阿里文娱智能营销增益模型 ( Uplift Model ) 技术实践

• 2020 年 3 月 27 日
• 筆記

导读：随着移动互联网和人工智能技术的发展，智能化营销正渗透到各行各业。如何衡量和预测营销干预带来的"增量提升"，而不把营销预算浪费在"本来就会转化"的那部分人身上，成为智能营销算法最重要的挑战。我们以Uplift Model为基础，构建营销增益预测模型，帮助商家锁定营销敏感人群，驱动收益模拟测算和投放策略制定，促成营销推广效率的最大化。本文将分享营销增益模型的原理和常见的建模及评估方法，并以淘票票智能票补为例介绍Uplift Model技术的实践经验。

本次分享主要包括：

❶ 智能营销面临的挑战及Uplift Model的价值

❷ Uplift Model建模与评估方法

❸ Uplift Model在淘票票智能票补中的应用

❹ 技术思考与后续规划

▌智能营销面临的挑战及Uplift Model的价值

1. 智能营销面临的挑战

目前，智能化的营销手段越来越普及，商家可以通过多种渠道触达消费者，比如，在手淘上商家可以圈定他想要的目标人群，进行广告推送，为店铺拉新，也可以通过短信或旺旺这些渠道定向发放优惠券。无论是红包还是广告，我们都称为营销的干预手段，其背后都是有成本的。营销的目标就是在成本有限的情况下最大化营销的总产出，这里面最关键的一点是我们能否准确找到真正能被营销打动的用户，我们称他们为营销敏感人群，可以通过下面的图进行简单的解释：

比如，我们对人群做四象限的划分，横纵坐标分别是用户在有干预和无干预情况下的购买状况。如上图，左上角人群的购买状况在干预后发生了正向变化，如果我们