做推薦系統(tǒng)的同學(xué)對(duì)“CVR預(yù)估”這個(gè)詞肯定不陌生。但你如果翻過(guò)近幾年的工業(yè)界論文會(huì)發(fā)現(xiàn)大家反復(fù)在聊一個(gè)痛點(diǎn)CVR模型往往只在點(diǎn)擊樣本上訓(xùn)練上線后卻要在曝光樣本上做預(yù)測(cè)中間隔著一條巨大的“選擇偏差”鴻溝。ESM2也就是 Elaborated Entire Space Supervised Multi-task Model正是阿里針對(duì)這條鴻溝給出的一個(gè)相當(dāng)完整的解法。我第一次讀這篇論文時(shí)第一反應(yīng)是“這不就是ESMM換個(gè)皮嗎”——但真把結(jié)構(gòu)圖和損失函數(shù)逐行看下來(lái)才發(fā)現(xiàn)它把“轉(zhuǎn)化”這件事重新拆解了一遍把用戶從曝光、點(diǎn)擊、加購(gòu)到最終購(gòu)買的全路徑信號(hào)都揉進(jìn)了一個(gè)多任務(wù)模型。這篇論文適合推薦算法工程師、做廣告投放策略的同學(xué)以及所有被“CVR樣本稀疏”“點(diǎn)擊率低導(dǎo)致正樣本太少”折磨過(guò)的人去讀。這篇文章我會(huì)從問(wèn)題動(dòng)機(jī)開(kāi)始把ESM2的結(jié)構(gòu)拆開(kāi)講清楚再給出訓(xùn)練和線上推斷時(shí)的實(shí)操經(jīng)驗(yàn)。不鋪墊太多理論重點(diǎn)放在“為什么要這么設(shè)計(jì)”和“真落地時(shí)有哪些坑”上。1. 先看懂ESM2要解決的三個(gè)老大難1.1 CVR預(yù)估的兩座大山選擇偏差與數(shù)據(jù)稀疏任何做電商、廣告、內(nèi)容推薦的算法最終都要回答一個(gè)問(wèn)題一個(gè)用戶看到這個(gè)商品/廣告后會(huì)不會(huì)買這個(gè)概率就是CVR轉(zhuǎn)化率。很多團(tuán)隊(duì)最初的方案很直接用“點(diǎn)擊過(guò)且購(gòu)買過(guò)”的樣本訓(xùn)練一個(gè)二分類模型特征用用戶、商品、上下文。這個(gè)方案在實(shí)驗(yàn)評(píng)估里看起來(lái)還行一旦上線就露餡。為什么因?yàn)橛?xùn)練數(shù)據(jù)只在點(diǎn)擊樣本里選而推理時(shí)面對(duì)的是曝光樣本。能點(diǎn)進(jìn)來(lái)的用戶本來(lái)就是有購(gòu)買意向的偏置人群模型在這種人群上擬合出來(lái)的概率分布和全體曝光人群的概率分布完全不是一回事。這就是行業(yè)常說(shuō)的“樣本選擇偏差”Sample Selection Bias。打個(gè)比方你只根據(jù)進(jìn)店的顧客做銷售預(yù)測(cè)卻忽略了更多路過(guò)但沒(méi)進(jìn)來(lái)的人預(yù)測(cè)結(jié)果當(dāng)然失真。另一座山是“數(shù)據(jù)稀疏”。在一個(gè)典型的電商場(chǎng)景里如果點(diǎn)擊率是2%那么點(diǎn)擊樣本只有曝光樣本的五十分之一。在這2%的點(diǎn)擊樣本里能走到成交的又是少數(shù)可能只有百分之幾。最后你手里真正的“點(diǎn)擊且購(gòu)買”正樣本往往只剩整個(gè)曝光日志的千分之幾。這么少的樣本喂給深層神經(jīng)網(wǎng)絡(luò)特征交叉根本學(xué)不充分模型很容易過(guò)擬合或者直接學(xué)成一個(gè)“只會(huì)輸出低概率”的保守鬼。