← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 7256.h · 生成模型:WorkBuddy (Claude)

提升模型用于拉活促销

理解等级:中级

在发优惠券、发红包、推送等强偏置的促活场景中,目标是找出”发了券才会消费”的用户,而非”发不发都消费”的人。这类控制变量进行推荐的模型被称为提升模型(也称因果模型/ uplift model)。其做法是训练两个模型分别拟合”发券”与”不发券”两种条件下的用户分布,预测时把用户同时过两个模型,用发券模型分数减去不发券模型分数,超过阈值才判定为可激活用户。边界:早期两模型分数可能量纲不一致,需用阈值与一致性处理;后续可转多目标问题,把用户划分为发券消费/不发券消费等四类。可迁移启发:这类”增量效应”建模思想也适用于消偏、活跃度提升等场景,本质是用因果视角做用户圈选。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 什么是推荐系统 1.4 推荐系统怎么拉活促销 · 查看原书依据

      这种控制变量进行推荐的模型被统一称为提升模型(也被称为因果模型),它被大量运用在有强偏置的推荐场景,比如发优惠券、发红包、推送或者活跃度消偏等场景。该模型主要的作用就是通过优惠或者激励进行用户促活和刺激消费,而推荐算法的主要作用其实就是用户圈选。

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第1章《什么是推荐系统》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/13.html;src-009) - 结论依据:原文将"发券促活"建模为提升/因果模型,描述双模型打分相减筛选可激活用户的机制,并说明其适用于强偏置推荐场景,支撑本卡结论。 - 原始内容:这种控制变量进行推荐的模型被统一称为提升模型(也被称为因果模型),它被大量运用在有强偏置的推荐场景,比如发优惠券、发红包、推送或者活跃度消偏等场景。该模型主要的作用就是通过优惠或者激励进行用户促活和刺激消费,而推荐算法的主要作用其实就是用户圈选。