O2O优惠券发放与使用情况分析

一. 项目背景

随着互联网+行业的趋势不断加快，各行各业逐渐通过线上（online）与线下（offline）结合的方式来扩大营销面。与此同时，消费者也越来越愿意为便利以及更多更优的选择买单，也就促进了O2O行业的快速发展，而为了能够实现ROI的最大化，通过对用户行为数据的分析来推动商业运营便成为了最佳选择之一。优惠券作为商家与平台吸引新用户及留存老用户的方法之一，已经成为一种重要的营销手段，但优惠券的随意发放不仅带来资源的浪费，还可能影响商家在消费者市场中的口碑，因此针对消费者对优惠券的使用情况进行数据分析，从而实行精准投放便成为一项值得重视的内容。

二.分析目标

1. 分析顾客消费习惯

2. 分析优惠券的投放及使用情况

三.数据分析

1. 数据来源：天池大赛数据集：天池新人实战赛o2o优惠券使用预测 https://tianchi.aliyun.com/competition/entrance/231593/introduction?spm=5176.12281925.0.0.6c917137mTMSDc

数据记录了2016年1月1日至2016年6月15日优惠券的发放情况及用户使用情况，包括线上消费及线下消费。本次分析采用线下消费数据进行分析。

2. 数据字段解析

4. 数据清理

由于数据量较大，约为175万行，因此采用PowerBI进行初步的数据清理。

① 清除空白行。

② 将Date_received以及Date字段修改为日期格式。

③ 将discount_rate字段中的满减统一为折扣率

④ 检查coupon_id与discount_rate以及date_received中的null值是否一一对应（三者只能同时为null），检测后发现没有异常值。

4. 对消费进行分类，分为以下几类：

① coupon_id != null 且 date != null：有券且消费

②coupon_id != null 且date = null ：有券但不消费

③coupon_id = null 且date != null ：无券但消费，即普通消费

④coupon_id = null 且date = null ：无券且不消费，该情况在表中不存在

分类后用power view做出饼图，计算各类别所占比例：

5. 利用sql整理出只有优惠券才去某些店铺进行消费的群体，共约14407人



对比该群体与所有用户的情况，包括优惠券的平均折扣率、与商家的平均距离、优惠券的平均保留日期：


从两者的对比中可以发现，购物狂更倾向于距离较近、优惠力度较大的商家，并且优惠券保留时间会更长

6.分析优惠券发放及使用情况（当天发放的优惠券被使用的情况）

首先用Mysql筛选出相关数据，按日期分组进行聚合统计，并输出为CSV文件，进而可用excel进一步分析。


根据以上数据作出数据透视图：

将总消耗数量除以总发放数量可得总平均使用率约为0.071569。

7. 使用spss分析从商家层面分析用户量与优惠券折扣率、跟用户之间距离的关系
利用sql筛选出用户数量排名前600的商家数据

利用spss中的pearson双变量相关性对count(distinct user_id)即V2、avg(discount)即V3、avg(distance)即V4进行相关性分析：

从结果中可以看出，V2与V3、V4均为不显著负相关，因此可以看做优惠券力度、与用户距离并不是决定这些商家拥有较多用户的因素

三. 结论

1. 总体来看，超5成的消费券没有被消费掉，并且优惠券使用数量还不到发放数量的1%，说明消费券的发送机制有待优化。

2. 约有1万4千名用户青睐于使用消费券在某些店铺进行消费，该群体作为优惠券重点发放对象，并且可通过奖励优惠券来鼓励此类用户进行消费后的评价，从而引入更多的新顾客。

3. 优惠券、与用户的距离并不师影响商家客户量的主要因素，具体影响因素有待进一步分析