金融行业竞争激烈，传统营销模式存在资源浪费、客户体验不佳等问题。因果推断中的增益模型，特别是树型增益模型，提供了解决策略。通过分析处理组与控制组的差异，模型能精准识别最佳营销时机，提升响应率。本文详细介绍了多种树型增益模型的分裂算法及其在电话营销场景的应用，助力金融营销优化与客户满意度提升。

美团聚合页广告通过“发券”和“排序”两大核心方向，深入探索上下文感知建模技术。实践一中，ECUP方法通过全链路增强和Treatment感知，解决了链路偏差问题，提升了Uplift建模的准确性。实践二中，NLGR方法通过邻域列表重排，优化了生成器的训练与生成过程，提升了推荐效果。两项实践均通过A/B实验验证了显著的业务收益。

本文讲述通过异质性分析的手段，能够帮助我们在实验中进行更精细化的分析，通过业务洞见和特征输入的方式，从而辅助实现策略的优化迭代。

A promotional campaign is a marketing effort that aims to increase sales, customer engagement, or brand awareness for a product, service, or company. The target is to have more orders and sales by assigning promos to consumers within a given budget during the campaign period.

From our research, we found that merchants have specific goals for the promos they are willing to offer. They want a simple and cost-effective way to achieve their specific business goals by providing well-designed offers to target the correct customers. From Grab’s perspective, we want to help merchants set up and run campaigns efficiently, and help them achieve their specific business goals.

运用机器学习、因果推断等技术优化短信召回算法，分享在精准营销领域的业务实战经验。

因果推断的基本思想、理论框架及应用实践。

Here’s how Instagram used causal inference and ML to improve the user experience for daily digest push notifications.

本次分享的主题是哈啰打造自动化增长算法闭环的实践，上篇主要介绍哈啰C端算法场景和挑战及哈啰主动增长算法。

如果科技让出行更美好，可以推动出行的进化，那么AI算法模型的应用，就是其中一个最大的推动力。

近年来，因果推断逐渐成为了机器学习中的热点话题。增益模型（Uplift Model）作为工业界因果推断与机器学习结合最成熟的算法之一，在智能营销中有着广泛的应用。目前大多数增益模型仅讨论了二元处理变量情况下的处理效应估计，然而在网约车市场中存在大量多维、连续的处理变量。针对这一困境，我们构造了连续因果森林模型，并成功地应用在了网约车交易市场策略上。

目前增益模型在贝壳平台上已经得到了实践与应用，并取得了不错的效果。

随着因果推断理论体系（Casual Inference）的建立和补充，智能营销/智能补贴近年来在业界有了越来越多的落地成果。滴滴的国际化外卖团队DiDi Food自2020年上半年起开始推进了智能补贴算法在业务场景内的实验和落地，离线和线上效果均取得了一定进展。本文将主要介绍DiDi Food对这个方向上一些探索和实践经验。