属性对齐和归因在商品企划中的应用.pdf

属性对齐和归因在商品企划中的应用 业 务 背 景 - C 2 M 基于搜索行为识别买家需求 买家需求对齐工厂实力 ⽣产语⾔ ⾯料:织锦 袖⻓:五分袖 ⼯⼚ 廓形:A型 ⼯艺:抽褶 系带 视⻆ 腰型:⾼腰 流⾏元素:荷叶边 价格和销量等 混淆变量会影响 买家在商品属性 ⽣产语⾔和营销语⾔之间 上的决策 存在描述的鸿沟！ 价格 销量 买家 “仙⼥超仙森系 ⻓裙 超仙 森系 视⻆ 夏装 显瘦泫雅⻛” 属性归因 营销语⾔ PART01 属性归因 相关研究 Ø 相关工作 Lstm+attention+adv GAM LIME Lstm+attention+Res GAM ersarial 广义加性模型 优点：具有很强的解释性 缺点：对复杂任务拟合能力 优点： 具有很强的解释性 优点：模型无关，简单模型 较弱 缺点：对复杂任务拟合能力 解释复杂模型 优点：考虑了混淆变量的影响 优点：考虑了混淆变量的影响 较弱 缺点：拟合准确率不高 ，二 次误差,时间复杂度高 双向lstm编码 形式化因果关系 问题描述：通过归因分析，找到商品中影响买家决策的属性 在实际业务场景下,我们具有 Ø 类文本变量cpv （类目-属性-属性值） 简称T-解释变量 Ø 混淆变量 简称C: 品牌，人气，库存，淘宝卖家交易数据， 店铺人气 ，店铺评分 ，店铺销量 商品好评率，价格等 Ø 目标变量：ipv （item page view ）--简称Y-被解释变量。 预测ipv Ø 目标：预测准；降低混淆变量干扰 Ø 训练数据：使用网站用户搜索数据进行训练 V1 ：Transformer+Attention+Residualization 网络结构 Y Loss=loss(+loss() add ’ CPV+