Возможный ответ до ужаса очевиден: сделать бизнес метрику функцией от того, что вы предсказываете!
На эту тему есть прекрасное выступление про "умную ленту vk": попроще и посложнее с causal inference
Я расскажу про алгоритм попроще. В дальнейшем некоторые моменты я буду упрощать для наглядности. Например, заменю гауссовские процессы, на линейную регрессию
1. Представим, что вы можете предсказывать вероятность N действий пользователя p(x_i), x_i = {просмотр, покупка, лайк, выход из приложения,...} .
2. При этом ваша целевая метрика y_i = длина сессии.
3. Тогда можно построить линейную регрессию:
y_i = alpha_1*p(x_1) + alpha_2*p(x_2) +...
После оценки её параметров alpha_i, вы можете легко получать прогноз бизнес метрики, исходя из прогнозов вероятностей действий пользователя p(х_i)!
Вопрос только в том, как собрать обучающую выборку?
На эту тему есть прекрасное выступление про "умную ленту vk": попроще и посложнее с causal inference
Я расскажу про алгоритм попроще. В дальнейшем некоторые моменты я буду упрощать для наглядности. Например, заменю гауссовские процессы, на линейную регрессию
1. Представим, что вы можете предсказывать вероятность N действий пользователя p(x_i), x_i = {просмотр, покупка, лайк, выход из приложения,...} .
2. При этом ваша целевая метрика y_i = длина сессии.
3. Тогда можно построить линейную регрессию:
y_i = alpha_1*p(x_1) + alpha_2*p(x_2) +...
После оценки её параметров alpha_i, вы можете легко получать прогноз бизнес метрики, исходя из прогнозов вероятностей действий пользователя p(х_i)!
Вопрос только в том, как собрать обучающую выборку?