Uplift Engine
Персонализация промокодов: кому давать скидку, чтобы она действительно изменила решение о заказе, а не оплатила тех, кто заказал бы и так.
Кривая Qini на отложенной выборке
Чем выше кривая над нулевой линией, тем точнее модель отделяет отзывчивых клиентов от тех, кто заказал бы и без скидки.
Uplift по сегментам клиентов
Средний CATE на пуле скоринга: где промокод реально меняет решение о заказе.
Кому отправлять промокод первыми
Сортировка по ожидаемой инкрементальной марже: uplift × (чек × маржа − доставка − номинал).
| user_id | Сегмент | Город | Промокод, ₽ | Uplift | Ожид. маржа, ₽ |
|---|
Как это связано с бизнесом
Uplift-модель отвечает на вопрос «даст ли промокод дополнительный заказ», а не «кто вероятнее закажет». Поэтому в скоринг уходит не вероятность конверсии, а её прирост, и уже он умножается на маржинальность заказа. Следующий проект — Promo Optimizer — забирает эти скоринги и раскладывает бюджет под ограничения CPO и маржи.