增量（Uplift）模型的关键挑战在于找到最有可能被干预行为积极影响的用户，即干预敏感人群。以营销场景为例，典型的Uplift模型是估计用户因为广告营销活动而购买产品的转化概率。追光实验室团队针对Uplift建模中常用的树形模型，利用自身特色算法技术进行优化，开发相应算法工具包，将其应用在零售信贷产品营销的场景，突出模型的业务可解释性，并取得明显优于传统Uplift算法的效果。