電通デジタルで機械学習エンジニアをしている今井です。 本記事では、BigQueryでUplift Modeling分析を行うための方法について紹介します。 広告効果を上げるためには? 広告効果とは、広告に接触した場合と接触していない場合とのその後のコンバージョン(CV)の差である、と言えます。 介入が無作為に割り当てられるランダム化比較試験(randomized controlled trial, RCT)において、広告効果は平均処置効果(average treatment effect, ATE)として推定できます。 詳しくは過去記事[1]にまとめています。 Uplift Modelingは「広告施策において、その効果を上げるためには誰を広告配信対象とするべきか」を推定するための方法です。 ユーザーの特徴量を 𝐱𝑖 とすると、Uplift Scoreは下記のように算出されます。 Up
![BigQueryでUplift Modeling分析|Dentsu Digital Tech Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/02707b47f4f4c0b39b8148f9f2564a6bffa2334f/height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F27448491%2Frectangle_large_type_2_270fb78f52cb26bfefdd314ebef89d74.png%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)