作者：Bar?? KaramanFollow
编译：ronghuaiyang
正文共：7593 字 8 图
预计阅读时间：22 分钟
导读
在营销活动的时候，我们并不希望把优惠发给每一个人，我们希望在给定的成本条件下，得到最大的增量，Uplift模型可以帮助我们做到这点。
前文回顾：
用机器学习来提升你的用户增长：第五步，预测客户的下一个购买日
第八部分: Uplift模型
增长黑客最重要的工作之一就是尽可能地提高效率。首先，你需要“高效的利用时间”。这意味着你必须快速构思、试验、学习和重复。其次，你需要做到“成本高效”。它意味着在给定的预算/时间/努力下带来最大的回报。
客户细分帮助成长型黑客增加转化率，因此具有成本效益。想象一个案例，你要发起一个促销活动，你知道你想要针对哪个客户分群进行发放，但是，你需要把优惠发给每个人吗？
答案是否定的。在你当前的目标群体中，总会有顾客会购买你的产品。我们可以采用分群的方法，具体可以总结如下：
- Treatment Responders：只有收到优惠才会购买的客户
- Treatment Non-Responders：无论怎样都不会购买的客户
- Control Responders：不需要优惠就会购买的客户
- Control Non-Responders：没有收到优惠就不会购买的客户
这下就很明显了。你需要针对Treatment Responders(TR)和Control Non-Responders(CN)发放优惠。因为这些人你不发放优惠是不会购买的，这些群体会在你的促销活动中有增量。另一方面，你需要避免Treatment Non-Responders(TN)和Control Non-Responders(CR)。对TN和CN发放优惠不会让你有收益。
还有最后一件简单的事要做。我们需要确定哪些客户属于哪些类别。答案就是uplift模型。它有两个简单的步骤：
- 预测所有客户在每一组中的购买概率：我们将为此建立一个多分类模型。
- 我们会计算uplift分数，uplift分数的公式为：
我们会把TR和CN的概率加起来，并减去落入其他位置的概率。更高的分数意味着更高的uplift。
好的，让我们看一下如何用一个例子来实现它。我们将使用前一篇文章中的相同数据集：https://gist.github.com/karamanbk/ef1a118592e2f7954e5bb582e09bdde3。
我们从导入我们需要的库和函数开始：
from datetime import datetime, timedelta,date
import pandas as pd
%matplotlib inline
from sklearn.metrics import classification_report,confusion_matrix
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from __future__ import division
from sklearn.cluster import KMeans
import plotly.plotly as py
import plotly.offline as pyoff
import plotly.graph_objs as go
import sklearn
import xgboost as xgb
from sklearn.model_selection import KFold, cross_val_score, train_test_split
import warnings
warnings.filterwarnings("ignore")
#initiate plotly
pyoff.init_notebook_mode()
#function to order clusters
def order_cluster(cluster_field_name, target_field_name,df,ascending):
new_cluster_field_name = 'new_' + cluster_field_name
df_new = df.groupby(cluster_field_name)[target_field_name].mean().reset_index()
df_new = df_new.sort_values(by=target_field_name,ascending=ascending).reset_index(drop=True)
df_new['index'] = df_new.index
df_final = pd.merge(df,df_new[[cluster_field_name,'index']], on=cluster_field_name)
df_final = df_final.drop([cluster_field_name],axis=1)
df_final = df_final.rename(columns={"index":cluster_field_name})
return df_final
#function for calculating the uplift
def calc_uplift(df):
avg_order_value = 25
#calculate conversions for each offer type
base_conv = df[df.offer == 'No Offer']['conversion'].mean()
disc_conv = df[df.offer == 'Discount']['conversion'].mean()
bogo_conv = df[df.offer == 'Buy One Get One']['conversion'].mean()
#calculate conversion uplift for discount and bogo
disc_conv_uplift = disc_conv - base_conv
bogo_conv_uplift = bogo_conv - base_conv
#calculate order uplift
