Uplift modeling

L'Uplift modeling est un type d'analyse de données qui utilise des techniques de modélisation prédictive pour identifier les personnes qui peuvent être influencées positivement par un effort de sensibilisation. L'Uplift Modeling est souvent associé aux campagnes politiques, à la publicité et aux soins de santé. Dans n'importe quel groupe d'électeurs, de clients ou de patients potentiels, par exemple, certains individus seront "indécis" quant à une action future, mais peuvent être influencés en parlant à un candidat, un styliste ou un assistant médical. L'objectif de la modélisation de la remontée est de ne consacrer du temps, de l'argent ou des efforts qu'aux personnes qui ont vraiment besoin d'être contactées avant de prendre une décision particulière. Les spécialistes des données doivent créer des modèles de données pour la modélisation de la remontée qui identifient avec précision les personnes qui ont besoin d'un contact personnel pour prendre une décision. La constitution des groupes de contrôle et de test nécessaires peut prendre du temps, et l'affinement des modèles prédictifs peut demander beaucoup de patience. Les tests se font généralement par petites étapes car les critères utilisés pour identifier ces personnes peuvent être complexes. C'est pourquoi la modélisation ascendante fait souvent référence à la modélisation incrémentale.