Repérer les variables non actionnables

L'équipe de Machine Learning de Rosie a déployé un modèle de Machine Learning sur le site d'une compagnie d'assurance. Pour chaque client, il prédit la probabilité d'achat d'un certain type d'assurance. Ensuite, le produit personnalisé ayant la probabilité la plus élevée pour ce client est affiché sur la page d'accueil.

L'équipe du site a commencé à exécuter des tests A/B et n'a constaté aucune hausse des ventes dans le groupe de clients exposés aux recommandations issues du modèle par rapport au groupe qui ne voyait que des messages génériques sur le site principal. Rosie a demandé de revoir le modèle et de fournir des éclaircissements sur les variables déterminantes ainsi que sur la façon dont le modèle a été conçu.

Dans les modèles d'inférence, il est important d'utiliser des variables sur lesquelles l'entreprise peut agir et qui ont un effet, plutôt que des variables simplement corrélées mais inutiles en pratique.

Quelle conclusion pouvez-vous tirer à partir des variables les plus influentes? Sélectionnez la plus importante.