上昇モデリングは、増分価値モデリングまたは説得モデリングとも呼ばれ、特定のターゲット層に対するダイレクト マーケティング キャンペーンの効果を分離するために使用される予測モデリング手法です。アップリフト モデリングの目標は、増加する反応を最大化するために、特定のダイレクト マーケティング キャンペーンの対象となる顧客を特定の母集団から特定することです。上昇モデルは、価格設定、マーケティング、消費者行動などのさまざまな分野に適用できます。
アップリフト モデリング手法では、製品やサービスの購入者の購入までの経路を追跡し、購入者がさらに関与する可能性に影響を与える行動を特定できます。価格設定と製品の最適化、セグメンテーション、パーソナライゼーションの最適化、マーケティング ミックスの最適化に役立ちます。
アップリフト モデリングは、特定のダイレクト マーケティング キャンペーンに対して異なる反応を示す可能性が高い顧客を特定することによって機能します。どの顧客がキャンペーンにポジティブな反応を示す可能性が高いかを特定することで、企業はキャンペーンによってポジティブな影響を受ける可能性が高い顧客をターゲットにして投資収益率を高めることができます。
上昇モデルでは、ランダム化された 2 つのマーケティング キャンペーン (テスト キャンペーンとコントロール キャンペーン) のパフォーマンスを比較します。テスト キャンペーンには顧客が体験するキャンペーンが含まれ、コントロール キャンペーンには同じキャンペーンが含まれますが、マーケティング費用は費やされません。
分析の精度を確保するために、上昇率モデルは、多くの場合、純上昇率、相対上昇率、偶数オッズなどの手法を使用して評価されます。ネットリフトは、テストキャンペーンとコントロールキャンペーン間の反応率の差を測定します。相対リフトは、応答率の増加をコントロール応答率のパーセンテージとして測定します。偶数オッズは、コントロール キャンペーンとテスト キャンペーンに対する個人の反応傾向の比率としてリフトの差を測定します。
アップリフト モデリングを使用すると、Web サイトのコンバージョン率の最適化、販売見込み客の増加、休眠アカウントのアクティブ化など、さまざまな成果に影響を与えることができます。この手法は、マーケティング戦略の影響を理解するのに役立ち、企業にマーケティング予算の効果を最大化するための強力なツールを提供します。
