01业务背景
业务介绍：在有限预算情况下，最大化全渠道用户支付转化率。目标与挑战：多渠道场景下合理分配预算以实现全渠道收益最大化；将预算转化为优惠券收益最大化；优惠券如何分发给用户使得整体收益最大化。
02业务建模
整体方案：基于渠道协同的预算分配与权益管理。
I.基于渠道效能饱和度的预算分配
- 渠道效能饱和度定义：使各业务属性渠道可在同一标准下进行比较，定义第i个渠道的效能饱和度（lfit反馈模型）。
- 预算分配建模：将渠道间预算分配抽象为条件约束下的最优化问题，求解连续和离散情况下的最优解，采用primal-dual求解思想转换对偶问题进行求解。
II.基于权益影响力的权益设计
- 优惠券核心属性：券门槛、券面额。
- 权益影响力：选取影响力最大的单券或券组进行设计，影响力计算考虑用户客单价分布占比（p!）、前向影响因子（β）和后向影响因子（α）。
- 单券/券组影响力公式：分别给出计算公式。
III.基于Uplift的动态权益分配
-
目标：利用算法实现以人为中心的精准营销投放，最大化预算带来的业务收益。
-
关键挑战：找到最有可能被权益影响的用户群体（权益敏感人群），决策是否发券及发何种券。
-
用户生命周期价值建模（DCN+QR）：基于用户过去的稀疏行为识别未来的购买意图。
-
用户意图识别建模（DIPN）：基于用户过去时间段的行为特征，用XGBM+DCN预测未来GMV，采用分位数回归增加模型鲁棒性。
-
权益敏感度建模（Uplift）：
- Uplift模型：增量模型，预测/估计某种干预对个体状态/行为的因果效应（ITE）。
- 形式化：定义Y（潜在结果）、X（用户特征）、T（干预指标）。
- UpliftModel与传统ResponseModel差异：ResponseModel预测领取优惠券后购买概率（相关性），UpliftModel预测因领取优惠券而发生购买概率（因果性）。
- 挑战：数据不完整/反事实，理论依据：当CIA假设成立时，条件平均因果效益CA TE计算公式。
- 实验机制：随机化实验（A/BTest）量化平均因果效应。
-
Uplift增益建模：
- TwoModel形式化：定义lfitX!=P(Y!=1|X!,T!=1)−P(Y!=1|X!,T!=0)。
- 优点：原理简单，直接套用现有模型。
- 缺点：双模型误差积累，非直接建模uplift，易忽略微弱信号。
- OneModel形式化：通过标签转换直接套用现有模型。
- 优点：直接套用现有模型，训练数据共享，模型学习更充分。
- 缺点：基础模型仍是ResponseModel，对uplift建模间接。
-
动态资源分配：
- Offline模型：MCKP分组背包。
- Online模型：动态资源分配，解决OfflineModel的部分问题：
- OfflineModel最优解与线上实时情况存在差异。
- 无法有效控制优惠券发放速率。
- 无法使用线上实时特征。
- 目标：在总营销预算B约束下，业务目标最大化，公式涉及优惠券i、用户u、增量价值p!"。
- 求解：基于primal-dual的求解思想，将上式转换为对偶问题进行求解。
03业务应用
淘工厂直营渠道权益分配，具体场景未展开。
04工作展望
未来工作方向：
I.预算分配：精准刻画渠道效能饱和度，适应渠道多阶段变化，量化多类权益渠道效能饱和度。
II.权益分配：多类权益理解与分发，如优惠券/红包/折扣/购物金等。
III.会员权益体系设计搭建与管理。
IV.欢迎同道中人/兴趣爱好者交流探讨。
