可用于骑行平台评估优惠力度，分析用户优惠敏感度。通过这些数据，能识别出高优惠敏感度用户，后续为其发放精准优惠券;对于用户优惠敏感度低的可调整活动形式来提升其参与意愿，也能为不同站点制定差异化的邀请策略提供依据，助力平台在市场推广中更高效发放优惠券。同时，为区域内用户群体高度重合的关联企业(如自行车销售店等)定位潜在用户，推送针对性服务也可以为政府或行业组织提供政策制定的数据支持，还可为行业分析师分析骑行用户市场分布和市场潜在机会提供数据支持。
1.数据来源：收集公司内部骑行平台对于不同用户的优惠情况，包括用户编号，用户账户余额，用户所属站点，用户累计骑行次数，用户累计优惠后的骑行金额，用户累计实付金额，优惠力度，用户优惠敏感度，分析时间等，对收集到的数据进行脱敏、降噪、清洗、聚集、分析。 2.数据分析：优惠力度H=G/E*100%，其中H为优惠力度，G为用户累计优惠金额，E为用户累计优惠后的骑行金额。 当H＞20%时，表示用户优惠敏感度高。 当H小于20%时，表示用户优惠敏感度低。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户编号 |
-- | -- |
用户账户余额 |
-- | -- |
用户注册时间 |
-- | -- |
用户所属站点 |
-- | -- |
用户累计骑行次数（元） |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户编号 | 70****,107****,58****,18****,111**** |
| 用户账户余额 | 0,0,0,0,0 |
| 用户注册时间 | 2022年07月01日,2022年06月30日,2021年08月16日,2021 |