做营销时，短信、优惠券和推荐位都能开关。干预一多，组合数就会迅速膨胀：k 种干预有 2^k 种搭配，很多搭配在真实数据里几乎没出现，逐个估算效果既繁琐，也未必可靠。
这篇论文提出“向量增量效应”：不问“让所有人都采用某个固定组合会怎样”，而是分别把每种干预原有的采用赔率调高或调低，再估算结果变化。难点是，只规定各项干预的新概率，无法唯一确定它们如何共同出现。作者因此从所有符合要求的联合分布中，选出与原始数据差异最小的一个，并保留原本没有出现的组合仍不出现。论文给出的双干预示例中，前向 KL 散度——衡量两个概率分布差异的一种方式——能完整保留原有的强关联；若直接假定两项干预彼此独立，这种关联会被抹掉。
这让问题更接近真实决策：小幅调整多项策略，而不是凭空把所有人切到同一套餐。作者还将方法用于六项医疗照护流程；其估计显示，提高推荐照护的赔率与总费用、住院费用和心理健康费用下降相关，但门诊费用上升。