一、解決的問題：

　　通常的 Propensity Model 和 Response Model 只是給目標(biāo)用戶打了個分，并沒有確保模型的結(jié)果可以使得活動的提升最大化；它沒有告訴市場營銷人員，哪個用戶最有可能提升活動響應(yīng)；

　　因此，需要另外一個統(tǒng)計(jì)模型，用來定向那些可以被營銷推廣活動明顯驅(qū)動他們偏好響應(yīng)的用戶，也就是“營銷敏感”用戶；

　　Uplift Model的最終目標(biāo)就是找到最有可能被營銷活動影響的用戶，從而提升活動的反響(r(test)-r(control))、提升ROI、提升整體的市場響應(yīng)率；

　　因此，模型要避免推廣預(yù)算花在

　　（一）從購買者角度來看：

　　（1）自然反應(yīng)的用戶(即不需要營銷也會來的用戶)；（2）頑固不會響應(yīng)的用戶；

　　（二）從流失者的角度來說：

　　（1）肯定的用戶；

　　（2）因?yàn)檫M(jìn)行了市場推廣反而流失的用戶；

　　（3）沒有意識到是否有這個活動會有什么影響的用戶；（即營銷不敏感的用戶）

二、什么是uplift model ?

　　直接為treatment所帶來的影響提升建模；

三、如何進(jìn)行uplift modeling?（差分響應(yīng)）

方法（一）：

1、建立兩個logistic模型

Logit(Ptest(response|X,treatment =1)) = a+ b*X +c*treatment

Logit(Pcontrol(response|X,treatment=0) ) = a + b*X?

2、將兩個得分相減，計(jì)算uplift score

Score = Ptest(response|X,treatment =1) - Pcontrol(response|X,treatment =0)

方法（二）：

只用一個模型，但是建立兩個同樣的；

1、Logit(P(reponse|X) = a + b*X + c*treatment + d* treatment *X

2、將兩個得分相減得到uplift score

Score = P(response|X,treatment =1) - P(response|X,treatment =0)

?方法（三）：

knn modeling

方法（四）：

Naive Bayes

?四、uplift model使用過程中需要注意的問題：

1、訓(xùn)練樣本

　　由于強(qiáng)化學(xué)習(xí)需要用到的是反饋數(shù)據(jù)，因此訓(xùn)練樣本的及時及自動更新會是比較重要的方面（尤其是label的更新和實(shí)時特征的更新），才能體現(xiàn)出來強(qiáng)化學(xué)習(xí)優(yōu)于機(jī)器學(xué)習(xí)的地方，使用用戶反饋的標(biāo)注樣本來更新訓(xùn)練樣本庫，可以使得反饋及時地得到學(xué)習(xí)，從而優(yōu)化算法效果；

2、label設(shè)計(jì)問題

3、問題定義

　　uplift的點(diǎn)與運(yùn)營活動指標(biāo)完美結(jié)合

4、冷啟動策略問題

5、抽樣訓(xùn)練時樣本有偏的問題

?

?

總結(jié)：

　　?"Where traditional predictive modeling focuses on the outcome, uplift modeling focuses on the effectiveness of the treatment.Then, you can target resources on the cases that are likely to be positively impacted by the treatment."

　　Uplift Model 的精髓是，它專注于作用之后效果的提升，因此區(qū)分出“營銷／核銷敏感人群”這一步特別重要，也是篩選特征的重要考慮方面；它對ROI結(jié)果的優(yōu)化，不是在于模型設(shè)計(jì)的復(fù)雜，而是在于將ROI的思維策略融入到了模型當(dāng)中。

　　但是其實(shí)ROI并不僅僅是提升核銷率，從長遠(yuǎn)的營銷價值來說，ROI最優(yōu)化還需要考慮用戶的終身價值，也就是對用戶所投入的每一分錢，是否對該用戶長遠(yuǎn)來看給企業(yè)帶來的價值是最大化的。

　　Uplift Model對正負(fù)樣本的定義就是，with treatment 和 without treatment的時候，是否具有response。

　　

上圖就是uplift model的建模假設(shè)矩陣。

?

轉(zhuǎn)載于:https://www.cnblogs.com/zichun-zeng/p/8330358.html

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的uplift model学习笔记的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。