近年来,随着我国电子商务的发展,O2O(Online To Offline)消费越来越引人注目。以优惠券盘活老用户或吸引新客户进店消费是O2O的一种重要营销方式。目前商家常用的随机投放策略容易造成优惠券的浪费,而根据用户特征进行个性化投放可以提高优惠券核销率。用户在使用互联网平台的过程中产生规模庞大的消费行为数据,通过这些数据可以分析用户的购买意图和消费习惯,实现优惠券的精准投放,从而提高商家的营销能力。本文选择基于大数据分析的用户消费行为预测为研究课题,通过对天池大数据平台提供的真实数据进行数据挖掘,预测用户领取优惠券后的使用情况,比较分析不同算法的预测效果,并通过实例进行验证。主要研究内容如下:(1)研究O2O优惠券使用情况预测的相关技术与方法。研究数据的分析与处理、特征的选择和GBDT、XGboost以及Lightgbm等算法的原理。探讨预测模型的评价指标——AUC值与F1值。(2)针对天池大数据平台提供的消费者行为数据进行数据的分析处理及特征选择,通过分析挖掘到的基本特征群进行特征组合,并对特征选择的部分结果进行展示。针对GBDT算法、XGboost算法以及Lightgbm算法的实验结果进行比较与分析。(3)围绕武汉市某酒店的优惠券精准投放需求,对该酒店的消费者相关数据进行预测与分析,结果验证了前述方法结论的合理性和有效性,并根据预测结果进行优惠券精准投放,最终在实际应用中显著提高了该酒店的营销能力。