2023 上半年美团优惠券全景：核销率、用户价值与商户生态解读

摘要：

本文以美团 2023 年 1—6 月优惠券及用户、订单数据为研究对象，在后疫情消费复苏背景下，围绕优惠券投放效率展开实证分析。研究采用描述性统计、7 日移动平均趋势分析、用户三维价值分层、核销率与时间效应分析，并运用因果推断思路探究补贴与营收的驱动关系，识别平台营销痛点与优化空间。

最终提出用户分层补贴、周末与节假日主题化运营、优化商户补贴结构、通过 A/B 测试与因果推断持续迭代策略，以提升优惠券投放 ROI，降低头部依赖，在控制成本的同时带动 GMV 增长与用户留存。

一．研究背景：

  时间背景：本次美团优惠券投放提效分析的数据时间范围为 2023 年 1 月 1 日 - 6 月 30 日，该时间段恰好覆盖我国新冠疫情防控从政策重大调整到社会全面复苏的关键阶段，疫情动态解封的背景直接影响了本地生活消费市场的需求变化、用户消费行为及优惠券投放的实际效果，是本次分析不可忽视的核心宏观背景。

优惠券市场现状：

1. 优惠券已成为平台获客关键手段

核心定位：优惠券是互联网平台（如美团、抖音等）的核心营销工具，在拉新、促销、提升复购中扮演关键角色，是连接用户需求与商业价值的纽带。

精细化发展：头部平台已衍生出十余种券种（无门槛券、折扣券、品类券、满减券、迁移补贴券等），分场景覆盖用户需求；同时创新结合满赠、满返、立减、积分兑换等非券方式，形成差异化竞争力。

行业应用：广泛应用于电商零售、生活服务（如美团外卖 / 团购）等领域，是平台争夺用户、绑定商家的核心武器。

2. 优惠券的成本收益失衡风险

传统模式痛点：“广撒网” 式投放效率低下，存在资源浪费、用户体验受损等问题。

具体表现：

投放过剩：优惠券发放量远超用户实际需求，用户对无差别优惠敏感度下降，导致核销率低、边际效益递减，平台营销成本高企但收益受损。

恶意行为风险：“薅羊毛” 等恶意行为（批量领券不消费、跨场景套利）成为制约优惠券效能的重要隐患，加剧了成本收益失衡。

二．研究目标：

本次研究的核心目标是：通过优惠券投放提效，实现 “GMV 增长、用户留存拉新、品牌声量提升” 的三重业务价值，既解决当前 “成本收益失衡” 的痛点，又为平台长期发展奠定基础。

1. 提升平台 GMV（核心商业目标）

直接目标：通过优惠券精准投放，提升核销率、客单价、复购频次，最终带动平台整体 GMV 增长。

价值体现：解决 “优惠券成本收益失衡” 痛点，让每一笔补贴都能转化为真实交易，实现补贴→转化→GMV的正向循环。

2. 提升平台用户数量与粘性（用户增长目标）

拉新目标：通过新客专属券、邀请裂变券等，降低新用户首单门槛，吸引外部流量转化为平台新用户，扩大用户基数。

价值体现：既解决 “广撒网式投放效率低” 的问题，又通过精准触达实现新客增长 + 老客留存，夯实平台用户基本盘。

3. 提升平台知名度与品牌影响力（品牌目标）

传播目标：借助优惠券的社交裂变与场景渗透，扩大平台在本地生活领域的知名度与口碑。

价值体现：在激烈的市场竞争中（如对抗抖音、饿了么），通过优惠券建立“优惠多、体验好”的品牌认知，抢占用户心智。

三．数据说明：

字段名	字段说明
User_id	用户登录后的唯一用户ID
Coupon_id	优惠券ID
Coupon_status	券状态(1-未使用 2-已使用 3-其他)
Coupon_amt	券面额(单位：元)
Receive_time	券获取时间(yyyy-MM-dd )
Start_time	券生效开始时间(yyyy-MM-dd)
End_time	券过期时间(yyyy-MM-dd)
Price_limit	券使用门槛(单位：元)
字段名	字段说明
User_id	用户登录后的唯一用户ID
Shop_id	商户ID
Order_id	订单ID
Coupon_id	本次使用的优惠券ID
Coupon_type	本次使用的优惠券类型（用数字区分，不需要知道具体含义）
Biz_code	业务线名称（用数字区分，不需要知道具体含义）
Pay_date	用户支付日期
Actual_pay	用户实付交易额（订单原价-补贴）
Reduce_amount	补贴金额
字段名	字段说明
Visit_date	用户在美团各端（App、小程序等）的活跃日期，包括美团、美团外卖等各应用。
User_id	用户登录后的唯一用户ID

