提升建模，也称为增量建模、真实提升建模或净提升建模，是一种预测建模技术，它直接建模治疗（如直接营销行动）对个人行为的增量影响。提升建模在向上销售、交叉销售和保留建模的客户关系管理中有应用。它也被应用于个性化医疗。与心理学中相关的差异预测概念不同，提升模型假设了一个主动因素。
投资回报率
你所有的营销努力最终都是关于投资回报率（ROI），除非你是非盈利的。但是，你最大化你的投资回报率吗？
现状
从建模者的角度来看，这是大多数营销组织的现状。对于直接营销，通过DM、DEM或OBTM等DM渠道传递联系人。将选择最有可能做出响应或改变的客户作为目标客户。
我们要注意“有说服力的人”，那些只有在收到报价后才会购买的消费者。是什么花了营销的钱去买那些无论如何，那些谁不想收到你的提议，或那些谁永远不会考虑你的提议？
这是我们可以通过提升模型来实现的。不过，在我这么做之前，不要抱太大希望。提升模型很难构建，甚至更难维护它们不是解决营销问题的“万能药”。
提升建模
提升模型使用随机科学控制，不仅测量营销行动的有效性，而且还建立预测模型，预测对营销行动的增量反应。它是一种数据挖掘技术，主要应用于金融服务、电信和零售直销行业，用于追加销售、交叉销售、流失和保留活动。
提升建模的途径
这种造型不适合内心虚弱的人。这是一种大胆的方法，需要理解底层数据，精确地准备响应数据，巨大的建模者判断，以及熟练的销售技巧。提升建模不是从实验设计开始的，尽管这是必需的。相反，它从提高客户的意识开始，通过主动测量营销活动的提升，直到最终对我们预测提升的能力有足够的信心。
测量提升
营销活动的提升通常被定义为治疗组和随机对照组之间的反应率差异。这使得营销团队能够隔离营销行动的效果，并衡量单个营销行动的有效性或其他方面。诚实的营销团队只会为他们的活动所带来的增量效应而受到赞扬。
消除负面影响
提升建模最有效的用途之一是消除保留活动的负面影响。在电信和金融服务行业中，通常保留活动会触发客户取消合同或政策。提升建模允许这些客户（不受干扰）从活动中移除。
提升建模历史
真实响应建模的第一次出现似乎是在Radcliffe和Surry的工作中（Radcliffe和Surry，1999）。维克多·洛也在《真实升力模型》（Lo，2002）和最近的《拉德克利夫》（Radcliffe，使用控制组以预测升力为目标：建立和评估升力模型》（Radcliffe，2007）中就这一主题发表了文章。Radcliffe还在他的网站Scientific Marketer上提供了一个非常有用的常见问题（FAQ）部分（uplation modeling FAQ，2007）。在个性化医疗领域也探索了类似的方法（蔡、田、黄、卫，2009）。提升模型是比较古老的差异预测心理学概念的一个特例。与差分预测相比，抬升模型假设了一种活性剂，并将提升量作为优化指标。
【source:datasciencecentral】
