捕捉促销活动中的转化率波动：一种新颖的历史数据复用方法

转化率（CVR）预测是在线推荐系统的核心组件之一，已有多种方法被提出以获得准确且校准良好的 CVR 估计。然而，我们观察到训练良好的 CVR 预测模型在促销活动期间往往表现次优。这很大程度上可归因于数据分布偏移问题，其中常规方法不再奏效。为此，我们寻求开发替代的 CVR 预测建模技术。观察到不同促销活动中相似的购买模式，我们提出复用历史促销数据以捕捉促销转化模式。在此，我们提出一种新颖的\textbf{历}\textbf{史}\textbf{数}\textbf{据}\textbf{复}\textbf{用}（\textbf{HDR}）方法，该方法首先检索历史上相似的促销数据，然后用所获数据微调 CVR 预测模型，以更好地适应促销模式。HDR 由三个组件构成：一个从历史事件中搜寻相似数据的自动化数据检索模块、一个对检索数据重新加权以更好对齐目标促销的分布偏移校正模块，以及一个快速微调原始模型以更好适应促销模式的 TransBlock 模块。使用真实世界数据进行的实验证明了 HDR 的有效性，因为它大幅提升了排序和校准指标。HDR 也已部署于阿里巴巴的展示广告系统中，在 2022 年双 11 大促期间带来了 $9\%$ RPM 和 $16\%$ CVR 的提升。