Non-actionable वैरिएबल्स पहचानें

Rosie की मशीन लर्निंग टीम ने एक इंश्योरेंस कंपनी की वेबसाइट पर मशीन लर्निंग मॉडल डिप्लॉय किया है। यह प्रत्येक ग्राहक के लिए एक खास इंश्योरेंस प्रकार की खरीदारी की संभावना (purchase probability) प्रेडिक्ट करता है। फिर, प्रत्येक ग्राहक के लिए सबसे अधिक संभावना वाला कस्टमाइज़्ड रिकमेंडेड प्रोडक्ट होमपेज पर दिखाया जाता है.

वेबसाइट टीम ने AB टेस्ट चलाना शुरू किया और पाया कि जिन ग्राहकों को मशीन लर्निंग आधारित रिकमेंडेशन दिखीं, उनकी बिक्री उन ग्राहकों की तुलना में नहीं बढ़ी जिन्हें मुख्य वेबसाइट पर सिर्फ जनरल मैसेज दिखाए गए थे। Rosie ने मॉडल की समीक्षा करने और यह बताने को कहा कि प्रमुख ड्राइविंग वैरिएबल्स कौन से हैं और मॉडल कैसे डिज़ाइन किया गया है.

इंफरेंशियल (causal) मॉडल्स में, ऐसे वैरिएबल्स का उपयोग करना महत्वपूर्ण है जिन्हें बिज़नेस प्रभावित कर सकता है और जिनका वास्तविक असर पड़ता है, न कि सिर्फ वे जो सह-संबद्ध (correlated) हैं पर उपयोगी नहीं हैं.

सबसे अधिक प्रभाव डालने वाले वैरिएबल्स के आधार पर आप क्या निष्कर्ष निकाल सकते हैं? सबसे महत्वपूर्ण विकल्प चुनें।