Ottimizzazione di campagne di marketing tramite metodologie statistiche causali

La trattazione ha lo scopo di adattare i modelli causali di uplift a campagne di marketing automatizzate. Tali metodologie mirano a prevedere l'impatto del trattamento, ovvero della campagna di marketing, sul comportamento delle persone, identificando i gruppi di clienti che risponderanno positivamente ad un messaggio di marketing, separando quindi i soggetti non contattati che compieranno un'azione a cui l'azienda è interessata, come l'acquisto di un prodotto o la sottoscrizione di un servizio, da quelli che la effettueranno solo se contattati, oltre a evitare i clienti che non la effettueranno nemmeno se ricevono il trattamento. I modelli di uplift si contrappongono così ai modelli di risposta tradizionali, i quali definiscono una lista di persone che più probabilmente compieranno l'azione, non considerando però l'impatto del trattamento sul comportamento del soggetto e di conseguenza non riuscendo ad identificare i clienti che ad esempio acquistano il prodotto, anche se non vengono contattati, da quelli che acquistano solo se contattati. La tesi quindi si concentrerà sui metodi che, servendosi di un gruppo di controllo e di trattamento, vanno a scomporre la stima dell'effetto della campagna in diversi problemi di regressione che possono essere affrontati con qualsiasi modello statistico.