Краткое введение в использование кривой подъема в маркетинге и машинном обучении

Может быть, ваш собеседник спросил вас о кривой подъема, и у вас чуть не случился сердечный приступ, или, может быть, вам интересно узнать о кривой с броским названием, о котором вы слышали? Думаю, возможностей может быть гораздо больше, но не волнуйтесь, я думаю, вы нашли нужную статью!

Введение

В этой статье вы не найдете ни кода, ни сложных математических формул. Я попытаюсь объяснить вам, как построить кривую подъемной силы и ее применение в случае использования цифрового маркетинга, а также как ее можно использовать для оценки модели классификации.

Чтобы кратко представить концепцию, кривая подъемной силы описывает коэффициент производительности (подъемную силу) по совокупной доле населения. Не бойтесь, вы лучше поймете это предложение после прочтения следующей части!

Кривая роста в кампании рассылки

Предположим, у вас есть база данных, содержащая 10 000 контактов клиентов, и вы отправили им электронное письмо со ссылкой на свой веб-сайт.

10% клиентов перешли по ссылке, неплохо (или, может быть, да, но на данный момент нам все равно). Теперь, если вы отправите электронное письмо 1000 клиентам вместо 10 000, вы можете рассчитывать получить примерно такую ​​же цифру ... Не совсем уверен! Действительно, если вы разделите своих 10 000 клиентов на 10 групп по 1000, вы можете получить группу с 4% кликабельности и другую с 16%.

Это означает, что у определенной части клиентов у вас может быть более высокий рейтинг кликов!

Посмотрим, как это выглядит на графике.

У групп 7 и 8 дела идут неплохо, в этих группах чуть больше кликеров, чем в среднем (соответственно 16% и 12% по сравнению со средним показателем 10%).

Теперь интересно изобразить совокупный процент кликеров (ось y) с точки зрения совокупного процента клиентов, с которыми установили контакт (ось x). Поскольку мы имеем дело с 10 группами клиентов, ось x основана на 10-процентной единице, и мы рассматриваем группы на диаграмме выше, упорядоченные по убыванию частоты кликов.

Мы видим, что можем охватить почти 70% кликеров с 50% нашей базы контактов.

Кривая роста использует соотношение между процентом кликеров и процентом клиентов, с которыми установили контакт. Это означает, что каждая точка диаграммы «Совокупный прирост кликеров» будет представлять собой значение подъемной силы.

Действительно, подъемная сила представлена ​​этой формулой:

Более конкретно, лифт дает важную информацию о нашей рассылке. Это позволяет нам узнать, насколько конверсия клиента (в нашем случае клик) умножается на определенный процент клиентов, с которыми вы связались.

Давайте построим!

Здесь самый высокий рост, равный 2,1, означает, что для первых 10% ваших «лучших» клиентов вы наберете на 2,1 больше кликеров, чем если бы вы связались со случайными клиентами.

Сравнение модели классификации с кривой подъема

Другой вариант использования кривой подъема - машинное обучение для задачи классификации. Например, ваша модель классификации выводит определенную вероятность для каждого пациента иметь рак. Затем мы можем провести параллель с примером рассылки. Замените процент клиентов, с которыми установили контакт, процентом диагностированных пациентов, а процент кликеров - процентом, прогнозируемым моделью, в порядке убывания. В этом случае вам не нужно создавать разные группы пациентов, потому что вы уже имеете дело с процентом. Затем вы можете легко построить кривую подъемной силы.

Чтобы сравнить две модели классификации с кривой подъемной силы, вы можете использовать максимальное значение подъемной силы в качестве метрики. Кроме того, чем длиннее плоская зона в начале кривой, тем надежнее модель.

Чтобы выйти за рамки

Благодаря кривой подъема мы обнаружили, что определенная часть наших клиентов с большей вероятностью перейдет по ссылке. Однако группы были сформированы случайным образом, поэтому мы не можем объяснить, почему они лучше реагируют на рассылку. Чтобы объяснить это, можно использовать методы кластеризации, чтобы сформировать группы и найти сходные характеристики у клиентов, которые делают их кликерами.

Спасибо за чтение!