upliftについて、考え方とアプローチ方法をまとめておく
用語
treatment(group): なにがしかの変更（介入）を加えたグループ。ターゲティングの対象となるグループ。日本語だと統制群と言ったりする control(group): なにがしかの変更（介入）を加えないグループ。ターゲティング対象外となる
考え方
広告などによりユーザが買うかどうかを予測したいとき、単純に買うか否かではなく
広告が原因で買う、もしくは広告が原因で離脱するような人を特定してからターゲティングを行うようにしたい。これができれば広告に対する効果のほどが予測できる
マーケティングキャンペーンにおいて、treatment、control2つのグループを比較することで、キャンペーンに対する効果のほどを測定できる
ターゲティングとするかの分け方は、以下の4つにわけられる
- キャンペーンに対して反応する人たち。注力する対象。キャンペーンがなかったらアクションがなかったと思われる人たち（controlでは反応なし、treatmentでは反応あり）
- なにもしなくても反応する人たち。対象外にしてよい（controlで反応あり、treatmentでも反応あり）
- キャンペーンにも反応しない人たち。このキャンペーンについては対象外にしてよい
- 反応をしなくなる人たち、退会などを行う。寝た子を起こす行為。こちらからなにかしてはいけない
従来の方法
反応があった人のみで機械学習モデルを作成する。反応するか否かのスコアがわかる
two model approach
treatment sampleとcontrol sampleを用いて機械学習モデルを作成する
各々のモデルから、あるユーザが反応するかどうか調べることができる
すべてのユーザについてスコアを予測、それぞれのスコア(S_t、S_c)によって、各ユーザを上4つのターゲティンググループに分けていく
効果を測るには、
S_t - S_c各スコアtreatmentが80%、controlが50%とすると、treatmentにする（ターゲティングする）と30%だけ効果が見込めるといえる
高いほど、介入したほうがいいグループであり、 低いほど、介入しないほうがいいグループといえる
モデルを作るには、大量のデータ点が必要である。また、2つのモデルからスコアの差分を利用するため、スコアの高いエラー(high erros)が2倍になる可能性がある。これを生じないようにするため、過学習には注意する。モデルの検証が重要である
モデルの検証には
S_t - S_c各binにおける、treatmentの応答率(R_t)、とcontrolの応答率(R_c)を実際の値より求める。
liftの値を縦軸に、
S_t-S_cliftが高い領域は、キャンペーンに反応する人たち
liftが平均以下〜マイナスより大きい人は、対象外にしてもいい、何もしなくても反応する人たち、もしくはキャンペーンに反応しない人たちである
liftがマイナスの領域は、反応しない、もしくは反応しなくなるグループ
qiniという指標で測ることができる。giniのようなもの。
treatmentの指標変数を用いた単一モデル
treatmentかcontrolかを予測するモデルを作成
対象とすべき人(1)と対象にすべきでない人(0)がわかる
テストデータにてtreatmentの予測確率と、controlの予測確率を取得し、その差分をliftとして計算できる
指標変数(indicator variable) = treatmentか否かのこと？
4象限アプローチ
4つのターゲティンググループにクラス分類するモデルを作成する
target = []
for index, row in train_data.iterrows():
if (row['Promotion'] == "Yes") & (row['purchase'] == 1):
# TR group
target.append(0)
elif (row['Promotion'] == "No") & (row['purchase'] == 1):
# CR group
target.append(1)
elif (row['Promotion'] == "Yes") & (row['purchase'] == 0):
# TN group
target.append(2)
else: #CN group
target.append(3)
train_data['target'] = targethttps://medium.com/datadriveninvestor/simple-machine-learning-techniques-to-improve-your-marketing-strategy-demystifying-uplift-models-dc4fb3f927a2 より引用