#77: Uplift Modeling: Der kausale Effekt von Rabatten, Retargeting & Co.

Uplift Modeling hilft dabei, den tatsächlichen Effekt von Maßnahmen wie Rabatten oder Gratisprodukten auf das Verhalten einzelner Kund*innen vorherzusagen, also: Wer hätte ohnehin gekauft und wen überzeugen wir wirklich? Statt bloßer Vorhersage steht die Frage im Mittelpunkt, wie wir Verhalten gezielt verändern können. Wir sprechen über Methoden, notwendige Daten, Herausforderungen bei der Modellierung und warum Kausalität hier entscheidend ist. Außerdem sprechen wir darüber warum ein A/B-Test trotz komplexer Modelle unverzichtbar bleibt. Und was du auch ohne vollständiges Uplift-Modell bereits tun kannst.

**Zusammenfassung**

Uplift Modeling zielt darauf ab, den kausalen Effekt eines Treatments (z. B. Gutschein) vorherzusagenWichtige Frage: Wie viel wahrscheinlicher ist ein bestimmtes Verhalten durch die Maßnahme?Zielgröße und Features müssen sorgfältig gewählt werden, um sinnvolle Modelle zu bauenEs braucht Daten mit Variation im Treatment (z. B. unterschiedliche Gutscheinzeiträume)Kausalität ist essenziell, sonst liefert das Modell verzerrte EffekteA/B-Tests sind nötig, um den tatsächlichen Mehrwert des Modells zu überprüfenBaseline-Modelle und deskriptive Analysen sind wertvolle Vorstufen mit eigenem NutzenHerausforderung: Modellanpassung bei Änderungen der Treatment-Strategie und Exploration/Exploitation-Balance

**Links**

[Podcast] #26: A/B-Testing: Erkenntnisse statt Bauchgefühl https://www.podbean.com/ew/pb-6fzpj-143cfb1

📬 Fragen, Feedback oder Themenwünsche?Schreibt uns gern an: [email protected]

Wir machen Data Science. Und in unserem Podcast Data Science Deep Dive reden wir darüber.

Du bist ebenfalls Data Scientist oder interessierst dich für Daten, ML und AI? Dann ist dieser Podcast für dich. Wir teilen unsere Learnings aus über 180 Projekten, du bekommst Infos und Anregungen zu spannenden Themen rund um Daten.

Wir klären auf, geben Hinweise und teilen unsere Erfahrungen, die wir in über 10 Jahren als Data Scientists im B2B Bereich gesammelt haben.
Wir decken auf, was wirklich hinter den Hypes und Trends der Data Science Branche steckt.
Wir hinterfragen, was ein Data Science Projekt erfolgreich macht und welche Faktoren es zum Scheitern verurteilen.

• Anzahl der Folgen: 81
• Letzte Folgen: 2025-09-04
• Technologie

Wo kannst du zuhören?