面向有效转化率预测的全局空间级联延迟反馈建模
信息检索
2023-08-10 v1
摘要
转化率（CVR）预测是大型电商平台的一项关键任务。然而，在线购物系统中转化后频繁发生退款行为，这促使我们关注有效转化以构建更健康的购物服务。本文将无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：CVR 预测与转化后退款率（RFR）预测。然而，RFR 预测面临数据稀疏（DS）与样本选择偏差（SSB）问题，因为退款行为仅在用户购买后才可得。此外，转化与退款事件均存在延迟反馈且二者顺序依赖，称为级联延迟反馈（CDF），显著损害模型训练的数据新鲜度。既往研究主要聚焦于解决单一事件的 DS 与 SSB 或延迟反馈。为联合应对 ECVR 预测中的这些问题，我们提出全局空间级联延迟反馈建模（ECAD）方法。具体而言，ECAD 通过构建 CVR 预测与转化及退款率（CVRFR）预测两项任务，利用全局空间建模框架解决 DS 与 SSB。另外，其精心调度辅助任务以利用数据中的转化与退款时间缓解 CDF。离线工业数据集与在线 A/B 测试的实验结果证明了 ECAD 的有效性。此外，ECAD 已部署于阿里巴巴某推荐系统，显著提升了 ECVR。
引用
@article{arxiv.2308.04768,
title = {Entire Space Cascade Delayed Feedback Modeling for Effective Conversion Rate Prediction},
author = {Yunfeng Zhao and Xu Yan and Xiaoqiang Gui and Shuguang Han and Xiang-Rong Sheng and Guoxian Yu and Jufeng Chen and Zhao Xu and Bo Zheng},
journal= {arXiv preprint arXiv:2308.04768},
year = {2023}
}
备注
Accepted to CIKM'23