用户活跃值（06+美团业务选题-优惠券投放提效分析-数据3-user_visit_detail.csv） 没有缺失值

用户获券数据值（06+美团业务选题-优惠券投放提效分析-数据2-user_coupon_receive.csv）

Coupon_status    293993

Coupon_amt       293993

Price_limit      293993

优惠券使用状态，类型，使用门槛是同步缺失的

Receive_date     286860

领券时间是单独缺失的，没有与上述三者重合。保留原始状态，在统计进行判断时如果值为NULL会判断为FALSE，不计入统计，不影响结果。

如果删去缺失值的列，会缺失其他有效信息，随意填上数值会破坏原始数据分布。

订单数据值（06+美团业务选题-优惠券投放提效分析-数据1-order_detail.csv） 

订单表同理，保留原始数据。

四．总体趋势展示

2023 年 1-6 月每日日活 (DAU) 趋势分析

增长稳健：从 1 月春节短暂低谷到 5-6 月高位，日活整体呈持续上升态势，业务用户规模稳步扩大。

趋势向好：7 日移动平均线持续走高，说明短期波动未影响长期增长，业务基本面健康。

收入增长稳健：实际收入从 1 月低谷逐步抬升，6 月达到峰值，长期累计增长平稳，业务基本面健康。

补贴作用温和：补贴占总收入平均仅 3.5%，是辅助手段，未改变收入基本盘，且与实际收入强正相关。

累计趋势验证：累计收入曲线斜率稳定，补贴占比极低，进一步证明业务增长具备可持续性与盈利性。

五．详细指标解读

1. 用户日活趋势

每日日活虽然有波动，但整体走势呈现上升。结合时间背景，一月初期疫情管控放开，由于居民已经习惯之前的管控，刚开始放开并没有引起太大的日活提升，并且由于身体因素，消费活力在一月并不算高。1.21日由于春节影响，在春节前夕就已有下降趋势，春节时锐减，不过并未持续。在二月后，人们身体普遍康复，气温逐渐上升，活跃度随之上升。

观察DAU/MAU热力图,注意到DAU/MAU有明显的周期性波动，让我们拆开每个月份来分析一下。

通过每个月热力图可以观察到：每个周末的用户活跃度相较于工作日有明显提升，在特殊意义的日期和节假日也有明显的波动。

周末效应：周末用户活跃度较工作日有明显提升，提升幅度集中在 5%-15% 区间，体现出用户在休闲时段的消费与互动意愿更强。

节假日效应：在特定节假日期间，用户日活出现阶段性峰值，具体节假日节点包括：除夕（1/21）、春节（1/22）（除夕和春节为例外，这个节日习俗更多是在已经在家张灯结彩，但是春节前半个月的备货是一波消费小高潮，虽然不会明显激增，但是总体趋势是向上的）

元旦（1/1）、元宵节（2/5）、情人节（2/14）、妇女节（3/8）、清明节（4/5）、劳动节（5/1–5/3）、母亲节（5/8）、520（5/20）、儿童节（6/1）、父亲节（6/18）、端午节（6/22–6/24）。

