[论文解读] Shopping in the Multiverse: A Counterfactual Approach to In-Session Attribution

Jacopo Tagliabue, Bingqing Yu|arXiv (Cornell University)|Jul 20, 2020

Peer-to-Peer Network Technologies参考文献 25被引用 4

一句话总结

本文提出一种因果性、反事实性的电子商务站内搜索归因方法，通过在prod2vec嵌入的产品空间上使用生成式浏览模型来建模替代购物者时间线。该基于多世界的方法（MV）在捕捉因果相关性方面优于基于规则（GA）、基于预测（SS）和启发式方法（CB），在行业数据集上实现了75%的归因准确率，并在细微案例上与人类直觉高度一致。

ABSTRACT

We tackle the challenge of in-session attribution for on-site search engines in eCommerce. We phrase the problem as a causal counterfactual inference, and contrast the approach with rule-based systems from industry settings and prediction models from the multi-touch attribution literature. We approach counterfactuals in analogy with treatments in formal semantics, explicitly modeling possible outcomes through alternative shopper timelines; in particular, we propose to learn a generative browsing model over a target shop, leveraging the latent space induced by prod2vec embeddings; we show how natural language queries can be effectively represented in the same space and how "search intervention" can be performed to assess causal contribution. Finally, we validate the methodology on a synthetic dataset, mimicking important patterns emerged in customer interviews and qualitative analysis, and we present preliminary findings on an industry dataset from a partnering shop.

研究动机与目标

• 解决基于规则和基于预测的归因方法在衡量站内搜索对转化的真正因果影响方面的局限性。
• 将站内归因建模为反事实推理问题，探究在没有搜索交互的情况下转化是否仍会发生。
• 开发一种实用且计算开销极低的方法，利用密集嵌入和生成建模来模拟替代购物者时间线。
• 在合成数据和真实世界电子商务数据集上验证该方法，证明其在因果相关性判断上与人类判断的更高一致性。
• 提供一种可推广的框架，可扩展至搜索以外的其他站内触点，如推荐和分类浏览。

提出的方法

• 该方法通过反事实推理实现因果归因，将每个购物者会话视为一个潜在世界，在其中假设性地移除搜索交互。
• 采用在prod2vec嵌入上训练的生成式浏览模型，以模拟替代时间线，将产品和查询表示在共享的高维潜在空间中。
• 自然语言查询被嵌入到同一空间中，实现一致的表示，并通过“搜索干预”扰动实现干预操作。
• 该模型计算在实际时间线和反事实时间线中转化的概率，以估计因果效应。
• 通过将多世界框架推广至推荐和分类列表等服务，将该方法扩展至处理多个触点。
• 验证使用了模拟真实用户行为的合成数据以及合作电子商务平台提供的行业数据集，比较了不同方法的归因得分。

实验结果

研究问题

• RQ1 在独立于先前意图或浏览行为的前提下，站内搜索在多大程度上对转化具有因果贡献？
• RQ2 如何有效将反事实推理应用于电子商务中用户会话的高维密集表示？
• RQ3 与基于规则或基于预测的系统相比，替代时间线的生成模型能否提升归因准确率？
• RQ4 在搜索与转化关系松散的细微归因案例中，该方法与人类判断的一致性如何？
• RQ5 该方法在不同电子商务平台及其他搜索以外的触点（如推荐和分类导航）上的可推广性如何？

主要发现

• 基于多世界的方法（MV）在行业数据集上实现了75%的搜索归因率，优于基于规则（GA：100%，但具有误导性）、因果基线（CB：47%）和基于相似度的方法（SS：77%）。
• MV正确识别出搜索对因果影响微弱的案例——例如用户在已将目标商品加入购物车后才进行搜索——将此类交互标记为弱相关，而SS则高估了其相关性。
• 在合成数据上，MV成功捕捉了细微的因果动态，例如搜索导致浏览但未导致转化，或转化独立于搜索发生的情况。
• 该方法在定性上与人类直觉高度一致，尤其在先前意图与搜索相关性解耦的案例中表现突出。
• 该框架具有良好的可推广性和可扩展性，可轻松适配至其他站内功能，如推荐和分类导航。
• 本研究证实，与购物者潜在意图的相关性是准确因果归因的关键因素，而纯粹的预测模型（如SS）无法捕捉这一细微差别。