整体空间级联延迟反馈建模对于有效转化率预测
摘要：有效转化率（ECVR）预测在大规模电子商务平台中是一项重要任务。然而，在在线购物系统中，转化后经常发生退款行为，这促使我们关注建立更健康的购物服务。本文将没有任何后续退款的商品购买概率定义为有效转化率（ECVR）。ECVR预测的一个简单范式是将其分解为两个子任务：转化率（CVR）预测和转化后退款率（RFR）预测。然而，RFR预测面临数据稀疏性（DS）和样本选择偏差（SSB）问题，因为退款行为只在用户购买后才可得到。此外，转化和退款事件都存在延迟反馈，它们是顺序依赖的，称为级联延迟反馈（CDF），这对于模型训练的数据新鲜度造成了严重影响。以往的研究主要集中在解决单个事件的DS、SSB或延迟反馈问题。为了共同解决ECVR预测中的这些问题，我们提出了一种整体空间级联延迟反馈建模（ECAD）方法。具体而言，ECAD通过构建包括CVR预测和转化与退款率（CVRFR）预测的两个任务来处理DS和SSB，采用整体空间建模框架。此外，它还精心安排辅助任务，利用数据中的转化和退款时间来缓解CDF。离线工业数据集和在线A/B测试的实验结果表明ECAD的有效性。此外，ECAD已在阿里巴巴的一个推荐系统中部署，在ECVR方面做出了显著改进。
作者：Yunfeng Zhao, Xu Yan, Xiaoqiang Gui, Shuguang Han, Xiang-Rong Sheng, Guoxian Yu, Jufeng Chen, Zhao Xu, Bo Zheng
论文ID：2308.04768
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-10