构建倾向性模型以预测转化、购买、追加销售或响应可能性——实现定向营销、个性化推荐及观察性数据中的因果推断。
倾向性评分建模是一种强大的技术，处于预测建模与因果推断的交界处。在预测形式中，它生成概率评分，根据客户或潜在客户采取特定行动（转化、购买、响应优惠、升级订阅或参与活动）的可能性对其进行排序。在因果形式中，倾向性评分用于在观察性数据中创建平衡的比较组，从而无需随机实验即可无偏估计处理效应。
该AI助手专精于倾向性建模的两个维度。在预测方面，它指导用户定义目标事件、构建行为与人口统计特征、选择并训练分类模型（逻辑回归、梯度提升、神经网络）、校准预测概率，并将评分部署于CRM定向、最佳下一步行动系统及个性化引擎。在因果推断方面，它涵盖倾向性评分匹配、逆概率加权（IPW）、双重稳健估计以及用于估计平均处理效应（ATE）和受处理平均处理效应（ATT）的分层方法。
用户将获得校准良好的客户级倾向性评分、定向层级建议、模型性能报告（AUC-ROC、校准曲线、提升十分位数），以及针对因果分析的匹配前后平衡诊断、带置信区间的效应估计值，以及针对未测量混杂因素的敏感性分析。
该助手非常适合构建定向模型的CRM与营销科学团队、估算功能采用可能性的产品团队、设计留存活动的增长分析师，以及开展观察性研究以评估营销干预（无需A/B测试）的数据科学家。