基于上述用户活跃度规律，平台可从以下维度开展精细化运营，放大流量价值与业务转化：

（一）周末常态化运营

专属活动沉淀：设置 “周末限定任务”“周末秒杀专场” 等固定玩法，培养用户周末访问习惯，巩固活跃度基本盘。

流量精准投放：在周末早中晚高峰时段加大内容推荐与广告投放力度，匹配用户休闲场景，提升曝光与转化效率。

社群互动强化：通过社群发起周末话题挑战、拼团优惠等活动，增强用户社交粘性，带动自发传播与拉新。

（二）节假日主题化运营

**节日场景营销：**针对不同节日打造主题化活动页面，如情人节 “浪漫专场”、儿童节 “亲子好物专区”，贴合用户节日消费需求。

限时福利刺激：在节假日节点推出限时补贴、满减折扣、节日专属优惠券等，利用情绪消费峰值提升订单转化。

内容生态联动：联合创作者产出节日相关内容（如年货攻略、节日送礼指南），通过首页推荐、信息流推送等方式触达用户，提升内容消费与商品种草效率。

特殊节点适配：针对除夕、春节等特殊节日，提前布局 “年货备货季” 活动，将运营重心前置到节前消费周期，匹配用户实际行为规律。

（三）预期效果

通过上述策略落地，平台可实现：

放大周末与节假日的活跃度峰值，进一步拉开与工作日的差距，提升整体日活水平；

借助节日情绪与场景，带动订单转化与客单价提升，实现流量到营收的高效转化；

沉淀固定活动玩法，强化用户心智，提升长期用户粘性与平台留存率。

2.优惠券的领取与核销率提效分析

（一）.《不同时间段优惠券领取量与核销率分析》图表显示：

• 核销率（紫色曲线） ：长期保持平稳，仅小幅波动。
• 优惠券使用量（红色曲线） ：已核销券数量随时间推移稳步上升,从开始的34088到结束的43613约有27%的增幅。

（二）、原因分析

1. 平台活跃用户与领券量增长：平台活跃人数增加，带动优惠券领取总量上升，但平台未优化推荐算法，导致核销率基本维持稳定。
2. 平台发券策略保守：秉持 “可杀错不可放过” 的多发券思路，也许是多发优惠券成本不高，但不发券会显著降低消费者消费意愿，因此仅从推荐算法角度改进有限。平台“可杀错不可放过”的发券策略，本质上是：

在两类错误代价高度不对称的情况下，主动容忍第一类错误（多发券给无效用户），以规避第二类错误（错过有效用户）。

（三）、策略建议

1. 用户基数扩张：在维持当前核销率的基础上，通过用户裂变等方式扩大用户基本盘，提升整体业务规模。

2. 强化用户粘性与竞争优势： 美团的核心优势在于业务线广、基本盘稳固，需持续强化这一优势，在竞争中守住市场份额。

3.低门槛券稳定平台流量

（一）.低门槛券（使用门槛小于10元）使用率趋势：

• 总使用量：294993 张，平均使用率：12.1%
• 每日使用率（绿色柱状）在 5.6%~16.1% 区间波动
• 7 日移动平均（黑色曲线）稳定在12% 左右，表现出极强的稳定性与可持续性

1. 低门槛券的业务价值

   • 低门槛券仅占总发放量的20% ，却贡献了远高于整体水平的使用率，说明其对用户的吸引力更强
   • 稳定的高使用率，推测其核心作用是提升拉新量与留存率，通过小额优惠降低用户首次使用或复购的决策门槛

2. 策略稳定性

   • 发券量与使用率的 7 日移动平均均保持平稳，未出现剧烈波动，说明平台对低门槛券的运营策略成熟、可持续
   • 即使在发放量波动的情况下，使用率仍能维持稳定，证明这类优惠券的用户需求和转化效果可靠

初步观察，领券时间距离券过期时间在8-60天的核销率最高，为了进一步探究两者之间的关系，根据领取时间和核销时间距离进行研究，如下图所示

根据《优惠券领取与使用日期间隔》图示，领卷后当天消费占总核销数量的90%以上，事实上用户往往是下单时顺手领券，或者是当天需要消费，先领券后下单，鲜少有用户会关注券的使用期限（是否长期券优惠差别不大，平台为了提高用户下单率，往往短期优惠券优惠额度更大，而且短期券有利于平台的流量与数据管控）。所以核销率和券过期时间并无显著关联。仅仅是优惠力度差别不大，券有效时长越长，被领到的概率更大，从而提高了其核销率（有效期>90天的券发券少且优惠没有明显优势导致核销率低）。

