因果机器学习如何助力营销策略：评估并改进优惠券活动的效果

我们应用因果机器学习（causal machine learning）算法来评估一项营销干预（即优惠券活动）对零售商销售额的因果效应。除了评估不同类型优惠券的平均影响外，我们还研究了因果效应在不同客户子群体间的异质性，例如相对较高与较低先验购买量的客户之间。最后，我们使用最优策略学习（optimal policy learning）以数据驱动的方式确定应针对哪些客户群体投放优惠券活动，以在销售额方面最大化营销干预的有效性。我们发现，在所考察的五种优惠券类别中，仅有两个类别（即可用于药妆商品和其他食品产品类别的优惠券）对零售商销售额具有统计显著的正向影响。对组平均处理效应（group average treatment effects）的评估揭示了优惠券发放在不同客户群体间的显著影响差异，尤其是按门店先验购买量定义的客户群体之间：药妆优惠券在高先验购买量客户中尤为有效，而其他食品优惠券在低先验购买量客户中更为有效。我们的研究为在商业分析中应用因果机器学习评估特定企业政策（如营销活动）的因果影响以支持决策提供了一个用例。