9-4 电商场景下的有效干预策略实践 - 吴梓华 ⼤淘宝⽤户增⻓ 数据科学

电商场景下的有效干预策略实践

如何满足用户的需求

• 平台能力与用户需求的匹配
  • 增量运营：了解用户需求，改进或创造产品以满足需求。
  • 增效运营：利用平台能力寻找合适的用户策略。

复购策略

• 复购货品的筛选与时机预测
  • 目的：在合适的时间向用户推荐合适的商品。
  • 复购可能性：评估用户是否会进行复购。
  • 复购时机：利用用户的历史购买间隔来预测下次购买的时间。
    • 平均购买间隔分布：通过常见分布拟合购买间隔时间与购买概率的关系。
    • 个体信息利用：购买次数超过N次的用户，认为其交易次数服从泊松分布，通过Poisson-Gamma Distribution拟合个体的购买间隔分布。

干预因子增量的衡量

• 基于观察数据估算用户的增量
  • 目标：了解用户进行某种行为是否能提升其未来的来访率。
  • 方法：使用PSM+双重差分法估算用户行为的增量。
    • 特征构建：同时影响处理和结果的特征。
    • 倾向得分计算：预测受到处理的概率。
    • 匹配：Caliper NNMatching+精确匹配。
    • 检验匹配质量：标准化偏差+平行趋势假设。
    • 增量计算：通过双重差分法对比前后差值。
  • 应用：计算子人群在浏览不同场景后的访问增量。
    • 数据：不同人群在访问不同场景后的手淘访问率增量。
    • 策略测试：参考场景偏好、场景承接效率、留存增量等信息。

个体干预增量的预估

• 对ITE的预测

  • 流程：随机实验收集数据/观察性数据先做匹配。
  • 特征筛选：特征分箱，计算分箱内outcome的分布散度并求和。
  • 建模：S/T/X-Learner，UpliftRF，TarNet。
  • 基于累计增益图/预算确定阈值（人群量级）。
  • 效果回收：空桶、随机发放桶、算法排序桶。

• 人群精细化运营

  • 人群粗分层——人群适用的策略——策略提炼——策略人群圈选——实验
  • 银发人群场景引流偏好/增量人群
  • 通过UpliftModel对用户的ITE进行预测。