Uplift 模型是什么,如何用于发券决策
哪些公司问过
答案要点
- Uplift 估计个体处理效应:发券与不发券下转化概率之差,关注增量而非响应率
- 用户可分为说服型、稳定型、无动于衷型和反感型,发券应集中于说服型
- 方法有双模型、单模型、X-learner、类别转换、uplift 树和因果森林
- 训练数据最好来自随机实验,观察数据需处理混淆
- 多券种分别估计增量,按增量毛利减期望用券成本算净收益,在预算约束下分配
易错点
- 把转化概率高等同于增量高,用普通响应模型代替 uplift 模型
- 用非随机的历史发券数据直接训练,不处理混淆导致增量估计有偏
- 只比较转化增量,不扣除券成本,选出的方案未必赚钱
面试官常见追问
- 如何评估你设计的这个模型的质量?
- 还有什么指标能检测排序的准确性?
- 为什么不直接用响应模型挑最可能买的人发券?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。