Uplift Modeling

Uplift Modeling (auch Incremental Response Modeling) ist ein Verfahren, das für jeden einzelnen Kunden schätzt, wie stark eine Maßnahme (etwa eine Kampagne, ein Rabatt oder ein Retention-Angebot) sein Verhalten verändert. Das Modell beantwortet also nicht die Frage, wie wahrscheinlich ein Kunde ohnehin kauft oder kündigt, sondern wie viel die Maßnahme daran ändert. Der geschätzte Wert heißt CATE (Conditional Average Treatment Effect, deutsch: bedingter durchschnittlicher Behandlungseffekt): die Differenz zwischen dem Verhalten mit und ohne Maßnahme, pro Kunde. Grundlage sind Daten aus einem A/B-Test, bei dem eine Gruppe die Maßnahme bekommt (Treatment) und eine andere nicht (Control).

Was ist Uplift Modeling?

Klassische Vorhersagemodelle beantworten die Frage: „Wie wahrscheinlich kauft dieser Kunde?" Uplift Modeling stellt eine andere Frage: „Wie viel wahrscheinlicher kauft dieser Kunde, wenn er einen Rabatt bekommt, im Vergleich dazu, wenn nichts geschickt wird?" Die Zielgröße ist damit die Veränderung der Ergebniswahrscheinlichkeit durch die Maßnahme, individuell pro Kunde. In der formalen Notation: τ(x) = P(Y=1 | X=x, T=1) − P(Y=1 | X=x, T=0), wobei Y das Ergebnis (etwa Kauf ja/nein), X die Kundenmerkmale und T die Zuweisung zur Treatment- oder Control-Gruppe ist.

Datenvoraussetzung ist eine gültige Kausalidentifikation. Der Standardfall ist ein randomisiertes Experiment: Eine Zielgruppe wird zufällig in Treatment- und Control-Gruppe aufgeteilt, beide werden nach dem gleichen Beobachtungsfenster bewertet, die Modelle lernen den bedingten Effekt der Behandlung. Bei Beobachtungsdaten ohne Randomisierung wird die Zuweisung über Propensity Score Weighting, Matching oder Instrumental-Variables-Ansätze kontrolliert; die Ergebnisse tragen dann die üblichen Kausalitäts-Vorbehalte. Ohne Kontrollgruppe ist der Uplift nicht schätzbar. Das ist der Punkt, an dem viele Marketing-Vorhaben scheitern: Historie liefert Reagierer und Nicht-Reagierer, aber keine Antwort auf die Frage, was ohne die Kampagne passiert wäre.

Aus der Kreuztabelle (Verhalten mit Behandlung × Verhalten ohne Behandlung) ergeben sich vier Verhaltens-Segmente:

Nur die Persuadables tragen den Kampagnen-Nutzen. Sure Things und Lost Causes verursachen Kosten ohne Zusatzeffekt; Do-Not-Disturbs (auch Sleeping Dogs genannt) machen die Kampagne durch die Behandlung schlechter, indem die Behandlung Widerstand triggert. Kein Segment ist beobachtbar. Das Uplift-Modell schätzt die Segment-Zugehörigkeit über die Merkmalsverteilung; die individuelle Zuordnung bleibt eine bedingte Wahrscheinlichkeit.

Drei Verfahrens-Klassen dominieren. Der Two-Model-Ansatz trainiert getrennte Modelle für Treatment- und Control-Gruppe (T-Learner) oder ein einzelnes Modell mit der Behandlungs-Indikatorvariable als Feature (S-Learner); der Uplift-Score ist die Differenz der Vorhersagen. Einfach umzusetzen, tendiert zu Rauschen, weil die Differenz kleiner Wahrscheinlichkeiten stark verstärkt wird. Die Class Transformation (Lai-Transformation, Jaskowski's Class Variable Transformation) bildet ein neues Ziellabel z, das direkt proportional zum Uplift ist; damit lassen sich Standard-Klassifikatoren einsetzen, das Verfahren ist rauscharm bei balancierten Split-Größen. Direct Uplift Models modellieren τ(x) direkt: X-Learner (Künzel et al., 2019) nutzt Cross-Estimation gegen die kleinere Gruppe, R-Learner (Nie & Wager, 2021) minimiert einen robusten Uplift-Loss, Causal Trees und Causal Forests (Athey & Imbens, 2016) partitionieren den Feature-Raum entlang heterogener Effekte. Standard-Bibliotheken sind CausalML (Uber), EconML (Microsoft) und DoWhy (PyWhy).

