Бизнес-кейс с использованием кривой подъёма
В видеоуроке вы познакомились с методом для расчёта прибыли от кампании:
profit = profit(perc_targets, perc_selected, population_size, campaign_cost, campaign_reward)
В этом методе perc_targets — доля целевых клиентов в выбранной группе, perc_selected — доля людей, отобранных для кампании, population_size — общий размер популяции, campaign_cost — стоимость обращения к одному человеку, а campaign_reward — вознаграждение за обращение к целевому клиенту.
В этом упражнении вы определите, выгодно ли использовать модель в конкретном случае: для этого сравните прибыль при обращении ко всем донорам и к топ-40% доноров.
Это упражнение является частью курса
Введение в предиктивную аналитику на Python
Инструкции к упражнению
- Постройте кривую подъёма. Прогнозы хранятся в
predictions_test, истинные значения целевой переменной — вtargets_test. - Считайте значение подъёма при 40% и введите его в код.
- Информация о кампании уже указана в скрипте. Рассчитайте прибыль при обращении ко всей популяции.
- Рассчитайте прибыль при обращении к топ-40% доноров.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Plot the lift graph
skplt.metrics.plot_lift_curve(____, ____)
plt.show()
# Read the lift at 40% (round it up to the upper tenth)
perc_selected = 0.4
lift = ____
# Information about the campaign
population_size, target_incidence, campaign_cost, campaign_reward = 100000, 0.01, 1, 100
# Profit if all donors are targeted
profit_all = profit(____, 1, population_size, campaign_cost, campaign_reward)
print(profit_all)
# Profit if top 40% of donors are targeted
profit_40 = profit(____ * ____, 0.4, population_size, campaign_cost, campaign_reward)
print(profit_40)