请确保两个要素之间没有线性相关。那将是删除功能的好用例。无论北京香油包装设计公司是否对解释系数感兴趣，都可以肯定一件事：您需要从内部专家那里收集见识。尽管有普遍的看法，但是倾向建模并不能减少对业务和营销专业知识的需求。因此，请聚集一个充满领域专家的会议室：电子邮件营销人员，转换优化人员，数据科学家，财务专家，CRM专家…… -具有相关业务敏锐度的任何人。

北京香油包装设计公司有许多数学方法来决定选择哪些功能，但是它们不能代替人类的知识和经验。无论您对准确性有多自信，都可以进行实验。可能是您尚未考虑的因素。或者，例如，该模型可能会意外地针对数量（例如，会话到潜在客户的转化率）进行优化，而不考虑对质量的影响（例如，潜在客户到客户的转化率，保留率等），使用实验来验证倾向模型至关重要。它使您高枕无忧。

同样，倾向建模是优化器可以使用的工具，而不是替代工具，无法全面理解实验和优化。充分利用开放回归的优势 —深入了解并确保所看到的数据在运行之前是有意义的。我知道我知道。北京香油包装设计公司不需要再进行有关因果关系不是因果关系的讲座。但是，通过倾向模型，很容易看到因果关系不存在的地方。

在回归模型中，您不能假定要素与尝试预测的变量具有因果关系。可以轻松查看模型，例如，可以看到在试用期间下载X应用程序可以很好地表明潜在客户将转化为客户。但是，绝对没有证据表明在试用期间增加更多的应用下载量将使任何人更有可能转化为客户。

另一个重要的警告词：不要用倾向得分代替您的（非常有价值的）优化知识。倾向建模与其他工具一样，不会告诉您如何进行优化。当您打开北京香油包装设计公司或启动Adobe Analytics仪表板时，洞察力不会落到屏幕上，也不会落到您的腿上。您可以使用自己的经验，知识和直觉来挖掘这些见解。例如，您可能知道，由于您的倾向模型，客户很可能流失。但是，您花费在防止客户流失上的价值是否高于该客户的生命周期价值？您的模型无法回答这个问题，它不能代替批判性思维。