disc_order_uplift = disc_conv_uplift * len(df[df.offer == 'Discount']['conversion'])
bogo_order_uplift = bogo_conv_uplift * len(df[df.offer == 'Buy One Get One']['conversion'])
#calculate revenue uplift
disc_rev_uplift = disc_order_uplift * avg_order_value
bogo_rev_uplift = bogo_order_uplift * avg_order_value
print('Discount Conversion Uplift: {0}%'.format(np.round(disc_conv_uplift*100,2)))
print('Discount Order Uplift: {0}'.format(np.round(disc_order_uplift,2)))
print('Discount Revenue Uplift: ${0}\n'.format(np.round(disc_rev_uplift,2)))
if len(df[df.offer == 'Buy One Get One']['conversion']) > 0:
print('-------------- \n')
print('BOGO Conversion Uplift: {0}%'.format(np.round(bogo_conv_uplift*100,2)))
print('BOGO Order Uplift: {0}'.format(np.round(bogo_order_uplift,2)))
print('BOGO Revenue Uplift: ${0}'.format(np.round(bogo_rev_uplift,2)))
然后我们导入数据：
df_data = pd.read_csv('response_data.csv')
df_data.head(10)你可以回想一下前一篇文章，我们有打折和买一赠一优惠的客户的数据以及他们的响应。我们还有一个对照组，他们什么优惠也没有。
列描述如下：
- recency: 上次购买距离现在的月数
- history: 历史购买的金额
- used_discount/used_bogo: 表示用户是否使用了折扣或者买一送一
- zip_code: 邮编的类型有农村/郊区/城市
- is_referral: 表示用户是否通过referral获得
- channel: 客户使用的渠道，电话/网站/多通道
- offer: 发给用户的优惠，打折/买一送一/无优惠
在建立模型之前，我们应用calc_uplift函数，以本次活动的当前uplift为基准：
calc_uplift(df_data)打折的转化率的uplift是7.66%，买一送一的是4.52%。
接下来，我们将开始构建我们的模型。
多分类模型来预测Uplift得分
目前，我们的标签是客户是否转换(1或0)，我们需要为TR， TN， CR，和CN创建4个类。我们知道收到折扣和bogo优惠的客户是Treatment，其他的是control。我们创建一个campaign_group列，使这个信息可见：
df_data['campaign_group'] = 'treatment'
df_data.loc[df_data.offer == 'No Offer', 'campaign_group'] = 'control'完美，现在我们需要创建我们的新标签：
df_data['target_class'] = 0 #CN
df_data.loc[(df_data.campaign_group == 'control') & (df_data.conversion > 0),'target_class'] = 1 #CR
df_data.loc[(df_data.campaign_group == 'treatment') & (df_data.conversion == 0),'target_class'] = 2 #TN
df_data.loc[(df_data.campaign_group == 'treatment') & (df_data.conversion > 0),'target_class'] = 3 #TR在这个例子中，类别的映射如下:
- 0 -> Control Non-Responders
- 1 -> Control Responders
- 2 -> Treatment Non-Responders
- 3 -> Treatment Responders
在训练我们的模型之前，有一个小的特征工程步骤。我们将从history列创建聚类，并应用get_dummies将类别列转换成数值：
#creating the clusters
kmeans = KMeans(n_clusters=5)
kmeans.fit(df_data[['history']])
df_data['history_cluster'] = kmeans.predict(df_data[['history']])#order the clusters
df_data = order_cluster('history_cluster', 'history',df_data,True)#creating a new dataframe as model and dropping columns that defines the label
df_model = df_data.drop(['offer','campaign_group','conversion'],axis=1)#convert categorical columns
df_model = pd.get_dummies(df_model)我们来拟合我们的模型，得到每个类的概率：
#creating the clusters
kmeans = KMeans(n_clusters=5)
kmeans.fit(df_data[['history']])
