給我們的題目介紹如下：

　　比賽背景：

　　　　隨著移動裝置的完善和普及，移動網際網路+各行各業進入了高速發展階段，這其中以O2O（Online to Offline）消費最為吸引眼球。據不完全統計，O2O行業估值上億的創業公司至少有10家，也不乏百億巨頭的身影。O2O行業天然關聯數億消費者，各類APP每天記錄了超過百億條使用者行為和位置記錄，因而成為大資料科研和商業化運營的最佳結合點之一。 以優惠券盤活老使用者或吸引新客戶進店消費是O2O的一種重要營銷方式。然而隨機投放的優惠券對多數使用者造成無意義的干擾。對商家而言，濫發的優惠券可能降低品牌聲譽，同時難以估算營銷成本。 個性化投放是提高優惠券核銷率的重要技術，它可以讓具有一定偏好的消費者得到真正的實惠，同時賦予商家更強的營銷能力。本次大賽為參賽選手提供了O2O場景相關的豐富資料，希望參賽選手通過分析建模，精準預測使用者是否會在規定時間內使用相應優惠券。

目的：提供使用者在2016年1月1日至2016年6月30日之間真實線上線下消費行為，預測使用者在2016年7月領取優惠券後15天以內的使用情況。 

資料：

三份資料：

　　　　Table 1: 使用者線下消費和優惠券領取行為

　　　　Table 2: 使用者線上點選/消費和優惠券領取行為

　　　　Table 3：使用者O2O線下優惠券使用預測樣本

詳情賽題介紹：https://tianchi.aliyun.com/getStart/information.htm?spm=5176.100067.5678.2.31f21db7y9hfjJ&raceId=231593

疑問：

　　預測的是使用者優惠券的線下消費行為，那麼給我們線上的資料的意義是什麼？

　　　　線上資料可以提供與使用者相關的特徵，而線下資料可以提取到更加豐富的特徵：使用者相關的特徵，商家相關的特徵，優惠劵相關的特徵，使用者-商家互動特徵

　　主要針對何種使用者優惠卷使用情況進行預測？

　　　　在這裡預測的是一些訓練集中出現過的老客戶的行為(這個很重要)

接下來開始正式分析。。。