美团大赛选题16:本地生活领域营销补贴效率评估及提效策略研究
美团商业分析精英大赛（简称美团大赛）由美团主办，全国青年统计学家协会协办，狗熊会承办。赛事的主旨是：探索数据背后的商业价值。我们旨在为富有潜力的学生提供一个高水平的交流与学习平台，同时为表现优异的参赛者提供美团内推的机会。以“培养行业人才，助力行业发展”为理念，第6届大赛于2026年3月16日正式启动，报名截止日期为2026年4月7日22点。今天，报名截止进入2天倒计时了！本届大赛共有16 道美团业务选题，下面对选题16进行详细介绍。
1、背景
优惠券营销是互联网行业进行获客和提升用户复购的重要手段之一，广泛应用于电商零售和生活服务行业中。如在拉新过程中，通过对新客提供大额优惠券降低用户首次尝鲜门槛，促成交易建立用户心智，实现业务的快速获客。近年来由于此类营销手段的过渡使用，优惠券发放量远超用户实际需求，给用户打来的“优惠感”逐渐减弱，不仅降低了平台和商家的实际营销效果，同时也给用户带来了体验上的损害。
个性化精准投放是可能解决此类问题方案之一，通过分析用户收到后核销使用的可能性，找到优惠券投放的最优群体，不仅给真实有需求用户带来切实实惠，同时也是给商家带来更好的营销效果，平台获得了更高的交易规模，从而实现用户、商家和平台的三赢局面。
2、 分析目标
-
补贴是平台撬动增长的重要杠杆，但在粗放式运营下，往往存在严重的资源错配。如何在存量竞争时代，识别这部分“资金损耗”，把每一分钱都花在能带来真实增量的刀刃上，是平台精细化运营的关键。请你通过各类分析方法，评估当前平台营销补贴效率，发现潜在补贴提效空间，助力平台精细化运营。
-
补贴是平台拉动增长的核心杠杆，但长期高频、大水漫灌式的发券策略正逐渐显现副作用。一方面，用户对高频促销产生疲劳与“脱敏”，导致点击率与核销率边际效益递减；另一方面，过度补贴模糊了商品原本的价格锚点，甚至引发“无券不买”的依赖性，严重损害了用户对优惠力度的真实感知与平台长期的健康生态。请你结合美团提供数据与公开数据，评估当前平台是否存在“过度发券”现象，量化高频补贴对用户体验及优惠感知的具体影响，并提出兼顾用户体验与商业效率的精细化运营策略。
-
其它对平台/用户有价值的分析问题。
3、 数据说明
本次大赛提供的所有数据为真实业务中产生的数据，经过脱敏处理，不涉及用户隐私信息。
-
数据时间范围：2023年1月1日至2023年6月30日的订单及用户行为数据。
-
数据规模：包含10万名用户的数据。
数据共存储在4个文件中，各文件数据内容如下：
（1）订单交易数据：
订单交易数据表涵盖用户ID、订单ID、业务线名称、用户支付日期、用户实付交易额、美团补贴金额等字段信息。
数据量：3,152,078行
|
字段名 |
字段说明 |
|
User_id |
用户登录后的唯一用户ID |
|
Shop_id |
商户ID |
|
Order_id |
订单ID |
|
Coupon_id |
本次使用的优惠券ID |
|
Coupon_batch_id |
本次使用的优惠券批次ID（同一券批次ID下的券是相同的） |
|
Coupon_type |
本次使用的优惠券类型 注：不同业务有独立的coupon_type，在分析时需要区分业务线。 |
|
Bu_name |
脱敏后业务线名称 |
|
Pay_date |
用户支付日期 |
|
Actual_pay |
用户实付交易额（订单原价-补贴） |
|
Reduce_amount |
补贴金额 |
（2）用户活跃数据：
用户活跃数据表涵盖用户在美团各端（App、小程序等）的活跃日期、用户ID等字段信息。
数据量：5,606,759行
|
字段名 |
字段说明 |
|
Visit_date |
用户在美团各端（App、小程序等）的活跃日期，包括美团、美团外卖等各应用。 |
|
User_id |
用户登录后的唯一用户ID |
（3）用户获券数据
数据量：23,129,173行
|
字段名 |
字段说明 |
|
User_id |
用户登录后的唯一用户ID |
