Uplift Predictive Analyticsモデルの基本 - ダミー

ビデオ: Biblical Series I: Introduction to the Idea of God 2024

予測分析を使用してターゲットを絞った顧客は、購入していないということをどのように知っていますか？この質問を明確にするには、いくつかの方法でそれを書き直すことができます。

マーケティングの連絡先を取得していないにもかかわらず、顧客が購入していないことをどのように知っていますか？
お客様に送ったものが購入に影響を与えたことをどのように知っていますか？
<！一部のモデラーの中には、レスポンスモデリングの問題点が次のようになっていると主張している人もいます。

あなたが予測した顧客のサブセットを、製品やサービスにすでに関心を持っているとみなしています。

あなたは、変換に余分な影響を必要としない顧客にマーケティング・ドルを浪費しています。
あなたが購入を誘惑するために使用している割引が不要な場合があるため、純利益率が低下している可能性があります。
<！ - 2 - >
一部の顧客が（常に）連絡を受けたくないため、顧客満足度を低下させる可能性があります。
あなたのモデルの評価では、回答に間違いがあります。
真のリフトモデリング

とネットモデリングとも呼ばれる上昇型モデリングは、どの顧客が連絡があれば変換してください。

顧客を4つのグループに分けることで、隆起モデリングが機能します。説得力のある商品：

購入を説得できる顧客ですが、連絡をとった場合にのみ購入します。

確かなこと：

連絡先に関係なく購入する顧客。 紛失原因：
連絡を取らずに購入しない顧客。 邪魔にならない：
連絡を取らない顧客。それらに連絡すると、サブスクリプションをキャンセルしたり、商品を返品したり、価格調整を依頼したりするような否定的な反応が生じる可能性があります。隆起モデルは、説得可能なもののみを対象とします。それは有望ですが、隆起モデルは応答モデルよりもはるかに難しいと証明されています。理由は次のとおりです。
サンプルを4つのグループに分け、Persuadablesのグループのみを使用しているため、一般的にレスポンスモデリングよりも大きなサンプルサイズが必要です。その後、モデルの有効性を測定するためにさらに分割する必要があります。このグループは、潜在的に応答モデリングの目標サイズよりもはるかに小さいであろう。しかし、目標のサイズと複雑さが小さくなれば、操作の労力とコストが応答モデリングの使用を正当化しない可能性があります。セグメンテーションの精度を測定するのと同じように、顧客を4つの異なるグループに完全に分けるのは難しいです。

顧客の行動の変化を測定しようとしているため、顧客が接触した後に購入したかどうかの具体的な行動ではなく、そのようなモデルの成功を測定することは困難です。

単一の顧客の行動を正確に測定するには、実際に彼女をクローンし、同一のクローンをグループに分割する必要があります。最初の（治療されたグループ）は、第2（対照群）はそうしないであろう。そのようなSFシナリオを除いて、現実にある程度の譲歩をして、モデルの成功の有益な見積もりを得るための代替的な（難しい）方法を採用する必要があります。

これらの問題があるにもかかわらず、一部のモデラーは、隆起モデルが真のマーケティング効果をもたらすと主張しています。彼らは、ターゲティングにSure Thingsが含まれていない（応答率が人工的に膨らむ）ため、レスポンスモデリングよりも効率的だと考えています。そのため、予測分析を使用したターゲットマーケティングの選択肢として、隆起モデルが役立つと感じています。
引き上げモデリングは、ターゲットマーケティングにおいてまだ比較的新しい技術です。多くの企業がこれを使い始めており、顧客維持、マーケティングキャンペーン、さらには大統領選挙でも成功を収めています。
一部の専門家は、オバマ大統領の2012年の大統領選挙の勝利のための隆起モデルを信じている。キャンペーンのデータアナリストは、接触の影響を最も受ける可能性が高い有権者を重点的に対象とするために、隆起モデルを使用しました。彼らは、ソーシャルメディア、テレビ、ダイレクトメール、電話といった複数の連絡先チャネルを介してパーソナライズされたメッセージを使用しました。彼らは説得力のあるグループを説得する努力を集中した。彼らはこの戦略に大きく投資した。明らかにそれは報われました。