CAMTA：用于多触点归因的因果注意力模型
机器学习
2021-02-17 v2
摘要
广告渠道已从传统的印刷媒体、广告牌和广播广告演变为在线数字广告（ad），用户通过社交网络、展示广告、搜索等方式接触到一系列广告活动。在广告主重新审视广告活动设计以同时满足新兴广告渠道需求的同时，基于客户行为序列估算不同渠道上触点（浏览、点击、转化）的贡献也至关重要。这种贡献度量的过程通常被称为多触点归因（MTA）。在本工作中，我们提出 CAMTA，一种新颖的深度循环神经网络架构，它是在观测数据背景下用于用户个性化 MTA 的因果归因机制。CAMTA 最小化了跨时间步与触点的渠道分配选择偏差。此外，它以原则性方式利用用户转化前的行为来预测渠道前归因。为定量评估所提出的 MTA 模型，我们采用真实世界的 Criteo 数据集，并证明 CAMTA 相较于若干基线在预测精度方面具有更优性能。此外，我们给出了基于预测渠道归因的预算分配与用户行为建模结果。
引用
@article{arxiv.2012.11403,
title = {CAMTA: Causal Attention Model for Multi-touch Attribution},
author = {Sachin Kumar and Garima Gupta and Ranjitha Prasad and Arnab Chatterjee and Lovekesh Vig and Gautam Shroff},
journal= {arXiv preprint arXiv:2012.11403},
year = {2021}
}
备注
Accepted in ICDMW 2020