4.头部商家聚集效应

（一）高度集中的头部效应：

第 1 名商户占比高达 0.56% ，使用券数达 3250 张，是绝对的头部商户，远超其他商户。

第 2 名商户占比骤降至 0.04% （225 张），仅为第 1 名的约 1/14，后续商户占比持续走低，均在 0.01%~0.03%  区间。

1.长尾分布明显：

TOP 10 商户中，仅第 1 名形成显著优势，其余 9 家商户占比极低，说明优惠券核销高度集中于极少数头部商户。

2.平台侧：

优惠券资源高度集中于少数商户，说明平台补贴存在资源倾斜或自然流量集中的现象。

整体核销分布极度分散，意味着优惠券对大部分商户的拉动作用有限，资源利用效率偏低，存在优化空间。

3.风险提示：

过度依赖少数头部商户可能导致业务风险集中，需平衡商户分布，避免头部商户流失后优惠券核销大幅下滑。

5．用户价值分层，优化优惠券策略与监视平台健康度

（一）.构建用户价值模型

通过对同一用户的总消费金额，总订单数，券依赖度三个维度对用户进行价值分层，分为八个层次。区别于传统RFM模型，RFM 回答的是“用户值多少钱”，而三维模型回答的是“用户为什么值钱”——后者才是制定精准运营策略，挖掘用户潜在价值的前提。

在构建用户价值模型时，根据其百分位分布设定评分，分位数均衡：让等级分布更合理

如果直接用固定金额分箱（如0-100元、100-200元），会导致80%的用户挤在最低等级，无法有效区分用户价值，随意选择数字不切合实际场景，不具备业务意义。

（二）.分类型用户运营策略

1. 高价值用户群体（高价值独立型 + 潜力型 + 依赖型）

这类用户是平台的核心收入来源，消费金额高、频次稳定，对体验感的重视程度远超价格优惠。

• 策略方向：重点巩固留存、提升忠诚度，避免核心用户流失。
• 落地动作：可提供专属福利与情绪价值，如生日专属礼物、定制化服务、高端权益等，强化用户的身份认同感与归属感。

2. 潜力型用户与低金额指标型用户

在传统的rfm模型中，我们常常把这类用户认为是低价值用户，这两类用户消费力中等或偏低，但日活表现突出，是平台的 “流量基本盘” 与待挖掘的潜力股：

• 潜力型用户：无券也能保持高消费热情，但客单价偏低，适合通过适度发券提升用户粘性与消费金额，逐步向高价值用户转化。
• 低金额指标型用户：活跃度高但消费少，多为跨平台比价的价格敏感型用户，可作为平台价格竞争力的观测指标。
• 策略方向：一方面通过精准补贴、小额优惠唤醒消费，挖掘其消费潜力；另一方面可尝试裂变活动，借助其高频社交属性拉新，但需注意这类用户圈子消费力差异不大，拉新转化率可能有限，需后续数据验证效果。

（三）新旧视角对比：从“低价值标签”到“潜力资产”

维度	传统 RFM 模型视角	优化后的三维分层视角
用户定位	消费金额低、频次低 → 直接归为“低价值用户”，视为营销资源投入的“低优先级群体”	区分“潜力型”与“低金额指标型”，认可其高活跃度的隐性价值，视作可培育的流量资产
运营策略	减少补贴投入，甚至放弃主动触达，仅作为被动流量留存	针对性施策：对潜力型用户适度发券提升客单价，对低金额指标型用户以小额补贴唤醒消费，挖掘转化空间
价值认知	仅以“历史消费金额”衡量用户价值，忽略其活跃度、社交属性、价格敏感度等潜在转化信号	综合“消费金额 + 订单频次 + 券依赖度”三维评估，识别出“高活跃但低消费”群体的独特价值——既是流量基本盘，也是裂变拉新的潜在触点
资源分配	补贴预算高度集中于历史高消费用户，造成“强者恒强”的资源固化	差异化配置资源，适度向潜力用户倾斜，构建健康可持续的用户价值梯队
长期影响	忽视对中腰部用户的培育，用户结构呈“金字塔型”，头部流失即面临大盘波动风险	通过梯度式培育，推动潜力用户向高价值转化，形成“纺锤型”健康用户结构，提升平台抗风险能力

6．运用因果推断探究补贴与营收关系

(一). 变量定义与直观观察

• 核心变量

  • 处理变量：累计补贴金额（平台主动投放的优惠券/补贴，为可干预的“因”）
  • 结果变量：累计实际收入（用户实际支付金额，为关心的“果”）
  • 中介/伴随变量：累计总收入 = 累计实际收入 + 累计补贴金额（反映业务大盘规模）

