利用多模态代理变量估计多维度在线评论的因果效应

在线评论使消费者能够与企业互动并提供重要反馈。由于高维文本的复杂性，这些评论常被简化为单一数值分数，例如评分或情感分数。本工作从细粒度层面实证考察用户生成的在线评论的因果效应：我们考虑多个维度，例如餐厅的食物与服务。理解消费者对不同维度的看法有助于详细评估业务表现并有效制定运营策略。具体而言，我们旨在回答干预性问题，例如：若餐厅在“服务”维度的质量提升10%，其人气将如何？基于观测数据做因果推断的根本性挑战在于存在“混杂因子”，其可能未被观测或测量，例如消费者对食物种类的偏好，导致估计的效应有偏且高方差。为应对该挑战，我们求助于多模态代理变量，如消费者画像信息及消费者与商家间的交互。我们展示了如何有效利用丰富信息来识别并估计嵌入在线评论中的多个维度的因果效应。在合成与真实数据上的实证评估证实了方法的有效性，并揭示了所提方法的可操作洞察。