modeling Cascaded Delay Feedback for Online Net Conversion Rate Prediction: Benchmark, Insights and Solutions
摘要
在工业推荐系统中，转化率（CVR）广泛用于流量分配，但由于忽略退款行为，无法完全反映推荐效果。为更好地捕捉用户满意度和业务价值，提出净转化率（NetCVR），定义为点击的物品被购买且未退款的概率。与 CVR 不同，NetCVR 预测涉及更复杂的多阶段级联延迟反馈过程。从点击到转化和从转化到退款的两个级联延迟方向相互矛盾，使得传统的 CVR 模型方法无法应用。此外，缺乏开源数据集和在线持续训练方案进一步阻碍了该领域的进展。为解决这些挑战，我们引入了 CASCADE（Cascaded Sequences of Conversion and Delayed Refund），这是一个来自淘宝 App 用于在线持续 NetCVR 预测的第一个大规模开放数据集。通过对 CASCADE 的深入分析，我们识别出三个关键见解：(1) NetCVR 表现出强烈的时序动态， necessitating 在线持续建模；(2) CVR 和退款率的级联建模优于直接的 NetCVR 建模；(3) 延迟时间与 CVR 和退款率相关，是 NetCVR 预测的重要特征。基于这些见解，我们提出了 TESLA，一个具有 CVR-退款率级联架构、阶段性偏差校正和延迟时间感知排序损失的持续 NetCVR 建模框架。广泛的实验表明，TESLA 在 CASCADE 上 consistently 优于最先进的方法，在 NetCVR 预测中在 RI-AUC 上实现了 12.41% 的绝对提升，在 RI-PRAUC 上实现了 14.94% 的绝对提升。代码和数据集可在 https://github.com/alimama-tech/NetCVR 公开获取。
引用
@article{arxiv.2601.19965,
title = {Modeling Cascaded Delay Feedback for Online Net Conversion Rate Prediction: Benchmark, Insights and Solutions},
author = {Mingxuan Luo and Guipeng Xv and Sishuo Chen and Xinyu Li and Li Zhang and Zhangming Chan and Xiang-Rong Sheng and Han Zhu and Jian Xu and Bo Zheng and Chen Lin},
journal= {arXiv preprint arXiv:2601.19965},
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