استفاده از یادگیری ماشین برای پیش‌بینی موفقیت کمپین‌های بازاریابی بانکی با رویکرد استکینگ می‌تواند ابزار مؤثری برای تصمیم‌گیری پیش از تماس با مشتریان باشد. هرچند ویژگی مدت‌زمان تماس یکی از مؤثرترین عوامل در پیش‌بینی است، اما ازآنجاکه فقط پس از تماس در دسترس قرار می‌گیرد، کاربرد عملی محدودی دارد. حذف این ویژگی باعث کاهش نسبی عملکرد مدل‌ها می‌شود، اما نتایج نشان می‌دهد که ترکیب مدل‌ها در قالب استکینگ، دقت و قابلیت اطمینان پیش‌بینی را تا حد زیادی حفظ می‌کند و همچنان برای انتخاب هدفمند مشتریان اثربخش است.
