增益模型（uplift modeling）

一個鎖定『最可能購買的顧客』的行銷模型，會把預算浪費在那些本來就會買的人身上，甚至可能觸及『睡狗（sleeping dogs）』——這些人被接觸反而惱怒而流失。增益模型鎖定的是完全不同的量：不是誰會回應，而是誰因為這個介入才回應。它依照每個人的個人增量效應來排序，使一場活動只把錢花在真正能改變行為的地方。

增益是條件平均處置效應在個體層次的讀法：同一個人在處置下與在控制下的結果機率之差。由於這個差永遠無法被直接觀察，模型用同一套元學習器工具——雙模型、類別轉換，以及依效應異質性（而非依結果）分裂的樹方法——從實驗或準實驗資料來估計它。評估不能用一般的準確率；它使用增益專屬的曲線，例如 Qini 曲線與增益曲線，來衡量排序把真正的增量收益集中得多好。

概念上，增益模型是戴著工業帽子的因果推論：一個為行銷、流失防治、信用與醫療而打扮過的 CATE 估計與鎖定問題。它的實用優勢同時也是它的危險——依一個無法觀察的效應來排序，使它對重疊、樣本量，以及底層隨機化的品質都極度敏感。