用户优惠敏感度分析数据

可用于骑行平台评估优惠力度，分析用户优惠敏感度。通过这些数据，能识别出高优惠敏感度用户，后续为其发放精准优惠券;对于用户优惠敏感度低的可调整活动形式来提升其参与意愿，也能为不同站点制定差异化的邀请策略提供依据，助力平台在市场推广中更高效发放优惠券。同时，为区域内用户群体高度重合的关联企业(如自行车销售店等)定位潜在用户，推送针对性服务也可以为政府或行业组织提供政策制定的数据支持，还可为行业分析师分析骑行用户市场分布和市场潜在机会提供数据支持。1.数据来源：收集公司内部骑行平台对于不同用户的优惠情况，包括用户编号，用户账户余额，用户所属站点，用户累计骑行次数，用户累计优惠后的骑行金额，用户累计实付金额，优惠力度，用户优惠敏感度，分析时间等，对收集到的数据进行脱敏、降噪、清洗、聚集、分析。
2.数据分析：优惠力度H=G/E*100%，其中H为优惠力度，G为用户累计优惠金额，E为用户累计优惠后的骑行金额。
当H＞20%时，表示用户优惠敏感度高。
当H小于20%时，表示用户优惠敏感度低。

搜集汇总

背景与挑战

背景概述

该数据集聚焦于用户优惠敏感度分析，包含999条来自骑行平台的用户数据，涵盖用户编号、优惠力度和敏感度等11个字段，以xlsx格式存储。它通过计算优惠力度来评估用户对优惠的敏感程度，分为高和低两类，旨在帮助平台优化优惠券发放、调整活动形式，并为关联企业提供潜在用户定位支持。数据集适用于交通运输行业的市场推广和政策制定场景，更新频次按需进行。