本發(fā)明屬于因果推斷，具體為一種基于因果推斷的內(nèi)容偏好人群圈選方法。

背景技術(shù)：

1、當(dāng)前汽車業(yè)界依據(jù)動(dòng)力類型主要分為兩大類：一是傳統(tǒng)的燃油車，二是涵蓋純電動(dòng)、混合動(dòng)力等模式的新能源汽車。汽車之家這一平臺(tái)的內(nèi)容生態(tài)正是圍繞這兩大類別構(gòu)建。對(duì)于燃油車，汽車之家已擁有穩(wěn)固的用戶群體，其內(nèi)容在燃油車領(lǐng)域的點(diǎn)擊轉(zhuǎn)化率高、表現(xiàn)優(yōu)異；至于新能源汽車，它代表著汽車行業(yè)的未來發(fā)展趨勢(shì)，因此汽車之家需要加大資源投入，將其作為重點(diǎn)發(fā)展方向。

2、在實(shí)際業(yè)務(wù)操作中，進(jìn)行首頁內(nèi)容推薦時(shí)，我們首先需要對(duì)用戶進(jìn)行細(xì)分，識(shí)別出對(duì)新能源汽車有較高興趣的用戶群體，以優(yōu)化新能源內(nèi)容的展示，提升其點(diǎn)擊率和瀏覽時(shí)長。然而，若直接依賴響應(yīng)模型(諸如新能源偏好模型、點(diǎn)擊通過率(ctr)模型、留資意愿模型等)進(jìn)行篩選，可能會(huì)篩選出本身就具有高點(diǎn)擊率的用戶流，這些用戶無論推送何種內(nèi)容都傾向于點(diǎn)擊和留資。這種情況會(huì)帶來兩個(gè)問題：一是可能會(huì)擠壓燃油車內(nèi)容的展示空間，導(dǎo)致燃油車內(nèi)容的點(diǎn)擊量減少，損害已建立的燃油車內(nèi)容性能指標(biāo)；二是整體的內(nèi)容推薦效果提升可能受到局限，因?yàn)楦呋A(chǔ)點(diǎn)擊率的用戶群限制了進(jìn)一步增長的空間，使得優(yōu)化成效大打折扣

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于因果推斷的內(nèi)容偏好人群圈選方法，以解決上述背景技術(shù)中提出的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于因果推斷的內(nèi)容偏好人群圈選方法，該方法的步驟為：

3、a1，圈選用戶客群：根據(jù)提出的uplift類模型，篩選只有在看到新能源車相關(guān)內(nèi)容時(shí)才會(huì)點(diǎn)擊的用戶群體；

4、a2，劃分用戶群體：根據(jù)干預(yù)情況和點(diǎn)擊情況，將用戶分割成四類；

5、a3，定位persuadables人群：運(yùn)用uplift增益模型進(jìn)行反事實(shí)預(yù)估，以計(jì)算因果效應(yīng)，找出persuadables人群；

6、a4，獲取uplift值，通過基于t-learner模型和s-learner模型，獲得uplift值，并進(jìn)行ctr計(jì)算。

7、優(yōu)選地，所述a2中的四類為：

8、sure?things：不干預(yù)也會(huì)點(diǎn)擊；

9、persuadables:不干預(yù)不點(diǎn)，干預(yù)了才會(huì)點(diǎn)擊；

10、do?not?disturbs：不干預(yù)會(huì)點(diǎn)，干預(yù)了反而不點(diǎn)；

11、lost?causes:無論是否干預(yù)均不點(diǎn)。

12、優(yōu)選地，所述a4中的基于t-learner模型的方法為：

13、b1，機(jī)器學(xué)習(xí)：在新能源人群場(chǎng)景上，利用機(jī)器學(xué)習(xí)作為base?learner估計(jì)增益量；

14、b2，分類：根據(jù)內(nèi)容進(jìn)行標(biāo)注，并劃分成新能源和燃油車兩類；

15、b3，構(gòu)建ml模型：對(duì)實(shí)驗(yàn)組和對(duì)照組分別構(gòu)建ml模型，并進(jìn)行計(jì)算；

16、b4，獲取干預(yù)增益值：獲得兩組ml模型后，互換預(yù)測(cè)樣本，在獲得評(píng)分后，對(duì)獲得的評(píng)分相減獲得干預(yù)增益值；

17、優(yōu)選地，所述a4中的基于s-learner模型，先把把treatment構(gòu)造成一個(gè)特征，在新能源人群場(chǎng)景上，在模型訓(xùn)練完成后，通過改變treatment變量來進(jìn)行反事實(shí)推理，計(jì)算出該樣本在接受干預(yù)后的uplift值。

