一、提升模型简介
带有优惠券的电子邮件、信盒中的传单和两种价格为一的产品。公司使用许多技巧来说服顾客购买某些产品。但这些营销行动和活动到底有没有效果？或者公司甚至不得不为竞选买单。因此，瞄准相关客户是很重要的。但是，你如何衡量这种运动的有效性呢？客户购买是因为活动还是因为客户已经想购买某个产品或服务？
1.1传统的响应模型
传统的响应模型针对的是在上一次活动中已经购买的客户或具有历史买家特征的客户。这种模式最大的问题是，因为活动而购买的客户和因为无论如何都想购买而购买的客户之间没有区别。这是一个重要的问题，因为传统的响应模型可能会浪费金钱给那些无论如何都会购买的客户。
1.2提升模型
提升模型试图针对那些最有可能因为竞选活动（劝说）而购买的人，因此克服了传统响应模型的问题。但这并不像听起来那么容易。有说服力的人会在接受竞选时购买，但你不能同时接受和不接受观察。所以，如果一个接受治疗的顾客没有接受治疗，他/她会做出怎样的反应还不得而知。
1.3不同的抬升模型
不同的提升模式存在。两种模型方法通过治疗组和对照组反应概率的差异来模拟提升。分别计算每组的响应概率，从而得出基于两个模型的方法（Radcliffe和Surry，1999）。
Lo（2002）的方法（Lo的方法）改变了逻辑回归中的自变量。该模型以虚拟治疗变量和治疗交互项为自变量。该模型建立在一个模型的基础上，并在一个模型的基础上学习，但预测的概率是为两组计算的：治疗组和对照组。为了计算预测概率，试验集中的虚拟治疗变量对于治疗组被设置为1，对于对照组被设置为0（2002）。
类变量转换（CVT）模型（Jaskowski und Jaroszewicz，2012）和Lai的加权提升法（LWUM）（Kane，Lo und Zheng，2014）是重新定义因变量y的模型。由于被观察者没有机会接受治疗，也没有机会对治疗做出反应，因此控制性无应答者也可能包括可能的说服性。如果他们能得到治疗，他们可能会有反应。现在不仅有治疗后的应答者很重要，还有对照组的无应答者（图2），其中也可能包括说服性应答者。这就产生了一个新的y变量（在文献中称为z变量），如果观察被处理和响应，或者观察没有被处理和响应，则为1。否则新的y变量将为0。CVT和LWUM的区别在于，LWUM考虑了治疗组和对照组den数据集中的权重（Kane，Lo und Zheng，2014）。
【source:github】
