Global readout, a real target/suppress segment decision rule, cost-adjusted rollout policy, and a T-learner uplift model — real output from the source Python pipeline on the public Hillstrom dataset.
跨境电商 CRM 实验
全局读数、分层 target/suppress 决策规则、成本调整上线策略、T-learner uplift 模型——真实跑通源项目 Python 流水线的结果（Hillstrom 公开数据集）。
核心问题
促销邮件是否真的带来增量转化和 GMV？如果有效，应该发给所有人、按规则分层，还是按模型分数只发给最容易被说服的人？
促销组转化提升
0.68%
类目 A 促销组 vs 不触达 holdout 组
每用户增量 GMV
$0.770
促销触达带来的人均增量收入
每 10 万用户增量收入
$77,000
相对 holdout 的可量化增量价值
| 实验组 | 用户数 | 访问率 | 转化率 | 人均消费 |
|---|---|---|---|---|
| 无触达（对照组） | 21,306 | 10.62% | 0.57% | $0.653 |
| 类目 A 促销邮件 | 21,307 | 18.28% | 1.25% | $1.423 |
| 类目 B 促销邮件 | 21,387 | 15.14% | 0.88% | $1.077 |
样本量 ~2.1 万/组；类目 A vs 对照组的转化差异用双比例 z 检验，p < 0.001，具有统计显著性。
指标口径