第 160 题：目标间的因果关系，点击→转化的漏斗建模？
题目
目标间的因果关系，点击→转化的漏斗建模？
完整讲解
一、目标间的因果关系
点击与转化存在因果顺序：用户先曝光→再点击→再转化。即「点击」是「转化」的前置事件，转化只在点击样本中发生。因果关系指：我们关心的是「推荐某 item 是否会导致用户转化」，而不仅是「点击与转化是否相关」；混淆因素（如位置、用户意图）会同时影响点击与转化，需在建模中区分因果效应与相关。
二、点击→转化的漏斗
- 漏斗：曝光 → 点击 → 转化。样本空间逐级缩小：全量曝光、点击子集、转化子集。若单独建 CVR 模型，训练集=点击样本，但推理要对曝光样本预估 CVR，存在样本选择偏差（SSB）与曝光偏差。
- 因果视角：转化率 $P(\text{转化} \mid \text{曝光})$ = $P(\text{点击} \mid \text{曝光}) \times P(\text{转化} \mid \text{点击})$。即 CTCVR = CTR × CVR；CVR 的条件是「已点击」，与「曝光」不同，故需在全空间（曝光）上联合建模 CTR 与 CVR，如 ESMM，使 CVR 的梯度来自曝光空间，与 141/151 题一致。
- 因果效应：若要做「推荐 item A 相比不推荐能带来多少增量转化」，需因果推断（如 IPW、doubly robust、Uplift）估计 treatment 效应，而非仅预测 CVR；漏斗建模解决的是「预估」问题，因果推断解决的是「归因与决策」问题。
三、漏斗建模的实践
- 分解建模：显式建 CTR 与 CVR 两阶段，CTCVR = CTR × CVR；训练时用 ESMM 等保证样本空间一致；推理时对曝光算 CTCVR 或单独 CVR（在点击后场景）。
- 多任务：CTR、CVR、CTCVR 多任务共享表示，主损失为 CTCVR 或 CTR+CVR 联合；辅助点击序列、转化序列等可进一步刻画漏斗。
- 纠偏：用 IPW、PAL 等对点击与转化阶段的偏差（位置、选择）做纠偏，使预估更接近因果效应或无偏指标。
四、与多目标的关系
- 点击与转化作为多目标时，既要注意顺序（转化依赖点击）、也要注意样本空间一致；长期价值、留存等可视为漏斗更下游的目标，同样存在条件分布与样本空间问题，可类比建模。
面试要点
- 能说明点击→转化的因果顺序与漏斗；样本选择偏差（CVR 在点击上训、在曝光上推）。
- 能写出 CTCVR = CTR × CVR，并说明 ESMM 等在全空间建模、保证一致性的思路。
- 能区分「漏斗预估」与「因果效应估计」；能提及多任务、IPW/PAL 纠偏。
记忆要点
- 点击→转化有因果顺序；漏斗=曝光→点击→转化；CVR 训练在点击、推理在曝光→SSB。
- CTCVR = CTR × CVR；ESMM 全空间训、CVR 梯度来自曝光，一致性。
- 因果效应需 IPW/DR/Uplift；漏斗建模为预估、因果推断为归因与决策。