9-4 电商场景下的有效干预策略实践 - 吴梓华 ⼤淘宝⽤户增⻓ 数据科学

电商场景下的有效干预策略实践

如何满足用户的需求：平台能力与用户需求的匹配

• 增量运营：通过了解用户需求，改进或创造产品以满足需求。
• 增效运营：基于平台能力，寻找目标用户群体。
• 策略公式：干预手段 + 目标用户。
• 平台与用户互动模型：用户推动平台，平台进行干预，用户响应。
• 案例：淘宝长辈版。

复购货品的筛选与时机预测

• 目标：在合适时机推荐合适商品，提升复购率。
• 关键指标：
  • 复购可能性：预测用户是否会复购。
  • 复购时机：推断用户复购时间的分布规律。
• 方法：
  • 使用常见分布拟合平均购买间隔分布，建立购买间隔时间与购买概率的映射关系。
  • 对购买次数超过N次的用户，利用泊松-伽马分布拟合个体购买间隔分布。
• 最终结果：
  • 人群圈选：筛选有复购可能的用户。
  • 货品召回：圈选复购货品底池，通过精排加权提升效果。
  • 效果：在种草、成交类指标均有显著提升。

干预因子增量的衡量：基于观察数据估算用户的增量

• 目标：评估用户进行某种行为（如访问场景）是否能提升未来来访率。
• 方法：
  • 使用倾向得分匹配（PSM）构建虚拟同质对照组。
  • 步骤：
    1. 特征构建：选择同时影响干预与结果的特征。
    2. 倾向得分计算：预测受干预概率。
    3. 匹配：采用Caliper NNMatching+精确匹配。
    4. 检验匹配质量：标准化偏差+平行趋势假设。
  • 增量计算：通过双重差分法对比前后差值，计算一段时间内的均值以避免波动干扰。
• 应用：计算子人群在浏览不同场景后的访问增量。
• 结果：
  • 场景引导干预：参考场景偏好、场景承接效率、留存增量等信息。
  • 下钻分析：
    1. 识别具体场景对访问量的影响（如访问淘宝直播后对达人页访问增加）。
    2. 分析场景对类目购买的影响（如访问斗地主后对门票类成交率下降）。
• 人群异质性（HTE）问题：
  • 混淆变量不完整：通过敏感性分析进行区间估计。
  • 结果有偏：支撑集小导致ATT vs. ATE差异。

个体干预增量的预估：对ITE的预测

• 目标：人群精细化运营。
• 流程：
  1. 数据收集：随机实验或观察性数据，先做匹配。
  2. 特征筛选：使用Bin-BasedFilterMethod进行分箱和散度计算。
  3. 建模：采用S/T/X-Learner、UpliftRF、TarNet等方法。
  4. 阈值确定：基于累计增益图/预算确定。
  5. 效果回收：分析空桶、随机发放桶、算法排序桶。
• 人群精细化运营步骤：
  1. 人群粗分层。
  2. 确定适用策略。
  3. 提炼策略。
  4. 人群圈选。
  5. 实验验证。