一、功能概述
敏感人群洞察功能是基于Uplift Model模型实现的一套智能洞察敏感人群的功能。是一种在营销、广告等诸多领域发挥独特作用的数据分析工具。与传统预测模型专注于预测事件是否发生（比如用户是否购买产品、病人病情是否好转）不同，它聚焦于预估某个干预行为对结果带来的 “额外提升” 效果。
以营销派券场景为例，我们计划给用户发10元券来提升商品的购买率。我们希望针对哪些客户来发券呢？我们可以把客户分为四类：
- Persuadables：不发送优惠券则不买，发送优惠券则购买；
- Sure things：不论是否发送优惠券均会购买；
- Lost causes:不论是否发送优惠券均不会购买；
- Sleeping Dogs:不发送优惠券会购买，发送优惠券反而不买。
我们希望只针对那些不派券就不转化，派券就转化的客户（对应：Persuadables类客户）进行策略干预。敏感人群分析能力就是通过Uplift建模预测的方法精准找到对于此类干预动作更为敏感的人群，使我们可以把精力、资源精准投放在刀刃上，实现效益最大化。
二、典型应用场景
场景 | 案例 |
|---|---|
营销推广类 | 电商零售： |
在线旅游平台 | |
金融服务类 | 银行信贷业务： |
互联网科技类 | 内容平台用户留存： |
三、功能入口
路径：AB实验列表选择某实验-数据指标TAB-敏感人群洞察
说明：分析任务需要一定的进组数据和指标转化才可以分析。实验创建当日不支持分析任务创建。
三、各模块介绍
3.1 创建任务
任务是对一个实验中“一个指标、一个实验组、一个对照组”进行分析
确定要分析的指标和挖掘方向，根据业务经验选择可能对指标有影响的用户属性后，即可提交分析任务。
字段名称 | 说明 |
|---|---|
任务名称 | 符合名称字段输入规范，支持中英文，特殊符号及长度上限需确认。空，从实验报告进，默认填写实验名称 |
实验 | 从实验报告进，默认带入实验信息 |
对照组 | 分析任务的对照组 |
实验组 | 分析任务的实验组，施加了希望分析的策略 |
分析指标 | 一次分析只针对一个指标 |
挖掘方向 | 挖掘方向中正向挖掘是指找到那些对指标提升更有作用的人群，比如找到更可能购买的客户（购买转化率提升）；负向挖掘是指找到对指标下降更有作用的人群，比如找到更不可能流失的客户（流失率下降） |
时间范围 | 时间范围是指利用哪一段时间的进入实验的用户作为样本进行训练和建模。 |
用户属性 | 分析哪些维度对识别敏感人群有显著作用，并挖掘这些维度交叉下的敏感人群 |
备注说明：模型需要一些数据积累，才能更好的建模和分析。建议分析任务进组人数大于20,000，分析维度大于4维
3.2 任务状态
**任务头部页签，查看任务状态。**分为运行中、已完成、出错等状态。
对运行中的状态，可以通过任务面板，查看任务运行状态。
任务运行过程中会分为：数据准备、模型训练、模型预测和结果输出四个阶段
四、分析报告
4.1 报告总览
TOP敏感人群是指，在重要特征交叉子人群中，与挖掘方向一致的提升，且显著的子人群的集合。
其中相对贡献的计算逻辑：
备注：相对差贡献可能为负数，主要出现在实验整齐是负向，但是挖掘方向是正向，且存在正向敏感子人群的情况下（反之亦然）。比如实验整体点击率实验组与对照组相比表现为负向，但是能够找到点击率实验组比对照组好的子人群。
描述 | 截图 |
|---|---|
本次任务是否可得到敏感人群，并分析敏感子人群的提升效果。 |
4.2 重要特征交叉子人群
重要特征交叉子人群指的是基于模型分析出的特征中，取TOP 3重要度的特征，做2维交叉下钻分析。
描述 | 截图 |
|---|---|
展示信息：
|