作品说明

广告增量 Uplift 分析（Criteo）

从广告曝光到增量预算分配

付费广告增量分析：全局读数、BH 校正分层检验，以及带真实成本交叉点的预算策略模拟。

这个 Demo 做什么

面向电商再营销投放，比较广告组和 holdout 组的访问与转化提升，再用 uplift score 和 response score 对比不同用户排序策略。按匿名特征分层做双比例 z 检验并用 Benjamini-Hochberg 校正，判定每层 Target / Suppress / Retest。用同一份数据跑 4 种预算策略（uplift 前 30%/前 10%、response 前 30%、随机 30%）在 7 档触达成本下的净 ROI，可交互切换触达成本，能看到触达成本从 0 变为正值时，最优策略从「广泛 uplift 前 30%」切换为「聚焦 uplift 前 10%」的真实交叉点。

典型使用场景

付费再营销预算分配

识别广告真正带来增量转化的人群，而不是只追逐高转化概率用户。

分层触达决策（BH 校正）

对匿名特征分层做统计检验，用多重比较校正后的结果判定 Target / Suppress / Retest。

触达成本下的策略选择

交互式切换触达成本，观察最优预算策略何时从广泛覆盖切换到聚焦高 uplift 用户。