1.2 ESM2的思路與其硬啃不如把轉(zhuǎn)化路徑拆開(kāi)ESM2的聰明之處在于它不直接去預(yù)測(cè)“點(diǎn)擊后是否購(gòu)買”這個(gè)二分類而是把“轉(zhuǎn)化”重新定義成一個(gè)多階段事件。用戶在電商場(chǎng)景里的行為漏斗大致是曝光 → 點(diǎn)擊 → 加購(gòu)或收藏、進(jìn)店 → 購(gòu)買或加購(gòu)后購(gòu)買。中間存在一個(gè)常見(jiàn)的中間環(huán)節(jié)加購(gòu)Add-to-Cart。于是“最終買不買”這個(gè)事件可以拆成兩類點(diǎn)擊后直接下單支付點(diǎn)擊后先加購(gòu)之后通過(guò)購(gòu)物車路徑完成支付。從行為依賴上看第二類是個(gè)條件概率鏈要先加購(gòu)再加購(gòu)后購(gòu)買。這樣一來(lái)原來(lái)那個(gè)極度稀疏的“點(diǎn)擊→購(gòu)買”目標(biāo)就被拆成了三個(gè)密度高得多的子目標(biāo)點(diǎn)擊→直接購(gòu)買、點(diǎn)擊→加購(gòu)、加購(gòu)→購(gòu)買。每個(gè)子目標(biāo)的正樣本數(shù)量都遠(yuǎn)大于最終成交的正樣本信號(hào)密度一下子就上來(lái)了。這正是“Elaborated”精細(xì)化這個(gè)詞的核心含義——不滿足于粗顆粒的最終轉(zhuǎn)化而是把轉(zhuǎn)化過(guò)程精細(xì)建模出來(lái)。1.3 全空間監(jiān)督的本質(zhì)讓模型在曝光空間上計(jì)算目標(biāo)ESM2名字里還有另一半“Entire Space Supervised”。這意味著模型的目標(biāo)函數(shù)是在全體曝光樣本空間上定義并優(yōu)化的而不是只在點(diǎn)擊樣本上。要做到這一點(diǎn)關(guān)鍵不是簡(jiǎn)單地“把所有曝光樣本塞進(jìn)去訓(xùn)練”而是要構(gòu)造出一個(gè)在數(shù)學(xué)上成立的目標(biāo)關(guān)系讓曝光樣本上也能出現(xiàn)監(jiān)督信號(hào)。ESM2借用了ESMM的經(jīng)典套路用乘法關(guān)系把整個(gè)漏斗串起來(lái)pCTCVR pCTR × pCVR只要點(diǎn)擊概率和轉(zhuǎn)化概率都能從同一條樣本鏈路里拆出來(lái)那么“曝光→成交”的聯(lián)合概率就有定義。而曝光→成交這個(gè)事件在全曝光樣本里是可以觀測(cè)到的用戶確實(shí)買了就能打正標(biāo)簽。這就在理論上繞開(kāi)了選擇偏差——模型不再只看點(diǎn)擊人群而是在全部曝光人群上做有監(jiān)督學(xué)習(xí)。2. 模型結(jié)構(gòu)拆解一個(gè)網(wǎng)絡(luò)怎么裝下多個(gè)轉(zhuǎn)化階段2.1 共享Embedding與雙塔/多塔設(shè)計(jì)ESM2在結(jié)構(gòu)上延續(xù)了多任務(wù)學(xué)習(xí)的常見(jiàn)做法底層是共享的Embedding層把所有稀疏特征映射成稠密向量往上分支出不同的任務(wù)塔每個(gè)塔負(fù)責(zé)預(yù)測(cè)一個(gè)子概率。你把它畫出來(lái)大概是這樣的感覺(jué)輸入層用戶特征、商品特征、上下文特征、交叉統(tǒng)計(jì)特征全部過(guò)Embedding。共享層多層全連接MLP把原始Embedding融合成通用表征。