前面聊过，uplift是贝叶斯学派因果推断的方法。他希望通过科学的方法来改进营销的效果。核心思想是对增量建模。希望营销费用花在能带来增量结果的刀刃上。
去年春天的时候，我也详细读了朱迪·珀尔的《为什么：关于因果关系的新科学》
接下来我谈谈这个学术界的因果推断方法在工业界会遇到的挑战。
第一大挑战：营销人群范围收窄。
如果从用户生命周期管理的角度来看，整个卖场的买家大概有以下几类：
第一类：小白。他们来闲逛了几次，但没有购买意向。或才开始购买。
第二类：营销敏感。这些买家已经来平台买过东西。一旦有优惠券就会来消费。
第三类：左右摇摆。这些买家会比较各平台的产品。哪个平台好就在哪里下单。
第四类：忠实粉丝。通过不断互动，已经非常信任平台的产品。为了节约时间精力，一旦有需求就固定在平台上购买东西。
第五类：小黑屋。因为被平台产品伤害过，已经开始流失了。
如果再细分，忠实VIP用户还可以划分等级。
如果从用户运营的角度来看uplift，那么他经营的范围太窄，他主要对营销敏感人群下手。但真正操盘一家平台的智能营销，他是希望忠实粉丝周边的人都往自己靠拢，同时，忠实粉丝的等级也发生跃迁。
第二大挑战：广告的延迟反馈。
传统广告市场上，一开始都是按曝光售卖的。电商广告开始有按点击量售卖，后来的移动互联网广告市场甚至有按转化售卖。但时至今日，facebook的广告仍然按曝光位收费的居多。虽然会有一个转化效果反馈，但那个只是参考。例如一家电商公司在facebook上挂广告商品，如果用户通过广告banner点击进去后，一个月内有消费，则认为是facebook上带来的单量。
这里面有一个核心逻辑是：广告的本质需求是广而告之。例如电梯里的分众传媒广告，压根没有转化途径，但很多广告主都会投钱买牌位。人们经常看到的产品营销广告，慢慢进人心，一旦要做出选择的时候，人都是在自己认知范围内做选择，他们就会考虑之前看到过的产品。
因此，你如果有了这个基础逻辑，你会知道，广告和转化之间并不存在可以定量计算出的因果关系，更多的是一种渗透。一种统计概率，如果看到了两个相同产品的广告，只是有一定概率买其中一个产品。其次，广告的反馈时间是非常长的。不具备建立因果推断的逻辑条件。
第三大挑战：智能营销的目的是改变消费习惯。
智能营销，增量转化只是业务目标的一个小点，如果按100分满分计算，也许就占10分吧。拼多多平台上买苹果电脑补贴大战的时候，业务的操盘手肯定是希望从京东和淘宝上抢用户的，他希望改变用户的消费习惯，构建平台用户心智。
用户的习惯是很难培育的，一旦形成又很难改变。
去哪儿网CC庄曾经谈到补贴大战，核心指标是一次补贴大战后，有多少用户能沉淀到平台上，就是这个逻辑。
一场大促，我们希望小白能下单，希望敏感人群大消费，希望摇摆买家改变消费习惯，希望小黑屋的用户能回心转意，希望忠实粉丝消费跃迁，平台上的每个用户我们都希望能拿到收益。他只有消费1000元的计划，我们希望构建消费气氛+营销券刺激凑单，达到消费2000元的效果。
这就是智能营销的目的。这跟uplift的因果推断方法是不匹配的。
智能营销的核心并不是花的钱是不是只吃存量没有增量，他希望的是引爆销量。
如果说我是刚需买家，你就不给我发券了。我觉得平台是不够意思的。