能力。
算法挖掘項目持續深耕資料智能化應用領域，目前已傳遞金融、政府、制造、地産等多個行業，感興趣的小夥伴歡迎聯系。