Técnica de aprendizaje automático (Machine Learning) que predice no la propensión de un cliente a comprar, sino el cambio incremental en la probabilidad de compra generado por recibir un estímulo de marketing.
Explicación y Contexto Conceptual
El Uplift Modeling (modelado de levantamiento o respuesta incremental) es una disciplina avanzada de Machine Learning que redefine la forma en que las empresas seleccionan a los destinatarios de sus campañas publicitarias y de retención (CRM). Los modelos predictivos tradicionales clasifican a los clientes por su propensión absoluta a convertir, lo que conduce a un grave error estratégico: desperdiciar presupuesto enviando cupones de descuento o pauta a clientes que de todos modos iban a comprar por sí mismos.
El Uplift Modeling clasifica a la base de clientes en cuatro arquetipos de comportamiento causal:
1. 'Persuadables' (compran únicamente si reciben el anuncio; aquí debe enfocarse el 100% del presupuesto).
2. 'Sure Things' o Seguros (compran siempre, con o sin publicidad; molestarlos con anuncios genera desperdicio).
3. 'Lost Causes' o Casos Perdidos (nunca comprarán, sin importar cuánto se invierta en ellos).
4. 'Sleeping Dogs' o No Molestar (clientes que si reciben un mensaje recuerdan que tienen una suscripción activa y se dan de baja).
Al concentrar los esfuerzos exclusivamente en el cuadrante de los 'Persuadables', las empresas maximizan exponencialmente el ROI de sus campañas.
Ejemplo en la Práctica
Un banco utiliza uplift modeling para tarjetas de crédito: excluye al 40% de clientes de alta propensión que la solicitarían de todas formas y concentra sus llamadas en clientes indecisos pero persuadibles.