第9章-增益模型(Uplift Modeling)
![](/theme/default/default/images/main/eye-open.png)
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
![](/theme/default/default/images/main/icon-jing.png)
增长黑客致力于提高效率,这包括时间和成本的高效利用。在时间上,增长黑客需要迅速地设计、测试、学习和迭代,而在成本上,则是追求在有限资源下获得最大收益。
客户细分是一个有效的策略,它可以帮助增长黑客更有成本效益地提高转化率。通过将客户分为四个类别——只有在收到优惠时才会购买的客户(Treatment Responders, TR)、无论如何都不会购买的客户(Treatment Non-Responders, TN)、无需优惠也会购买的客户(Control Responders, CR)以及没有收到优惠就不会购买的客户(Control Non-Responders, CN)——增长黑客可以仅向TR和CN提供优惠,从而提高促销的效果。
为了确定客户属于哪个细分群体,可以使用uplift模型。这一模型通过两个步骤构建:首先预测所有客户属于每个群体的概率,这需要建立一个多分类模型;其次计算uplift分数,公式为: Uplift Score = P TR + P CN - P TN - P CR。这一分数通过将TR和CN的概率相加,并减去TN和CR的概率来计算,分数越高,则表示uplift越高。
最后,增长黑客可以将这种方法应用于客户响应/反应模型的数据,通过编写代码来实践Uplift Modeling,以优化促销活动的成本效益。
想要了解更多内容?
![](/theme/default/default/images/main/icon-jing.png)
![](https://cdn.easycorp.cn/rongpm/upload/202312/f_39217d624bb2b42ce8f6322ebd7e573a.png)
![](https://cdn.easycorp.cn/rongpm/upload/202312/f_39217d624bb2b42ce8f6322ebd7e573a.png)