任務(wù)塔CTR塔預(yù)測(cè)點(diǎn)擊概率 pCTR、直接購(gòu)買塔預(yù)測(cè)點(diǎn)擊后直接轉(zhuǎn)化概率 pCVR_action、加購(gòu)塔預(yù)測(cè)點(diǎn)擊后加購(gòu)概率 pCVR_cart、加購(gòu)后購(gòu)買塔預(yù)測(cè)加購(gòu)后購(gòu)買概率 pCVR_cart_to_purchase。每個(gè)塔之間不共享上層參數(shù)但底層Embedding是共享的。共享Embedding的好處很實(shí)際加購(gòu)和購(gòu)買共有的用戶偏好、商品屬性可以在訓(xùn)練中被所有子任務(wù)共同強(qiáng)化即便是某個(gè)商品“直接購(gòu)買”樣本很少但它可能有較多“加購(gòu)”樣本Embedding照樣能學(xué)到該商品的表征這在很大程度上緩解了長(zhǎng)尾商品的稀疏問(wèn)題。如果你之前實(shí)現(xiàn)過(guò)ESMM會(huì)發(fā)現(xiàn)這套結(jié)構(gòu)和ESMM幾乎同源。ESM2真正的變化是塔的數(shù)量和任務(wù)定義——ESMM只有CTR塔和CVR塔兩個(gè)頭ESM2把CVR塔拆成了多個(gè)指向不同行為路徑的頭然后通過(guò)概率公式把它們組合起來(lái)。2.2 疊加除法多個(gè)頭的概率如何合成ESM2最核心的公式其實(shí)不長(zhǎng)。它定義pCTCVR pCTR × (pCVR_action pCVR_cart × pCVR_cart_to_purchase)逐個(gè)拆pCTR曝光后點(diǎn)擊的概率pCVR_action點(diǎn)擊后直接購(gòu)買的概率pCVR_cart點(diǎn)擊后加購(gòu)的概率pCVR_cart_to_purchase加購(gòu)后最終購(gòu)買的概率。括號(hào)里的內(nèi)容本質(zhì)上是“點(diǎn)擊后最終購(gòu)買”這一事件的全概率分解。用戶點(diǎn)擊后想買一共有兩條互斥路徑一條是不加購(gòu)物車直接買另一條是加購(gòu)物車后買。兩條路徑概率相加就是點(diǎn)擊后購(gòu)買的總概率。你再乘上pCTR就把“曝光→購(gòu)買”整條鏈路打通了。這里有一個(gè)很多人第一次看會(huì)疑惑的點(diǎn)為什么不是直接用 pCTCVR 除以 pCTR 得到 CVR再用傳統(tǒng)交叉熵 loss這個(gè)疑問(wèn)很關(guān)鍵。因?yàn)槿绻选俺ā敝苯幼鳛槟Ｐ洼敵龅慕M合方式比如pCVR pCTCVR / pCTR那么數(shù)值穩(wěn)定性會(huì)很差當(dāng)pCTR很小或者預(yù)測(cè)不準(zhǔn)時(shí)除法結(jié)果可能爆炸。ESM2的處理是每個(gè)子概率都分別由神經(jīng)網(wǎng)絡(luò)輸出再通過(guò)乘法/加法組合成最終的pCTCVR而不是先預(yù)測(cè)pCTCVR再除。這樣所有子任務(wù)都在參與優(yōu)化而不是讓一個(gè)“商”承擔(dān)所有誤差。2.3 損失函數(shù)在哪些樣本上算——全空間日志與分空間監(jiān)督多任務(wù)模型的損失函數(shù)通常寫成多個(gè)交叉熵的加權(quán)和。ESM2的損失由四部分組成CTR預(yù)測(cè)的損失、點(diǎn)擊后直接購(gòu)買預(yù)測(cè)的損失、點(diǎn)擊后加購(gòu)預(yù)測(cè)的損失、加購(gòu)后購(gòu)買預(yù)測(cè)的損失。關(guān)鍵在于這四個(gè)損失作用在不同的樣本子集上CTR損失全部曝光樣本。因?yàn)槊總€(gè)樣本都有“是否點(diǎn)擊”的標(biāo)簽。直接購(gòu)買損失僅在“點(diǎn)擊樣本”上計(jì)算。