本文未完成。

应用场景

为了促进转化，电商平台（如淘宝，拼多多）通常会给用户发放一些营销权益（红包，满减券等）。
那么，如何精细化、个性化地决策，在同样的营销费用支出下，得到更多的转化呢？
比如给定用户下，平台要不要发红包，发多大面额的红包，整体ROI才会更高，就需要因果推断建模了。

因果推断

在上文的电商营销场景下，X代表用户特征，$T\in \{t|不同的红包面额\}$T∈{t∣不同的红包面额}，$Y\in \{0,1\}$Y∈{0,1}代表用户是否使用红包购物（即对红包完成了核销）。

train

如果不发红包，用户也会有下单购物的自然转化，我们要做的就是建模学习不同权益在不同用户下产生的转化增益，$uplift=cvr(x,t=1)-cvr(x,t=0)$uplift=cvr(x,t=1)−cvr(x,t=0)

serving

$\arg\max_t cvr(x,t)-cvr(x,t=0)$argtmax​cvr(x,t)−cvr(x,t=0)
简单说就是选取一个权益动作，让转化率更高。
但通常地，红包越大核销越高，这个模型就丧失了意义。所以还会有其他评估因素，先略去。

典型模型

差分模型

Differential Model.

直接模型

Uplift Directly Model.

评估方法

参考

1. Adapting Neural Networks for the Estimation of Treatment Effects， NIPS
2. Learning Optimal Personalized Treatments from Observational Data using Neural Networks， AAAI