tag
#uplift
2개의 글
통계·ML causal-inference · cate
Heterogeneous treatment effects — 평균 효과 너머의 개인별 효과
A/B 평균 효과 +5%p가 모든 사람에게 같지 않습니다. 일부에게는 +20%p, 일부에게는 -3%p. CATE·uplift forest로 효과의 이질성을 추정해 타겟 마케팅을 정밀화하는 흐름.
통계·ML uplift · causal-ml
Uplift 모델링 — "쿠폰 줘도 살 사람 vs 줘야 사는 사람" 가르기
리텐션·CRM 캠페인에서 가장 비싼 실수는 "어차피 살 사람한테 쿠폰 주는 것". Uplift 모델링은 캠페인이 정말 효과를 만든 사람만 골라냅니다. 4가지 페르소나와 T-Learner·X-Learner의 직관.