因?yàn)橹挥悬c(diǎn)了才有“是否直接購(gòu)買”的標(biāo)簽。加購(gòu)損失同樣僅在“點(diǎn)擊樣本”上計(jì)算。加購(gòu)后購(gòu)買損失僅在“點(diǎn)擊且加購(gòu)”的樣本上計(jì)算。用一句更直白的話說(shuō)每個(gè)子任務(wù)都在它對(duì)應(yīng)的行為空間上有監(jiān)督信號(hào)但整個(gè)模型的總損失依然是在全曝光樣本上匯總的。ESM2把“全空間監(jiān)督”和“分空間子任務(wù)監(jiān)督”統(tǒng)一起來(lái)了這也是它名字中間那個(gè)“Elaborated”的又一個(gè)體現(xiàn)。3. 從損失函數(shù)到線上推斷ESM2的訓(xùn)練策略怎么落地3.1 訓(xùn)練樣本怎么攢曝光日志聯(lián)合行為序列落地ESM2的第一件事不是寫模型結(jié)構(gòu)而是把訓(xùn)練樣本準(zhǔn)備好。你需要一個(gè)包含完整行為序列的訓(xùn)練集每條樣本至少要有曝光時(shí)間、曝光位置、上下文信息是否點(diǎn)擊、點(diǎn)擊時(shí)間是否加購(gòu)、加購(gòu)時(shí)間是否成交、成交時(shí)間。實(shí)操里最常見(jiàn)的問(wèn)題是標(biāo)簽口徑不一致。比如“購(gòu)買”到底定義為下單成功、支付成功還是確認(rèn)收貨我建議以“支付成功”為最終口徑因?yàn)橄聠慰赡鼙蝗∠_認(rèn)收貨又太慢支付成功是電商業(yè)務(wù)中最穩(wěn)定、最接近實(shí)時(shí)收入的信號(hào)。另外要注意時(shí)間窗口用戶點(diǎn)擊后30天內(nèi)購(gòu)買都算轉(zhuǎn)化還是15天窗口太短會(huì)漏掉計(jì)劃性購(gòu)物窗口太長(zhǎng)會(huì)讓模型訓(xùn)練樣本過(guò)期太久。我的經(jīng)驗(yàn)是先按業(yè)務(wù)平均轉(zhuǎn)化周期取中位數(shù)比如7天或15天曝光日志保留3到4個(gè)窗口的歷史后面再按實(shí)驗(yàn)效果調(diào)整?！爸苯淤?gòu)買”和“加購(gòu)后購(gòu)買”的切分也很關(guān)鍵。嚴(yán)格來(lái)說(shuō)如果用戶點(diǎn)擊后先進(jìn)了購(gòu)物車再立刻支付這算哪一類我建議以“是否發(fā)生過(guò)加購(gòu)行為”來(lái)切只要加購(gòu)過(guò)就算加購(gòu)路徑不管中間間隔多久。這樣做的好處是路徑互斥滿足概率加法公式的使用前提。3.2 損失權(quán)重讓每個(gè)頭“均衡發(fā)展”多任務(wù)模型一個(gè)容易踩的坑是某個(gè)任務(wù)Loss占比過(guò)大導(dǎo)致模型只顧那個(gè)頭其他頭變成了擺設(shè)。ESM2的四個(gè)子任務(wù)樣本量差異巨大CTR有全網(wǎng)曝光日志直接購(gòu)買可能只有CTR樣本的1%不到加購(gòu)后購(gòu)買更是稀少。所以實(shí)踐中要給不同的頭設(shè)置不同的損失權(quán)重。我的默認(rèn)做法是把每個(gè)頭的Loss做“樣本量歸一化”即每個(gè)樣本貢獻(xiàn)的Loss先除以該子任務(wù)的樣本總量再乘以一個(gè)全局權(quán)重。這樣各頭Loss的尺度大致一致初始全局權(quán)重全設(shè)1.0也能均衡訓(xùn)練。如果發(fā)現(xiàn)某個(gè)頭比如加購(gòu)后購(gòu)買依然學(xué)不動(dòng)就把那一路權(quán)重提高但我最高不超過(guò)3.0再高就容易把共享Embedding帶偏。