Identifier les variables non actionnables

L’équipe Machine Learning de Rosie a déployé un modèle de Machine Learning sur le site d’une compagnie d’assurance. Il prédit, pour chaque client, la probabilité d’achat d’un certain type d’assurance. Le produit recommandé, personnalisé et présentant la probabilité la plus élevée pour chaque client, est ensuite affiché sur la page d’accueil.

L’équipe web a lancé des tests AB, mais n’a constaté aucune hausse des ventes dans le groupe exposé 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 éclairages sur les variables déterminantes et sur la façon dont le modèle a été conçu.

Dans les modèles inférentiels, il est important d’utiliser des variables sur lesquelles l’entreprise peut agir et qui ont un impact, plutôt que des variables simplement corrélées mais non utiles.

Quelle conclusion pouvez-vous tirer à partir des variables les plus influentes ? Sélectionnez l’option la plus pertinente.