Die Evaluation braucht eigene Metriken. Klassische Klassifikations-Kennzahlen wie AUC oder Precision sind irreführend, weil der individuelle Ground-Truth-Uplift nicht beobachtbar ist: Jede Einheit ist entweder behandelt oder unbehandelt, nie beides. Standard sind gruppen-basierte Kurven: die Qini-Kurve trägt die kumulierte inkrementelle Response gegen den Anteil der nach Uplift sortierten Grundgesamtheit ab, der Qini-Coefficient fasst die Fläche als skalare Kennzahl zusammen. Cumulative-Gain- und Uplift-by-Decile-Auswertungen zeigen, welche Perzentile den positiven Beitrag tragen und wo negative Uplift-Segmente sitzen.

Historisch geht der Begriff Uplift Modeling auf Radcliffe und Surry (1999) zurück. Der klassische Anwendungsfall war die Retention-Kampagne im Telko-Sektor: teure Behandlung (Retention-Gutschein, Vertriebs-Anruf), hoher Streuverlust an Sure Things, Kampagnen-ROI negativ trotz positiver Response-Statistik. Die Zerlegung des aggregierten Effekts in Verhaltens-Segmente machte den Business Case rechenbar.

Abgrenzung: Propensity Score, A/B-Test, Response Modeling, Recommendation Systems

Uplift Modeling wird häufig mit Nachbar-Verfahren vermischt. Die vier zentralen Abgrenzungen:

Am häufigsten überschneidet sich Uplift Modeling mit dem Propensity Score. Beide sind Wahrscheinlichkeits-Modelle, beide steuern Kampagnen, beide entstehen aus überwachten Verfahren. Der Unterschied liegt im Zielsignal: Propensity misst das Ereignis, Uplift die kausale Änderung des Ereignisses durch eine Behandlung. Für Kampagnen mit geringen Kosten pro Kontakt (Newsletter, In-App-Message) reicht meist Propensity. Für kostenintensive Interventionen (Rabatt, Vertriebskontakt, Retention-Gutschein) verschiebt Uplift die Priorität weg von den Sure Things hin zu den Persuadables und rettet häufig den Business Case.

Der Bezug zum Scoring-Modell verläuft anders: Uplift Score ist ein spezielles Scoring-Modell (Score = geschätzter τ(x)), unterscheidet sich aber grundlegend in Zielgröße (Wirkung statt Wahrscheinlichkeit) und Datenanforderung (A/B-Test-Daten statt reine Historie). Kreditscore, RFM-Score und Bonitätsscore sind ebenfalls Scoring-Modelle, aber keine Uplift-Modelle.

Beispiel: Retention-Kampagne im Telko-Bestand

Ein Telekommunikationsanbieter mit rund drei Millionen Postpaid-Kunden plant eine Retention-Kampagne mit einer Guthaben-Gutschrift von 30 € für kündigungsgefährdete Kunden. Der Pilot mit 200.000 Kunden wird randomisiert aufgeteilt: 100.000 Kunden bekommen die Gutschrift (Treatment), 100.000 Kunden werden nicht angesprochen (Control). Nach 60 Tagen wird für beide Gruppen die Kündigungsrate erhoben.

Auf den Pilot-Daten wird ein X-Learner trainiert. Features: Tarif, Vertragslaufzeit, Nutzungsprofil (Sprache, Daten, Roaming), Beschwerde-Historie, Payment-Verhalten, Alter des Vertrags. Zielgröße Y ist Kündigung ja/nein im 60-Tage-Fenster, Behandlungs-Indikator T ist die Zuweisung zur Treatment-Gruppe. Das Modell schätzt für jeden Kunden τ(x), also die Differenz der Kündigungswahrscheinlichkeit mit und ohne Gutschrift.

Die Auswertung nach Uplift-Quintilen zeigt heterogene Effekte:

Das oberste Quintil trägt den Effekt: 4,1 Prozentpunkte weniger Kündigungen mit Gutschrift. Das mittlere Quintil ist ohnehin loyal, die Gutschrift verpufft. Das unterste Quintil zeigt einen negativen Effekt: Die Gutschrift scheint den Aufmerksamkeitseffekt „warum bekomme ich ein Retention-Angebot?" zu triggern und die Kündigung zu beschleunigen. Der Roll-out adressiert daher nur die oberen zwei Quintile, spart 60 Prozent des Kampagnenbudgets und erzielt einen um Faktor 2,3 höheren inkrementellen Retention-Effekt gegenüber einer Priorisierung nach reinem Churn-Propensity-Score.

Vergleichbare Architekturen finden sich im E-Commerce (Rabatt-Coupons, Free-Shipping-Angebote), in Banken (Cross-Sell auf Bestandskunden), in Versicherungen (Wechsler-Rückholung), in der Gesundheitsversorgung (Präventions-Interventionen) und in politischen Kampagnen (Get-Out-The-Vote-Ansprache). Die Datenvoraussetzung bleibt in jedem Fall dieselbe: randomisierte Behandlung oder eine belastbare Kausalidentifikation aus Beobachtungsdaten.