Geschäftskontext
Ein Einzelhandelsunternehmen möchte die Auswirkung einer neuen Werbeaktion auf die Kaufwahrscheinlichkeit von Kunden bewerten. Sie verwenden ein zuvor trainiertes BART-Modell, das die Kaufwahrscheinlichkeit basierend auf Kundendemografie und Kaufhistorie vorhersagt. Dieser Test simuliert zwei Szenarien: eines mit der Werbeaktion (promo_flag = 1) und eines ohne (promo_flag = 0), um den 'Lift' zu messen und die Kredibilitätsintervalle mit einem spezifischen Alpha-Wert zu bewerten.
Datenaufbereitung
Erstellung einer Scoring-Tabelle mit Kundendaten, einschließlich demografischer Informationen und eines Flags für die Werbeaktion. Diese Tabelle wird verwendet, um die Auswirkungen der Aktion zu bewerten.
Kopiert!
| 1 | DATA mycas.score_kunden; |
| 2 | INPUT kunden_id alter einkommen letzter_kauf_monate; |
| 3 | /* promo_flag wird im Scoring-Schritt simuliert */ |
| 4 | CARDS; |
| 5 | 101 34 55000 3 |
| 6 | 102 45 80000 1 |
| 7 | 103 28 42000 12 |
| 8 | 104 52 110000 2 |
| 9 | 105 61 60000 6 |
| 10 | ; |
| 11 | RUN; |
Étapes de réalisation
1
Annahme: Ein BART-Modell wurde bereits trainiert (z.B. mit bartGauss) und als 'mycas.kauf_modell' gespeichert. Die trainierten Variablen waren 'alter', 'einkommen', 'letzter_kauf_monate' und 'promo_flag'.
Kopiert!
| 1 | /* Kein Code auszuführen, dies ist eine Voraussetzung für den Test */ |
2
Ausführen der bartScoreMargin-Aktion, um zwei Margen (mit/ohne Promo) und deren Differenz mit einem Alpha von 0.10 zu berechnen.
Kopiert!
| 1 | PROC CAS; |
| 2 | bart.bartScoreMargin / |
| 3 | TABLE={name='score_kunden'}, |
| 4 | model={name='kauf_modell'}, |
| 5 | alpha=0.10, |
| 6 | margins={ |
| 7 | {name='Margin_Mit_Promo', at={{var='promo_flag', value=1}}}, |
| 8 | {name='Margin_Ohne_Promo', at={{var='promo_flag', value=0}}} |
| 9 | }, |
| 10 | differences={{name='promo_lift', evtMargin='Margin_Mit_Promo', refMargin='Margin_Ohne_Promo'}}, |
| 11 | display={'Margins', 'Differences'}, |
| 12 | casOut={name='promo_ergebnisse', replace=true}; |
| 13 | RUN; |
| 14 | QUIT; |
Erwartetes Ergebnis
Die Aktion erzeugt eine 'Differences'-Tabelle, die den durchschnittlichen Anstieg (Lift) der Kaufwahrscheinlichkeit durch die Werbeaktion anzeigt. Das Kredibilitätsintervall für diese Differenz wird auf einem 90%-Niveau (alpha=0.10) berechnet. Die 'casOut'-Tabelle 'promo_ergebnisse' enthält die detaillierten prädiktiven Margen für jeden Kunden unter beiden Szenarien.