還有個(gè)容易忽略的點(diǎn)梯度回傳。由于最終目標(biāo)pCTCVR是由多個(gè)head通過(guò)乘法和加法組合的CTR head和CVR各個(gè)head之間存在梯度路徑上的耦合。你會(huì)發(fā)現(xiàn)CTR和CVR的梯度天然會(huì)互相影響這是ESM2自帶的“多任務(wù)相互作用”。不要人為地把某個(gè)head的梯度完全切斷否則就失去了聯(lián)合訓(xùn)練的意義。正確的做法是給不同任務(wù)設(shè)置梯度縮放系數(shù)Gradient Scaling控制在0.5到1.5之間微調(diào)而不是粗暴地“停止梯度”。3.3 線上推斷排序用哪個(gè)概率訓(xùn)練完成后線上該用哪個(gè)輸出做排序這是每次講ESM2時(shí)都被問(wèn)到的問(wèn)題。答案是看業(yè)務(wù)目標(biāo)。如果你的目標(biāo)是優(yōu)化GMV或交易筆數(shù)應(yīng)該用 pCTCVR 排序因?yàn)樗C合了點(diǎn)擊概率和購(gòu)買概率對(duì)應(yīng)“曝光后的成交期望”。如果你的目標(biāo)是在“已點(diǎn)擊”的流量?jī)?nèi)做轉(zhuǎn)化優(yōu)化比如某些場(chǎng)景的二次營(yíng)銷可以用 pCVR_action pCVR_cart × pCVR_cart_to_purchase這就是點(diǎn)擊后購(gòu)買條件概率本身。如果你的產(chǎn)品是購(gòu)物車催付那應(yīng)該用 pCVR_cart_to_purchase 單獨(dú)排名把“加購(gòu)后最可能買”的用戶找出來(lái)發(fā)提醒。我見(jiàn)過(guò)不少團(tuán)隊(duì)在這里踩坑明明場(chǎng)景是首頁(yè)推薦卻拿單獨(dú)的pCVR去排結(jié)果CTR權(quán)重完全消失推薦結(jié)果偏向“點(diǎn)進(jìn)來(lái)就買的高轉(zhuǎn)化但低興趣”的商品整體流量效率反而下降。線上排序前務(wù)必再確認(rèn)一次你要優(yōu)化的目標(biāo)指標(biāo)而不是盲目套一個(gè)腦內(nèi)默認(rèn)值。在工程實(shí)現(xiàn)上ESM2也不復(fù)雜。推理時(shí)就是一次前向計(jì)算四個(gè)輸出頭分別算一遍然后用公式組合。要注意的是如果希望得到穩(wěn)定的浮點(diǎn)數(shù)可以提前把pCTCVR的計(jì)算放到模型最后一層作為自定義輸出節(jié)點(diǎn)而不是在業(yè)務(wù)代碼里做除法——避免pCTR極小時(shí)產(chǎn)生數(shù)值噪聲。4. 和ESMM相比ESM2到底“精”在哪里4.1 一張表看懂ESMM與ESM2的區(qū)別把兩篇論文放在一起對(duì)比會(huì)發(fā)現(xiàn)ESM2不是推翻ESMM而是把ESMM中“籠統(tǒng)的CVR”精細(xì)化成了行為路徑上的多個(gè)概率。維度ESMMESM2模型結(jié)構(gòu)共享Embedding CTR塔 CVR塔共享Embedding CTR塔 多個(gè)CVR子塔轉(zhuǎn)化定義點(diǎn)擊→購(gòu)買單一轉(zhuǎn)化事件點(diǎn)擊→直接購(gòu)買 / 點(diǎn)擊→加購(gòu)→加購(gòu)后購(gòu)買中間行為不顯式建模顯式建模加購(gòu)還可擴(kuò)展到收藏、進(jìn)店等損失監(jiān)督空間全曝光空間聯(lián)合監(jiān)督全曝光空間損失匯總 分行為子空間監(jiān)督適用場(chǎng)景轉(zhuǎn)化漏斗較短、中間行為不突出電商等中間行為加購(gòu)/收藏明顯的場(chǎng)景ESMM的價(jià)值是“把CVR的全空間監(jiān)督問(wèn)題引入了業(yè)界”ESM2的價(jià)值則是在此之上把“單點(diǎn)轉(zhuǎn)化”豐富成“過(guò)程轉(zhuǎn)化”。