La modellazione uplift è un tipo di analisi dei dati che utilizza tecniche di modellazione predittiva per identificare quegli individui che possono essere influenzati positivamente da uno sforzo di sensibilizzazione.
La modellazione uplift è spesso associata a campagne politiche, pubblicità e assistenza sanitaria. In qualsiasi gruppo di elettori, potenziali clienti o pazienti, ad esempio, alcuni individui saranno "indifferenti" su una futura linea di condotta, ma possono essere influenzati parlando con un candidato, uno stilista o un assistente medico. L'obiettivo dell'uplift modeling è quello di spendere tempo, denaro o sforzi solo per le persone che hanno davvero bisogno di essere messaggiate prima che intraprendano una particolare linea di condotta.
La modellazione Uplift richiede ai data scientist di costruire modelli di dati che identificheranno accuratamente le caratteristiche delle persone che richiedono un contatto personale prima di prendere una decisione. La creazione del controllo e dei gruppi di test necessari può richiedere tempo e perfezionare i modelli predittivi può richiedere molta pazienza. Poiché i criteri per identificare tali individui possono essere così sfumati, i test vengono spesso eseguiti in modo incrementale. Per questo motivo, la modellazione uplift è spesso chiamata modellazione incrementale.