近年来,随着电子商务的发展,业务量呈爆炸式增长,使得各个企业的营销重心已从线下发展到线上,线下和线上融合的商业模式逐渐流行起来,这就产生了与我们生活息息相关的O2O模式。在O2O营销过程中,优惠券是一种行之有效的营销工具。识别那些更有可能使用优惠券的顾客,从而进行精准投放,进一步帮助O2O企业提高营销效率,同时,通过识别有消费倾向的顾客,增加销量。本论文主要的研究工作可以分为以下三个方面:1.数据的收集及处理。在天池平台上采集到真实的优惠券消费数据,对数据进行预处理。分析数据,提取优惠券使用因素,利用RFM模型分别对用户、商户、优惠券进行分层,分析出每个角度的不同类型。2.构建特征工程。通过对用户行为剖析,从用户、商户、优惠券三个不同维度,提取出55个属性。3.在算法层面上,通过深入研究集成学习和三支决策相关理论后,构建基于集成学习的三分类预测方法。本论文首先将三支决策思想引入到优惠券使用预测问题中,并结合机器学习算法中的集成算法对优惠券的使用情况进行模型构建。其次,在三支决策过程中考虑误分类成本和学习成本,使得分类过程更加贴近实际。最后,对阿里巴巴在天池平台提供的用户优惠券真实消费数据进行实验分析。结果表明,使用基于集成的三分类算法可以有效提高分类的精确度和降低分类成本。在实验结果的基础上,对商户精准投放优惠券提出了有效建议。