第9章-增益模型(Uplift Modeling)

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？

查看原文：第9章-增益模型(Uplift Modeling)

文章来源：

见数知理

扫码关注公众号