如果你的場(chǎng)景沒(méi)有明顯的中間行為比如一個(gè)落地頁(yè)直接填寫表單就完成線索收集那ESM2的收益不會(huì)太明顯ESMM已經(jīng)足夠。但凡是電商、外賣、旅游這種有明顯“先加購(gòu)/收藏后支付”習(xí)慣的場(chǎng)景ESM2就值得認(rèn)真試。4.2 為什么“加購(gòu)”這個(gè)中間行為這么關(guān)鍵你可能會(huì)問(wèn)中間行為為什么偏偏選“加購(gòu)”因?yàn)樵谒杏脩粜袨槔锛淤?gòu)是最接近購(gòu)買意圖的信號(hào)。收藏可能只是隨便點(diǎn)了個(gè)心進(jìn)店也可能只是對(duì)比價(jià)格唯獨(dú)“加入購(gòu)物車”是實(shí)際行動(dòng)而且平臺(tái)大多提供了購(gòu)物車入口后鏈路可以繼續(xù)追蹤。從數(shù)據(jù)角度看“點(diǎn)擊→加購(gòu)→購(gòu)買”這一路徑覆蓋了大量真實(shí)成交。很多場(chǎng)景下直接下單的GMV占比其實(shí)低于加購(gòu)后成交。如果把加購(gòu)路徑忽略了就等于只建模了漏斗的一半。ESM2通過(guò)剝離一個(gè)中間行為把原本混雜的成交信號(hào)分離成了“沖動(dòng)型成交”和“計(jì)劃型成交”。這兩種成交背后用戶對(duì)價(jià)格敏感度、決策周期、復(fù)購(gòu)傾向完全不同分開(kāi)建模后特征表達(dá)會(huì)更有區(qū)分度。更進(jìn)一步的精細(xì)化還可以繼續(xù)在加購(gòu)后用戶可能還會(huì)經(jīng)歷“訪問(wèn)購(gòu)物車”“修改數(shù)量”“填寫地址”等動(dòng)作。ESM2論文中把這個(gè)框架表達(dá)成一種可擴(kuò)展的模式理論上每一層中間行為都可以繼續(xù)分化。不過(guò)實(shí)操上不建議無(wú)限細(xì)化因?yàn)榉种г蕉鄻颖驹诿總€(gè)分支上又會(huì)被切薄而且線上維護(hù)成本直線上升。一般拆到“加購(gòu)”這一層性價(jià)比是最高的。5. 實(shí)操避坑樣本、標(biāo)簽、調(diào)參的常見(jiàn)問(wèn)題5.1 常見(jiàn)問(wèn)題速查表這里把我見(jiàn)過(guò)的ESM2落地問(wèn)題整理成表每一條都是踩過(guò)的坑問(wèn)題現(xiàn)象可能原因解決辦法線上pCTCVR排序效果不如pCTR業(yè)務(wù)目標(biāo)其實(shí)是點(diǎn)擊或互動(dòng)而非成交重新確認(rèn)業(yè)務(wù)指標(biāo)選擇正確的輸出頭聯(lián)合訓(xùn)練后CTR AUC下降很多多任務(wù)梯度沖突共享底層被CVR任務(wù)帶偏調(diào)低CVR各頭損失權(quán)重或?qū)TR塔單獨(dú)加淺層加購(gòu)后購(gòu)買分支基本不變正樣本太少或該路徑業(yè)務(wù)占比本來(lái)就低檢查加購(gòu)后成交占比如果低于10%可先忽略該分支pCTCVR數(shù)值整體偏高/偏低訓(xùn)練數(shù)據(jù)時(shí)序穿越或標(biāo)簽口徑漂移檢查特征是否用了未來(lái)信息標(biāo)簽時(shí)間窗口是否統(tǒng)一模型在冷啟動(dòng)商品上預(yù)測(cè)很差共享Embedding沒(méi)有冷啟機(jī)制增加統(tǒng)計(jì)特征、圖片/文本向量作為冷啟補(bǔ)充訓(xùn)練耗時(shí)暴增全曝光樣本量是點(diǎn)擊樣本的50到100倍對(duì)曝光負(fù)樣本降采樣保持CTR正樣本全量其中“曝光負(fù)樣本降采樣”是小技巧里最實(shí)用的一條。