抽象的

用户保留是消费者的互联网公司的关键重点，促销是一种有效的杠杆，可以提高保留。然而，公司依赖于非因果流失预测，以捕获异质性或常规A / B测试以捕获平均治疗效果。本文提出了异质处理效果优化框架，以捕获异质性和因果效应。我们提出了两种算法，以最大化异构治疗效果：1）基于使用基于拉格朗日子学方法调整的训练标签的现有估计方法获得的异质治疗效果的点估计。2）一种新的排名算法，它在一个阶段中结合估计和优化，并直接优化聚集的目标治疗效果。我们还开发了一种评估度量，捕获不同方法的真实业务价值，并使用它来评估我们的大型实验数据在离线和在线的各种方法。我们的算法（方法2）在离线和在线测试中执行显着优于随机探索基准和现有估计（方法1）。该方法已部署到生产，目前居住在全球多个城市。

作者

沭阳杜那詹姆斯李那法尔茨因·渴望

会议

KDD 2019.

全文

'提高因果学习的用户保留'（PDF）

优步AI.