随着电商平台的快速发展以及人们生活节奏的步伐加快,人们对电商平台的依赖度越来越高。目前租购房市场形态呈现多样化,通过电商平台进行租购房也是当今租购房市场的一种重要形式。但是从市场形势来看,房产中介一直存在治理差、乱收费的现象,这对于房产电商平台的优化具有重要意义。房产APP于近几年来才走进大众的视野,并且与传统电商不同,其商品为房源,具有交易的唯一性。对于精准定位用户需求,从而更好地为用户提供房源、提高平台的收益,需要房产电商对用户的特点进行分析,所以有必要针对用户的特点进行研究。本文将通过用户对房源的浏览次数、是否收藏房源、咨询房源的次数进行数据分析,构建房产APP用户使用行为对决策影响的模型。通过构建模型从而预测用户最终对房源进行租购房的概率,以便于房产APP针对用户的隐式反馈更好地服务用户。本文通过对隐式反馈数据、用户使用行为、租购房决策等方面的研究现状及成果进行梳理。通过理论分析、数据获取、模型构建、实验验证以及对策建议五个层面切入,构建了房产APP用户使用行为对租购房决策影响的模型。在LightGBM模型构建部分,根据消费者行为理论、自我决定理论以及行为决策理论对用户的使用行为以及影响因素进行筛选。再对所收集的隐式反馈数据进行特征设计以及处理。通过机器学习,构建LightGBM模型。该模型认为用户浏览量增加、将房源收藏、咨询次数增加都能增加用户租购房的概率,并且浏览量是三者之间最为重要的影响因素,收藏的影响效果最小。本研究运用样本数据完成了LightGBM模型的训练和检验,并将训练后的模型应用于后续的实验验证分析。最后,本文设计了房产APP用户使用行为对租购房决策影响的实验。整个实验过程以及结果说明:第一,通过机器学习所构建的LightGBM模型,对于反映用户的真实需求精准度较高,实验结果也符合现实逻辑,且能够利用短时间对用户行为进行分析,十分便利;第二,本研究所选择的三个特征是有效的,能够通过用户使用行为来对用户的使用结果进行预测,能够挖掘用户深层次的租购房需求及意愿,对于提高房产APP后台工作效率具有重要的意义,也为房产APP页面的设计提供了一定的参考价值;第三,LightGBM模型的构建对于用户使用行为与最终租购房之间的关系建立联系,房产APP能够依此进行营销策略的制定,这更能促进用户的交易,提高收益。