电子商务环境下,商家通常通过向用户发放优惠券来增加店铺的曝光度,提高商品的销量,以获得更大的盈利。发放优惠券是商家常用的一种营销手段。一张被商家发放的优惠券,通过用户的购买行为而回到商家手中,被称为优惠券核销,又称赎回。优惠券的核销率是评估商家的优惠券营销行为成功与否的重要指标。商家若不制定合适的优惠券策略,随机对客户发放优惠券,收到的回报可能微乎其微。对商户来说,有差别地发放优惠券,即将优惠券发放到更有可能发生消费行为的客户手中,是十分重要的。本文对真实电商平台的优惠券使用行为(简称优惠券行为)进行了研究,具体地,本文做了以下几个部分的工作:1.深入分析了优惠券行为数据,提取了丰富的细粒度特征。本文研究了用户的优惠券行为,使用了真实场景下顾客的优惠券行为数据,从用户、优惠券、商铺三个对象入手来理解数据,设计了丰富的特征。本文的特征工程一共设计了71类特征,且通过特征评分、留出验证等实验详细的验证了各组特征的有效性。本文所设计的特征对于优惠券行为预测任务具有参考意义。2.提出基于集成学习的优惠券行为预测系统。本文应用了多种机器学习方法,构建了机器学习模型。通过模型预训练、模型评估来衡量各个模型的效果,挑选合适的机器学习模型。最终构建了一个具有高鲁棒性的基于集成学习的优惠券行为预测系统。3.提出了基于胶囊网络的优惠券行为预测模型。本文引入了一种新型的深度学习网络——胶囊网络。本文将特征工程所设计的特征作为多组胶囊,设计了一个用于预测优惠券行为的胶囊网络结构。且本文将设计的胶囊网络与多层感知机,卷积神经网络,循环神经网络做对比,实验证明本文设计的胶囊网络结构具有强大的优越性。特别的,本文首次将胶囊网络这一全新的深度学习模型应用于电子商务推荐系统中。