|
Coupon_id |
优惠券ID |
|
Coupon_batch_id |
优惠券批次ID（同一券批次ID下的券是相同的） |
|
Coupon_status |
券状态(1-未使用 2-已使用 3-其他) |
|
Coupon_bu |
脱敏后发券BU |
|
Coupon_amt |
券面额(单位：元)注：折扣券在发券时由于无法确定补贴金额，所以获券时面额记为0 |
|
Receive_date |
券获取时间(yyyy-MM-dd ) |
|
Start_date |
券生效开始时间(yyyy-MM-dd) |
|
End_date |
券过期时间(yyyy-MM-dd) |
|
Price_limit |
券使用门槛(单位：元) |
（4）用户画像数据（2023-01-01日的用户画像截面数据）
数据量：100,000行
|
字段名 |
字段说明 |
|
User_id |
用户登录后的唯一用户ID |
|
age_pred |
预测年龄（从0-7年龄段依次增加） |
|
gender_pred |
预测性别（1-男/0-女） |
|
city_rank |
最常交易城市等级（城市等级从高到低顺序为S、A、B、C、D、E） |
|
transacted_bu_count |
历史365天交易业务线覆盖数 统计该用户在2022年内产生过有效支付的不同业务线数量（如A业务、B业务、C业务等）。 |
|
A_last_date |
A业务-最后交易日期 用户历史365天中，最后一次A业务下单的日期 (YYYY-MM-DD)。若无交易则为 Null。 |
|
A_cnt_level |
A业务-历史365天下单频次等级 (L1-L5) 基于用户历史365天在A业务的单量，在目标人群中从低到高排序： • L1: 低频 (排名前 0-20%) • L2-L4: 中频 • L5: 高频 (排名前 80-100%) • Null: 无交易 |
|
A_pay_level |
A业务-历史365天客单价等级 (L1-L5) 基于历史365天用户在A业务的单均实付金额，在目标人群中从低到高排序： • L1: 低客单价 (排名前 0-20%) • L5: 高客单价 (排名前 80-100%) • Null: 无交易 |
|
B_last_date |
B业务-最后交易日期 逻辑同上 |
|
B_cnt_level |
B业务-历史365天下单频次等级 逻辑同上 |
|
B_pay_level |
B业务-历史365天客单价等级 逻辑同上 |
|
C_last_date |
C业务-最后交易日期 逻辑同上 |
|
C_cnt_level |
C业务-历史365天下单频次等级 逻辑同上 |
|
C_pay_level |
C业务-历史365天客单价等级 逻辑同上 |
|
D_last_date |
D业务-最后交易日期 逻辑同上 |
|
D_cnt_level |
D业务-历史365天下单频次等级 逻辑同上 |
|
D_pay_level |
D业务-历史365天客单价等级 逻辑同上 |
|
E_last_date |
E业务-最后交易日期 逻辑同上 |
|
E_cnt_level |
E业务-历史365天下单频次等级 逻辑同上 |
|
E_pay_level |
E业务-历史365天客单价等级 逻辑同上 |
【如何获取选题数据】
大赛依托“课堂派”平台(https://www.ketangpai.com)进行报名。整个报名流程须由队长操作完成（请队员不要重复加入课堂派）。请队长注册课堂派，输入加课码【2YEA2X】，进入“第6届美团商业分析精英大赛（报名+初赛）”课程；然后在“作业”选项卡中找到“TASK0：大赛报名”并按照要求填写报名表。提交报名表后，24小时内会收到审核意见，如果报名成功，则会在“教师评语”中收到数据下载链接，敬请留意。详细过程请参见《第6届美团商业分析精英大赛报名指南》。
往期文章
END
关注我们
微信号：135editor
新浪微博：@135编辑器
评论