df_data['history_cluster'] = kmeans.predict(df_data[['history']])
#order the clusters
df_data = order_cluster('history_cluster', 'history',df_data,True)
#creating a new dataframe as model and dropping columns that defines the label
df_model = df_data.drop(['offer','campaign_group','conversion'],axis=1)
#convert categorical columns
df_model = pd.get_dummies(df_model)变量class_probs表示每个客户的概率。让我们来看一个例子:
对于这个特定的客户，我们可以将概率映射如下：
- CN: 32%
- CR: 2%
- TN: 58.9%
- TR: 6.9%
所以该客户的uplift分数为：
0.32 + 0.069- 0.02- 0.589 = -0.22
我们把这个应用到所有的用户上，计算uplift得分：
#create feature set and labels
X = df_model.drop(['target_class'],axis=1)
y = df_model.target_class
#splitting train and test groups
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=56)
#fitting the model and predicting the probabilities
xgb_model = xgb.XGBClassifier().fit(X_train, y_train)
class_probs = xgb_model.predict_proba(X_test)通过运行上面的代码，我们在主dataframe中添加了一个uplift_score列，如下所示：
现在是检查这个模型的最关键部分的时候了。这个模型真的有效吗？uplift模型的真实性能评价比较困难。我们将通过uplift评分分位数来检查uplift是如何变化的，看看我们是否可以在现实生活中使用该模型。
模型评估
为了评估我们的模型，我们将创建两个不同的组，并将它们与我们的基准进行比较。这两个组是：
- 高Uplift分数：客户的uplift分数>3/4分位数
- 低Uplift分数：客户的uplift分数<1/2分位数
我们会对比：
- 转化的uplift
- 每个目标用户的收入uplift，看看我们的模型是不是让我们的活动更有效了
这是打折活动的benchmark。
Total Targeted Customer Count: 21307
Discount Conversion Uplift: 7.66%
Discount Order Uplift: 1631.89
Discount Revenue Uplift: $40797.35
Revenue Uplift Per Targeted Customer: $1.91我们构建第一个组，看看数字：
df_data_lift = df_data.copy()
uplift_q_75 = df_data_lift.uplift_score.quantile(0.75)
df_data_lift = df_data_lift[(df_data_lift.offer != 'Buy One Get One') & (df_data_lift.uplift_score > uplift_q_75)].reset_index(drop=True)
#calculate the uplift
calc_uplift(df_data_lift)
results:
User Count: 5282
Discount Conversion Uplift: 12.18%
Discount Order Uplift: 643.57
Discount Revenue Uplift: $16089.36
Revenue Uplift Per Targeted Customer: $3.04结果很好。每个目标客户的收入uplift提高了57%，我们可以很容易地看到，**25%的目标群体贡献了40%**的收入增长。
我们在低uplift分数的分组上查看同样的数据：
df_data_lift = df_data.copy()
uplift_q_5 = df_data_lift.uplift_score.quantile(0.5)
df_data_lift = df_data_lift[(df_data_lift.offer != 'Buy One Get One') & (df_data_lift.uplift_score < uplift_q_5)].reset_index(drop=True)
#calculate the uplift
calc_uplift(df_data_lift)
results:
User Count: 10745
Discount Conversion Uplift: 5.63%
Discount Order Uplift: 604.62
Discount Revenue Uplift: $15115.52
Revenue Uplift Per Targeted Customer: $1.4正如预期的那样，每个目标客户的收入增长下降到**$1.4**。另外，这个组使用**50%的目标客户贡献了37%**的收入uplift。
通过使用这个模型，我们可以很容易地使我们的活动更有效率：
- 根据uplift得分，针对特定的人群进行活动
- 根据uplift得分，尝试不同的优惠方式
在下一篇文章中，我将解释增长黑客的一个核心组件：A/B Testing，这将是我们本系列的最后一篇文章。
英文原文：https://towardsdatascience.com/uplift-modeling-e38f96b1ef60