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。