一、分析背景

根据拼多多的部分用户的基本信息以及过去的消费行为数据，使用Python建立逻辑回归模型，预测用户是否会在活动中使用优惠券，找到对用户使用优惠券影响较大的因素，并提出优惠券发放建议。

二、数据分析的流程

数据分析的整体流程如图所示：

(一)数据概况分析

1、调用基本包和读取数据

import pandas as pd

import matplotlib as plt

import seaborn as sns

%matplotlib inline

pdd = pd.read_csv('拼多多优惠券数据.csv')

2、数据概况分析

使用info/describe/head这3个函数查看数据的基本情况；

共有10个数据变量，为了后续分析方便，下面对这10个变量进行简单的分类和含义说明：

发现：(1)age中可能存在异常值(max是95)；(2)coupon_used_in_last6_month和coupon_used_in_last_month的分布较为离散，可以尝试对数据进行分组优化；

(二)单变量分析

1、目标列分析

目标列是coupon_ind(在本次活动中是否有使用优惠券)，为了后面的分析方便，这里将目标列重命名为flag，使用rename函数进行重命名操作；

# 目标列重命名为flag：在本次活动中是否有使用优惠券

pdd = pdd.rename(columns={'coupon_ind':'flag'})

统计flag中1和0的占比：

发现：使用优惠券的占比为11.7%，而未使用优惠券的占比为88.3%，说明数据存在一定程度的不平衡问题；

2、数值型变量分析

使用groupby对flag进行分组，然后分别查看在flag为0和1的情况下，各数值型变量的均值分布情况，以此来观察哪些数值型变量可能会影响优惠券的使用；

# 观察哪些变量可能影响优惠券的使用

pdd.groupby('flag').mean()

发现：age在flag=0时的均值是40.8，在flag=1时的均值是41.8，说明年龄与用户是否使用优惠券没有太大的关系；

coupon_used_in_last6_month的数据表明，用户过去6个月使用优惠券的数量越少，本次使用优惠券的概率也越高；

coupon_used_in_last_month的数据表明，用户过去1个月使用优惠券的数量越多，本次使用优惠券的概率也越高；

3、类别型变量分析

分别对job、marital、default、returned、loan与flag之间的关系进行分析；

(1)job：职业

# 查看job的整体分布情况

pdd['job'].value_counts(1)

# 查看每种job中flag为0和1的分布情况

pdd.groupby('job')['flag'].value_counts(1)

发现：retired & student更偏向于使用优惠券；

(2)marital：婚姻状态

发现：单身用户更偏向于使用优惠券；

(3)default：信用卡是否违约

发现：没有信用卡违约的用户更偏向于使用优惠券；

(4)returned：是否有过退货

发现：没有退货的用户更偏向于使用优惠券；

(5)loan：是否使用信用卡付款

发现：没有使用信用卡的用户更偏向于使用优惠券；

(三)相关与可视化

在相关性分析之前，先对ID进行处理，由于ID本身不是特征值，直接分析会产生干扰，这里可以将ID设为index，方便后面根据ID将特征值与结果一一对应；也可以直接删除这一列；

pdd = pdd.set_index('ID')

生成哑变量，将所有的类别型变量转换为数值型变量；

pdd = pd.get_dummies(pdd,drop_first=True)

pdd.head()

分析flag与其他变量的相关性；

pdd.corr()[['flag']].sort_values('flag',ascending=False)

可以看出，除了coupon_used_in_last_month(正相关)和returned_yes(负相关)，其他变量与flag的相关性都很小；

(四)逻辑回归模型

1、模型建立

2、模型评估

分别对训练集和测试集建立混淆矩阵，并计算各自的准确率；

发现：训练集的准确率为0.8802，测试集的准确率为0.8847；可以看到测试数据集中共有863(862+1)人实际使用了优惠券，但预测结果中仅1人使用优惠券，说明查全率很低；模型效果并不理想，需要进一步优化；

3、模型优化

模型优化的方向有：

(1)调整参数，可以将测试集比例从0.3调整至0.5；

(2)调整变量，可以选择与更多的变量放入模型；

(3)数据处理，离群值处理，数据分组，如对年龄和职业进行分组；

三、结论说明

分析发现单身、已退休、退货少、没有用过信用卡、过去一个月内使用更多优惠券的客户在本次活动中使用优惠券的概率更高；对此提出以下消费券发放建议：

1、结合上面不同用户群体的累计消费情况，发放不同额度的优惠券；

2、结合上面不同用户群体的消费类别，可以发放不同品类的优惠券；

3、在优惠券使用引导页面进行个性化推荐，吸引用户提升消费额度。