电商优惠券增量评估 – A/B测试与PSM倾向得分匹配 语言技术：产品系统

电商平台优惠券投放ROI不达预期，单纯对比“领券用户 vs 未领券用户”会因用户自身属性差异导致评估偏差（活跃用户本就转化高）。本项目通过因果推断方法精准评估优惠券的真实增量效果，为分层投放策略提供依据。

数据预处理模块：清洗100万+用户行为日志，提取领券/未领券用户的特征（活跃度、历史消费、浏览深度等）。

PSM匹配模块：基于倾向得分匹配法，从100万用户中筛选10万特征一致的实验组与对照组，消除选择偏差。

转化漏斗分析：对比匹配后两组的曝光-点击-下单转化率，计算净增效果。

分层策略输出：按用户活跃度、消费能力分层，输出不同用户群体的最优优惠券面额与投放频率建议。

ROI评估看板：可视化展示各策略的预算节省与转化提升

我负责的任务：独立完成PSM匹配、转化分析、策略输出全流程。

技术栈：Python（pandas、numpy、sklearn）、matplotlib。

实现难点与亮点：

难点：百万级用户数据的匹配效率优化、协变量选择与平衡性检验。

亮点：PSM匹配后实验组与对照组特征分布高度一致，净增率计算可信；分层策略落地后优惠券整体ROI提升22%，单月营销预算节省30%。