本期是購食匯系列案例的第二期，和一般生鮮電商相比，購食匯的獨特之處在于它在部分小區(qū)配置了具有溫控功能的生鮮自提柜。當用戶下單后，平臺會在用戶預(yù)約的時間配送商品并且儲存在用戶填寫住址附近的自提柜中，用戶可以下班后或在自己安排的時間提取商品。

自提柜對上班族來說是個福音，不僅節(jié)約購買食材的時間和體力，而且對所購買食材的新鮮程度也有了保證。除此之外，自提柜本身也可以作為一種實物廣告。既然自提柜有這么多好處，我們不禁要問：配備自提柜，是否可以顯著提高用戶的登錄和購買呢？ 

為此我們選擇了購食匯在綿陽市區(qū)，2015年5月1日至2017年11月21日的用戶數(shù)據(jù)共5000條進行分析。其中2541條為周邊無自提柜的用戶數(shù)據(jù)，其余2459條為周邊有自提柜的用戶數(shù)據(jù)。

探究自提柜的設(shè)置是否會增加用戶的登錄次數(shù)和購買金額，這屬于干預(yù)效應(yīng)分析的一類問題，為此我們采用傾向匹配得分模型PSM（Propensity Score Matching）。

聽起來很學術(shù)的樣子，那么如何通俗的理解PSM模型呢？舉個例子，假設(shè)小明居住在高新區(qū)，15年注冊購食匯，附近沒有自提柜，我們想要知道，如果他家附近有自提柜了，他購買的金額和登錄次數(shù)會不會更多。但我們首先面臨一個問題，究竟是因為有自提柜的影響，所以用戶登錄和購買較多。還是由于用戶本身的差異，所以產(chǎn)生登錄和購買情況的差異。此時可以通過尋找一個居住在高新區(qū)，15年注冊購食匯，家附近有自提柜的小明2號，并比較小明和小明2號的登錄次數(shù)和購買金額是否有差別。也就是說當我們想研究自提柜是否對登錄次數(shù)和購買金額產(chǎn)生影響時，首先需要找兩個在其他各方向長得差不多的個體，如果此時二者在登錄次數(shù)和購買金額上依然產(chǎn)生了差別，那么可以認為這種差異是由是否有自提柜這個因素造成的。這樣的方法有一個專業(yè)的名詞，即PSM。

具體的，實施PSM方法可以從以下三個步驟進行。首先采用logistic回歸的方法為每一個樣本計算一個匹配得分。在這里以是否有提柜作為因變量，配對變量為自變量，構(gòu)建一個邏輯回歸模型，將估計出的邏輯回歸的線性擬合值作為每一個樣本的匹配得分。接下來，通過匹配得分將有自提柜的樣本和沒有自提柜的樣本一對一進行匹配。可以選擇不同的配對方法，本文選擇最鄰近匹配方法，以傾向得分為依據(jù)，在無自提柜組中向前或向后尋找最接近有自提柜樣本得分的對象，并形成配對。最后，在獲得匹配之后，將兩組數(shù)據(jù)在訂單數(shù)、消費金額和登錄次數(shù)三個方面進行對比。通過傾向匹配得分配對后，可以認為這兩組樣本在除了自提柜這個特征外，其他屬性基本一致。此時如果對比的變量具有顯著差異，那么可以認為是由自提柜這個因素產(chǎn)生。PSM是一個比較成熟的方法，很多的統(tǒng)計軟件里都有相應(yīng)的包可以實現(xiàn)，本文的PSM分析是通過R軟件實現(xiàn)的。

經(jīng)過匹配后總共生成了2459對，以登錄次數(shù)為例，我們發(fā)現(xiàn)相較于無自提柜的用戶，有自提柜的用戶登陸次數(shù)顯著較高。在購買金額和訂單總數(shù)方面，我們也得到了相似的結(jié)論。

因此通過本分析，可以認為自提柜確實具有促進銷售的作用。與無自提柜的用戶相比，附近有自提柜用戶的平均訂單數(shù)高1.93個，平均消費總金額高81.48元。

本案例基于PSM的分析屬于比較淺顯的，用于計算得分的變量越多越能得出更加準確的匹配，而在我們的分析中，用于計算得分的變量比較少，在未來可以嘗試加入更多的變量。在實際的業(yè)務(wù)中，我們也許會經(jīng)常碰到諸如本文的一些場景，希望簡單的PSM分析能夠幫助到大家。