CTR任務(wù)用全曝光樣本訓(xùn)練確實(shí)嚴(yán)格但工業(yè)場(chǎng)景曝光日志體量大沒(méi)必要把所有曝光數(shù)據(jù)都端進(jìn)去。我建議對(duì)“未點(diǎn)擊”樣本做隨機(jī)降采樣采樣比按計(jì)算資源和數(shù)據(jù)量取1:10到1:20同時(shí)把CTR損失權(quán)重乘上一個(gè)“采樣補(bǔ)償系數(shù)”也就是負(fù)樣本的真實(shí)占比除以采樣后占比。這樣算出的CTR概率依然接近真實(shí)點(diǎn)擊率而訓(xùn)練速度可以快一個(gè)量級(jí)。5.2 幾條我個(gè)人的經(jīng)驗(yàn)心得第一不要把ESM2當(dāng)成一個(gè)“模型”而要當(dāng)成一個(gè)“建模范式”。ETL、標(biāo)簽、訓(xùn)練、上線每個(gè)環(huán)節(jié)都要圍繞“全空間多路徑”重新設(shè)計(jì)。很多團(tuán)隊(duì)直接把ESMM的代碼改幾個(gè)輸出頭樣本還是只取點(diǎn)擊后的數(shù)據(jù)那ESM2的好處完全發(fā)揮不出來(lái)。第二特征工程的重點(diǎn)要放在“區(qū)分兩條購(gòu)買路徑”。比如“用戶歷史加購(gòu)次數(shù)”“平均加購(gòu)到支付間隔”“加購(gòu)后是否頻繁訪問(wèn)購(gòu)物車”等特征對(duì)直接購(gòu)買分支和加購(gòu)后購(gòu)買分支有截然不同的含義。這類行為序列特征往往比單純的價(jià)格、品類特征提升更明顯。第三線上服務(wù)階段模型文件一定要包含所有輸出頭不要為了減小體積把CVR子塔剪掉。我遇到過(guò)有同學(xué)為了省推理時(shí)間只保留CTR頭和CVR總括頭結(jié)果后續(xù)想切換pCVR_cart_to_purchase做購(gòu)物車催收時(shí)還得重新部署一個(gè)新模型。ESM2的推理開(kāi)銷并沒(méi)有比ESMM大多少一次前向計(jì)算四個(gè)頭耗時(shí)通常增長(zhǎng)不到10%完全劃得來(lái)。我在實(shí)際落地ESM2時(shí)最喜歡的一點(diǎn)是它的“路徑可解釋性”。過(guò)去調(diào)CVR模型遇到預(yù)測(cè)值異常只能模糊地歸因到“特征分布變了”現(xiàn)在可以直接看是點(diǎn)擊概率掉了、加購(gòu)概率掉了還是加購(gòu)后轉(zhuǎn)化掉了。這種透明度讓算法和業(yè)務(wù)方的溝通順暢了很多——業(yè)務(wù)說(shuō)你最近推薦效果變差你可以直接把漏斗環(huán)節(jié)的數(shù)據(jù)拉出來(lái)對(duì)照問(wèn)題出在哪一目了然。如果你正在電商、生活服務(wù)或者任何“中間行為存在感強(qiáng)”的場(chǎng)景里做轉(zhuǎn)化建模ESM2是一個(gè)非常值得投入的基準(zhǔn)模型。至少先實(shí)現(xiàn)一版和ESMM做對(duì)比你會(huì)很快看見(jiàn)精細(xì)化漏斗建模帶來(lái)的增量。