01
因果推断与实验评估
从相关性走向可验证的因果结论，关注实验设计、偏差识别和稳健评估。
- 怎样定义真正的增量？
- 实验结果如何支持长期决策？
Topics / 专题
把预测推进到可验证的决策
围绕增量、实验和营销决策建立知识路径。这里关注的不是模型分数本身，而是干预是否真的改变了结果。
核心专题
三条彼此连接的主线：怎样识别因果，怎样估计异质性效果，以及怎样把结果放进营销决策。
02
Uplift Modeling 与增量决策
识别干预对不同人群的异质性影响，把模型输出连接到更有效的资源分配。
- 谁会因为干预而改变？
- 模型效果如何被可靠评估？
03
智能营销算法
围绕用户响应、策略评估和增量价值，讨论营销算法中的建模与决策问题。
- 预测准确是否等于业务有效？
- 如何避免只优化表面指标？
我用什么方式组织问题
先定义决策
明确要改变的行为、干预对象和可执行动作，避免从已有模型反推问题。
再建立识别
区分预测与因果，检查实验、观测数据和估计假设能支持什么结论。
最后验证增量
用与决策一致的评估方式验证效果，同时关注稳健性、成本和长期影响。