【数据分析与数据挖掘小技巧】_Uplift Model

随着互联网的发展，用户画像不断丰富，如何精准营销，触达到最敏感的人群，将我们的预算投入到可以为我们带来增量收入的人群，提高ROI显得尤为重要。Uplift Model作为一种增益模型，非常适用于这种场景。

1. 增益模型和响应率模型的区别

Response model表示的是通过营销而购买的概率；而uplift model指的是因为营销而购买的概率，它的本质是定位因为营销活动而明显被驱动的客户。

2. 什么是Uplift Model 

3. Uplift Model模型

3.1 Two-Model Approach

The Two-Model-Approach 分别对实验组和对比组建立两个逻辑回归模型，将两个模型的概率相减，从而得到最终的uplift值。

3.2 One-Model Approach

The One-Model-Approach 是将实验组和对比组融合起来建立一个模型，与two-model-approach的区别之处在于将treatment作为一个变量加入模型中。

3.3 Modeling Uplift Directly

假设我们有treatmen和control两组样本，蓝色样本代表正样本，红色样本代表负样本。可以看到在分裂之前T和C两组正负样本的比例比较接近，但是经过一轮特征分裂之后，T和C组内正负样本的比例发生了较大的变化，左子树中T组全是正样本，C组全是负样本，右子树正好相反，C组的正样本居多，意味着左子树的uplift比右子树的uplift更高，说明该特征能够很好的把uplift更高和更低的两群人做一个区分。

 4. Uplift Model使用场景