• 直观趋势

  • 累计实际收入与累计总收入呈平行增长，斜率稳定，表明实际收入是大盘收入的核心组成部分。

（二）. 因果推断核心问题：补贴是否导致实际收入增长？

核心假设：平台发放补贴 → 刺激用户消费 → 提升累计实际收入

（1）时间维度上的因果线索

• 补贴作为前置运营动作，满足“时间先后”原则：补贴先发生，收入后增长。
• 趋势上，补贴的缓慢增长与实际收入的稳定增长同步，未出现“补贴停、收入崩”的反向波动，初步支持补贴的正向作用。

（2）混淆变量与识别挑战

• 潜在混淆变量：自然增长、季节性/节假日、其他运营活动（如广告投放、会员活动）等均可能独立影响收入。

（三）. 更严谨的因果推断方法

• 双重差分法（DID） ：设置未投放补贴的用户/区域为对照组，剔除自然增长与季节效应，识别补贴的净效应。

• 实验方法：选两个城市，规模、用户结构、消费水平差不多。一个城市正常发券，另一个城市停发两周或者减半。对比两个城市在实验前后收入变化的差值，就能剔除自然增长和季节因素，剩下就是补贴的净效果。 关键是要选对对照组，别拿一线城市和五线城市比。实验前先拉三个月数据，验证两组收入走势一致，才能当对照组用。

• 断点回归（RDD） ：利用补贴的投放阈值（如满额发券），在阈值附近比较获得与未获得补贴用户的收入差异。

（四）. 业务结论与建议

核心结论
累计补贴金额是累计实际收入的正向因果驱动因素，ROI 极高，是有效的营收增长工具。同时，实际收入的增长亦受自然增长与其他运营活动影响，补贴并非唯一原因。

 风险提示
当前补贴占比仅 3.2%，策略健康可持续，未形成补贴依赖。未来若加大投放，需持续监控 ROI，防止收入质量下降。

 优化方向

• 维持当前补贴规模，向高价值/潜力用户倾斜，进一步提升 ROI。
• 结合因果推断方法（如 DID）开展小范围 A/B 测试，精准测算不同补贴策略的因果效应，优化投放效率。

六.商业运用与总结

（一）、商业运用：从洞察到行动

1. 用户分层运营：精准匹配补贴策略

用户类型	特征	运营策略	落地动作
高价值用户（高价值独立型/潜力型/依赖型）	消费金额高、频次稳定，重体验轻价格	巩固留存，提升忠诚度	生日专属礼遇、定制化服务、高端权益，强化身份认同
潜力型用户	消费热情高但客单价偏低，日活突出	适度补贴，引导升级	小额优惠券刺激，逐步向高价值用户转化
低金额指标型用户	活跃度高但消费少，价格敏感	精准唤醒，裂变拉新	小额精准补贴，尝试社交裂变活动（需验证转化效率）

核心逻辑：补贴资源从“广撒网”转向“按价值分层投放”，将有限预算向高价值与潜力用户倾斜，提升 ROI。

2. 时间维度运营：抢占周末与节假日流量峰值

运营场景	用户行为特征	策略建议
周末	DAU较工作日提升5%-15%，用户休闲意愿强	设置“周末限定任务”“周末秒杀专场”，培养访问习惯
节假日	节日节点出现活跃度峰值，消费情绪集中	主题化活动页面 + 限时补贴 + 内容联动，放大转化
春节等特殊节点	除夕/春节当日活跃下降，节前备货期需求旺盛	运营重心前置，布局“年货备货季”活动

核心逻辑：顺应用户活跃规律，在流量峰值期集中资源放大转化效率，将流量转化为 GMV。

3. 商户结构优化：警惕头部依赖，激活长尾

现状	风险	优化方向
第1名商户核销占比达0.56%，远超其余商户	头部商户流失将导致核销量大幅下滑	拓展腰部商户补贴覆盖，分散资源集中度
大部分商户核销占比极低，资源利用效率低	补贴对多数商户拉动作用有限	针对不同商户类型设计差异化补贴策略

核心逻辑：优化补贴资源的商户分布结构，降低单一商户依赖风险，提升整体资源利用效率。

总结：逻辑闭环与可落地路径

核心闭环

text

用户分层精准投放 → 周末/节假日峰值转化 → 商户结构均衡优化 → 因果推断持续迭代 → 补贴 ROI 提升 → 带动 GMV 与用户粘性增长