点击后商品交易总额预测中的延迟反馈建模：基准、洞见与方法
摘要
在线广告排序模型的预测目标正从转化率等概率指标演变为点击后商品交易总额等数值业务指标。与转化率预测中已被充分研究的延迟反馈问题不同，商品交易总额预测中的延迟反馈建模尚未被探索，且面临更大挑战，因为商品交易总额是一个连续目标，单次点击可能导致多次购买，这些购买累积形成标签。为填补这一研究空白，我们构建了TRACE，一个包含每次用户点击产生的完整交易序列的商品交易总额预测基准，支持在线流式方式下的延迟反馈建模。我们在TRACE上的分析和探索性实验揭示了两个关键洞见：(1) 商品交易总额标签分布的快速演变要求在在线流式训练下对延迟反馈进行建模；(2) 复购样本的标签分布与单次购买样本的标签分布存在显著差异，凸显了单独建模的必要性。受这些发现启发，我们提出了复购感知双分支预测器(READER)，一种新颖的商品交易总额建模范式，它根据路由器产生的复购预测选择性激活专家参数。此外，READER动态校准回归目标，以缓解由不完整标签导致的低估问题。实验结果表明，READER在TRACE上取得了优于基线的性能，准确率提升了2.19%。我们相信，我们的研究将为商品交易总额预测中的在线延迟反馈建模开辟一条新途径，而我们的TRACE基准及所收集的洞见将促进这一有前景方向上的未来研究和应用。我们的代码和数据集可在https://github.com/alimama-tech/OnlineGMV获取。
引用
@article{arxiv.2601.20307,
title = {Delayed Feedback Modeling for Post-Click Gross Merchandise Volume Prediction: Benchmark, Insights and Approaches},
author = {Xinyu Li and Sishuo Chen and Guipeng Xv and Li Zhang and Mingxuan Luo and Zhangming Chan and Xiang-Rong Sheng and Han Zhu and Jian Xu and Chen Lin},
journal= {arXiv preprint arXiv:2601.20307},
year = {2026}
}
备注
This paper has been accepted by the ACM Web Conference (WWW) 2026. This is the camera-ready version. Please refer to the published version for citation once available