DCRMTA：面向多点归因的无偏因果表征

多点归因（Multi-touch attribution, MTA）目前在公平估计各广告触点对转化行为的贡献方面发挥着关键作用，深刻影响着预算分配和广告推荐。先前的工作试图消除由用户偏好引起的偏差，以实现转化模型的无偏假设。多模型协作方法效率不高，而完全消除用户影响也消除了用户特征对转化的因果效应，导致转化模型性能受限。本文重新定义了用户特征对转化的因果效应，并提出一种新颖的端到端方法——面向多点归因的深度因果表征（Deep Causal Representation for MTA, DCRMTA）。我们的模型专注于在消除混杂变量的同时，提取转化与用户之间的因果特征。此外，大量实验表明，DCRMTA 在不同数据分布下的转化预测中表现出优越性能，同时也能有效地在不同广告渠道间进行价值归因。