? ? ? ?比如，星巴克的數據科學家是如何通過選擇不同的價格、產品、持續時間、內容等因素，組合出效果最好的促銷活動。

? ? ? ?今天我們就通過這篇分析，來嘗試了解用戶統計信息與促銷活動之間的關系，并最大程度增加收入。

? ? ? ?01 目標

? ? ? ?分析的目標是確定優惠信息和受眾之間的重要關系。共有 10 個優惠，如下所示：

? ? ? ?▲促銷優惠為了細分哪些受眾與哪些促銷有關，我們將對這10個優惠進行啟發式分析和回歸分析。具體來說，我們要： 確定每個細分市場對哪些促銷活動最為敏感 根據預期收入確定要發送給每個細分市場的促銷信息?

? ? ? ?02 第 0?部分：預處理和探究

? ? ? ?任何數據分析的第一步都是檢查數據集的質量并進行預處理，以解決那些可能導致分析混亂的問題。觀察數據可以發現十分奇怪的一點，有一大批用戶的年齡顯示為“118”，這些用戶也碰巧沒有指明收入的值。我的猜測是，因為缺少相關的年齡和收入數據，所以只有在考慮性

? ? ? ?別對購買行為的影響時才用得上這些數據。

? ? ? ?又因為我們只考慮年齡和收入，不包括性別，所以我將這些數據排除在分析之外。在仔細觀察數據集的大小和分布之后，我認為最合適的細分方法是按年齡組和性別進行劃分。盡管從技術上講我們可以進一步細分（例如按收入、加入日期），但分到這一步就已經能很好地理解兩者的關系。

? ? ? ?除此之外，還可以執行一些其他的數據預處理方法，確保數據集便于分析，包括： 將分類變量轉為虛擬變量（dummy variable） 統一日期格式 從數據中提取特征 進行特征工程以確定細分條件

? ? ? ? ?03 第 1 部分：促銷敏感程度

? ? ? ?為了確定每個細分市場對 10 個優惠的敏感程度，我們需要觀察優惠被查看后的購買情況，這其中不包括用戶沒看到優惠但依然購買的情況，也就是說他們總得花那么多錢。

? ? ? ?▲不同人群的購買情況綜上所述，有幾個關鍵點：

? ? ? ?1. 一般情況?

? ? ? ?在所有細分市場中，優惠5–8響應率很高，這些也都碰巧是通過社交渠道（以及網絡、電子郵件、移動設備）提供的優惠。可以把社交渠道單拎出來驗證它是不是會對反應率造成影響。 優惠7的整體響應率特別高，而且它就是一個優惠的通知信息。但是和同類的優惠2相比，響應率存在明顯差異——這進一步強調了社交渠道的有效性。 難度最高（10天之內最低消費為20美元）且獎勵最高（5美元折扣）的優惠4的整體響應率最低，這很可能是由于只通過網絡和移動設備發送的關系。

? ? ? ?? 2. 細分市場?

? ? ? ?女性細分受眾群（2、5、8、11）的平均響應率比男性細分受眾群的更高，尤其是那些通過移動設備和社交渠道傳播的優惠。 細分1（千禧一代，男性）的響應率特別低（40％左右，而其他大多數都> 50％）。 其他性別的細分（3、6、9、12）的響應率分布情況大為不同，這很可能與樣本量極低有關。 總結來說，高響應率與通過社交渠道（尤其是女性群體）提供的優惠有關。

? ? ? ?04 第 2 部分：哪種促銷？

? ? ? ?由于促銷響應程度只是整個分析的一部分，因此我們需要更好地了解每個細分市場的財務情況所造成的影響。為了評估財務指標，需要進行回歸分析。從考慮的候選模型中，2階多項式最為合適，因為它的訓練和測試得分相對較高。

? ? ? ?通過使用2階多項式回歸，我確定了每個細分受眾群對優惠最多肯花多少錢：

? ? ? ?最后我針對每個細分市場得出了熱門優惠：

? ? ? ?從這些結果中我們可以認識到： 優惠4（5 美元折扣、10 天內花 20 美元）對大多數細分市場最為有效。 一般來說，優惠 0、1 和 9效果也很好，緊隨優惠4之后。 前十種優惠的優惠類型不是“折扣”就是“買一送一”，幾乎均等。

?

? ? ? ?收入與支出金額為正相關關系，與直覺相符。

? ? ? ?“沉默的一代”細分市場預期收益最高，其次是“嬰兒潮”和“千禧一代”。（“沉默的一代”：二十世紀二十年代中期至四十年代早期出生的人， “嬰兒潮”：1946-1964年出生的人，“千禧一代”：八十年代早期至九十年代中期出生的人）

?

? ? ? ?總的來說，高潛力的優惠（優惠4）可能由于其傳播渠道和目標人群的選擇而表現不佳。

? ? ? ?05 結論

? ? ? ?該分析提供了一些重要的看法，有助于縮小未來的分析范圍和制定總體促銷策略。根據目前的優惠組合，最好的促銷策略是向高收入女性（尤其是“千禧一代”和“沉默的一代”）提供優惠0和優惠1，因為她們的優惠購買率高，而且預期支出也相對較高。但是，在制定強有力的促銷策略之前，還得做一些其他實驗和分析，其中包括： 驗證購買率和傳播渠道之間的關系。 具體來說，如果通過社交渠道提供優惠4（最高回報，最低購買率）會發生什么？ 對于每個細分市場，要發送的優惠的最佳組合是什么？ 探究“意外購買”（沒查看優惠，但依然購買）的價值——它是否會導致未來的支出行為發生變化嗎？ 進行類別分析（例如K-Means聚類）來驗證、確認識別出的細分市場。 有什么方法可以提高男性的購買率（因為他們的預期支出很高）？ 用更大的樣本數據對其他性別（3、6、9、12）進行細分。 原文：https://towardsdatascience.com/starbucks-promotion-optimization-ca56e29fb584