优惠券是商家运营推广过程当中最常用的促销工具之一,具有激发用户的购物欲望及挖掘潜在消费需求等特质,然而在优惠券的投放及使用过程中却面临着诸多挑战。首先,优惠券的随机投放不但会使其价值被贬低还降低了消费者的信任度,同时也给商家增加了营销成本;其次,商家投放的优惠券交易数据被巨头垄断,数据透明度不高,优惠券导流贡献无法有效溯源分析。随着新零售模式的落地,当前零售环境已经发生重大变化,一方面,新用户的选择,老用户的复购,都导致商家投放优惠券质量和个性化服务的需求不断增强;另一方面,若要实时追踪优惠券的使用时间、地点和方式,零售业需要借助各类新兴技术进行收集与分析。为了解决上述问题,本文引入区块链技术,其具有去中心化、可追溯、不可篡改等特性,能对当前消费行为展开精准定位,为商家在制定优惠券投放策略过程中的不断优化和调整提供帮助。因此,本文分别从新用户的冷启动问题、老用户复购预测问题以及优惠券的有效溯源三方面出发,对实现在合适的营销场景下把优惠券发放给合适的人和帮助商家获得消费者偏好、交易记录等数据进行研究。本文主要工作如下:针对新用户的冷启动推荐问题,提出了一种融合用户属性与优惠券流行度的协同过滤算法,根据用户属性特征对老用户进行K-Means聚类,在新用户所属簇中考虑优惠券流行度的影响为新用户提供推荐策略;针对老用户复购的预测问题,根据用户对优惠券的敏感度特点提出了改进的RFM模型,采用AHP层次分析法计算指标权重,使用K-Means聚类算法将用户群体划分为四类用户,对每类用户经过特征工程、编码等预处理之后,采用XGBoost算法进行对其领取优惠券后是否使用进行预测,并将预测的AUC值与其他分类学习算法预测进行比较;针对优惠券的溯源问题,分析优惠券流通过程中的信息传递,对各个节点的功能模块及数据实体进行设计,利用智能合约技术实现优惠券的上链、交易、流转等核心功能,并对核心功能进行验证。本文得出的主要结论有:对新用户的冷启动实验结果表明,能够提供良好的推荐策略,有效地解决用户的冷启动问题;基于改进后RFM模型进行用户细分后的各类群体复购预测效果要优于细分前,在常见分类学习算法中,使用XGBoost算法进行复购预测的AUC值效果要更好;区块链技术应用于优惠券信息溯源,使溯源结果真实可信,归功于区块链的良好的技术特性,为传统的优惠券系统中心化程度高、数据安全性差等问题提供解决思路。