本文未完成。
应用场景
为了促进转化,电商平台(如淘宝,拼多多)通常会给用户发放一些营销权益(红包,满减券等)。
那么,如何精细化、个性化地决策,在同样的营销费用支出下,得到更多的转化呢?
比如给定用户下,平台要不要发红包,发多大面额的红包,整体ROI才会更高,就需要因果推断建模了。
因果推断
在上文的电商营销场景下,X代表用户特征,
T
∈
{
t
∣
不
同
的
红
包
面
额
}
T\in \{t|不同的红包面额\}
T∈{t∣不同的红包面额},
Y
∈
{
0
,
1
}
Y\in \{0,1\}
Y∈{0,1}代表用户是否使用红包购物(即对红包完成了核销)。
train
如果不发红包,用户也会有下单购物的自然转化,我们要做的就是建模学习不同权益在不同用户下产生的转化增益, u p l i f t = c v r ( x , t = 1 ) − c v r ( x , t = 0 ) uplift=cvr(x,t=1)-cvr(x,t=0) uplift=cvr(x,t=1)−cvr(x,t=0)
serving
arg
max
t
c
v
r
(
x
,
t
)
−
c
v
r
(
x
,
t
=
0
)
\arg\max_t cvr(x,t)-cvr(x,t=0)
argtmaxcvr(x,t)−cvr(x,t=0)
简单说就是选取一个权益动作,让转化率更高。
但通常地,红包越大核销越高,这个模型就丧失了意义。所以还会有其他评估因素,先略去。
典型模型
差分模型
Differential Model.
直接模型
Uplift Directly Model.
评估方法
参考
- Adapting Neural Networks for the Estimation of Treatment Effects, NIPS
- Learning Optimal Personalized Treatments from Observational Data using Neural Networks, AAAI