Causal Impact Analysis 활용한 고객 가치 분석 - Uber

Causal Impact Analysis - CeViChE

작성자: 허현
원문: KDD 2021 Slide

CeViChE란?

Customer Value Changing Events의 줄임말

세비체라고 하는 날생선 샐러드에 끼워 맞추려고 노력한 모습 (~~트렌드코리아 김난도 교수님한테 작명교육 좀 받아야 할 것 같음~~)

관측 데이터로 특정 이벤트를 통해 어떻게 고객의 가치가 변했는지/얼마나 효과 있었는지 추정하기 위한 방법론입니다.

사용하는 이유

실험이 아닌 관측 데이터로 인과성을 측정할 수 있습니다.

실험과 달리 시간이 이대로 흘렀다면 이러했을 것이다에 기반하는 방식
비싸지 않다 (실험과 달리 비용 없음)
(데이터와 실험디자인에 따라서) 외적 타당성을 가짐
행동적 걱정이 적다 (실험은 어떤 효과를 어떤 실험 설계를 통해 검증할 것인지 미리 생각할 게 많은 반면, 관측 데이터를 가공하면 다양한 피쳐를 원하는대로 만들 수 있기 때문)

A/B 테스트가 어려울 때, 실패할 때 사용되는 접근법을 일반화 한 것

A/B 테스트가 어려운 상황들

크로스셀링, 업셀링
몰입 감소
로열티 프로그램
브랜드 효과
마케팅 캠페인

경고: SOTA 인과추론 방법론을 썼지만 실험데이터가 아닌 관측데이터이기 때문에 인과성을 보장하는 것은 아님

CeViChE 프레임워크

준비 - 성향점수 - 매칭 - 추론 - 검증 과정

세부 과정에서 다양한 방법론을 사용할 수 있으나 층화 PSM, Meta Learner, 민감도 분석을 사용하는 것으로 정형화 됨

준비

cohort preference, 피쳐 모음, 피쳐 엔지니어링을 진행
- cohort preference : 어떤 시점에 대해 분석을 할지, 어떤 사람들을 대상(통제집단, 실험집단)으로 할지 등에 대한 선택 과정
숨겨진 confounder가 있을 수 있기 때문에 편향을 없애기 위해 최대한 피쳐 리스트들을 포괄하려 함

성향점수

숨겨진 confounder가 있을 수 있어 되도록 많은 피쳐를 사용하는데 피쳐가 많기 때문에 로지스틱 회귀 대신 elasticnetpropensitymodel을 사용
로지스틱 회귀에 elasticnet 쓴 것으로 추정됨 (github엔 pass로 코드 생략되었음)
머신러닝 예측모델 만들 때처럼 train 데이터셋이 따로 있음
treatment와 control 그룹의 피쳐 분포를 비교해 최적의 매치를 찾게 함
- 예측한 성향점수 값을 pihat으로 부르는데(예측하는 값이니까) pihat과 caliper의 범위를 조절하면서 최적의 매치를 찾음
층화 성향점수를 match_by_group 기능을 써서 그룹 내에서 성향점수 구하게 할 수도 있음
- 일반적으로는 층화를 상위 20%, 40%, 60%, 80%, 100%와 같이 백분위로 쪼갬

매칭할 때 SMD(Standard Mean Difference)를 많이 봄

그룹 내 수치 차이의 평균 / 참가자의 표준 편차

def smd(feature, treatment):
    """Calculate the standard mean difference (SMD) of a feature between the
    treatment and control groups.
    The definition is available at
    https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3144483/#s11title
    Args:
        feature (pandas.Series): a column of a feature to calculate SMD for
        treatment (pandas.Series): a column that indicate whether a row is in
                                   the treatment group or not
    Returns:
        (float): The SMD of the feature
    """
    t = feature[treatment == 1]
    c = feature[treatment == 0]
    return (t.mean() - c.mean()) / np.sqrt(.5 * (t.var() + c.var()))