18、優(yōu)選地，模型訓(xùn)練過程中，一方面需要避免模型過擬合，另一方面又要使其獲得充分訓(xùn)練。

19、優(yōu)選地，所述估計(jì)增益量為：

20、1.μ1(x)＝e[y/t＝1，x＝x]；μ0(x)＝e[y/t＝0,x＝x]；

21、

22、公式1中響應(yīng)模型μ1(x)用于擬合在施加干預(yù)的情況下響應(yīng)目標(biāo)y與特征x的關(guān)系，而響應(yīng)μ0(x)用于擬合在未施加干預(yù)的情況下響應(yīng)目標(biāo)y與特征x的關(guān)系；

23、公式2修正成t＝μ1(x)-μ0(x),即代表對(duì)測(cè)試集上單個(gè)樣本x施加干預(yù)后對(duì)用戶帶來的增益量。

24、優(yōu)選地，s-learner模型的特征為：

25、1.μ(t,x)＝e[y|t＝t,x＝x]；

26、2.t＝u(1,x)-u(0,x),。

27、優(yōu)選地，在模型訓(xùn)練的過程中，兩個(gè)模型的參數(shù)值盡量趨同，以減小模型層面的偏差積累。

28、本發(fā)明的有益效果如下：

29、本發(fā)明通過提出了一種創(chuàng)新的人群圈選方案，專為應(yīng)對(duì)復(fù)雜多變的新場(chǎng)景而設(shè)計(jì)，該方案能夠從全局角度出發(fā)，對(duì)資源進(jìn)行合理優(yōu)化，確保每一份資源都能發(fā)揮最大效用，其方法邏輯清晰直觀，不僅易于實(shí)施落地，還具備出色的可解釋性，使得相關(guān)人員能夠輕松理解并應(yīng)用，通過引入用戶偏好數(shù)據(jù)，該方案能夠進(jìn)一步提升圈選的精準(zhǔn)度，確保所圈定的用戶群體與營銷目標(biāo)高度匹配，同時(shí)，該方案還具備一定的自我優(yōu)化能力，能夠根據(jù)實(shí)際運(yùn)營效果進(jìn)行動(dòng)態(tài)調(diào)整，持續(xù)提升圈選效果，對(duì)于支持平臺(tái)內(nèi)的內(nèi)容推薦、搜索、push等策略的制定，該方案同樣發(fā)揮著重要作用，通過精準(zhǔn)圈定用戶群體，平臺(tái)能夠更加有效地推送用戶感興趣的內(nèi)容，提升用戶體驗(yàn)與滿意度，此外，該方案還為精準(zhǔn)營銷與精細(xì)化運(yùn)營提供了有力支持，幫助平臺(tái)實(shí)現(xiàn)更高效的用戶轉(zhuǎn)化與收益增長。

技術(shù)特征：

1.一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：該方法的步驟為：

2.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：所述a2劃分用戶群體中的四類為：

3.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：所述a4獲取uplift值中的基于t-learner模型的方法為：

4.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：所述a4獲取uplift值中的基于s-learner模型，先把把treatment構(gòu)造成一個(gè)特征，在新能源人群場(chǎng)景上，在模型訓(xùn)練完成后，通過改變treatment變量來進(jìn)行反事實(shí)推理，計(jì)算出該樣本在接受干預(yù)后的uplift值。

5.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：模型訓(xùn)練過程中，一方面需要避免模型過擬合，另一方面又要使其獲得充分訓(xùn)練。

6.根據(jù)權(quán)利要求3述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：所述估計(jì)增益量為：

7.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：s-learner模型的特征為：

8.根據(jù)權(quán)利要求1所述的一種基于因果推斷的內(nèi)容偏好人群圈選方法，其特征在于：在模型訓(xùn)練的過程中，兩個(gè)模型的參數(shù)值盡量趨同，以減小模型層面的偏差積累。

技術(shù)總結(jié)
本發(fā)明屬于因果推斷技術(shù)領(lǐng)域，且公開了一種基于因果推斷的內(nèi)容偏好人群圈選方法，該方法的步驟為：A1，圈選用戶客群；A2，劃分用戶群體；A3，定位Persuadables人群；A4，獲取UPLift值。本發(fā)明通過提出了一種創(chuàng)新的人群圈選方案，專為應(yīng)對(duì)復(fù)雜多變的新場(chǎng)景而設(shè)計(jì)，該方案能夠從全局角度出發(fā)，對(duì)資源進(jìn)行合理優(yōu)化，同時(shí)，該方案還具備一定的自我優(yōu)化能力，持續(xù)提升圈選效果，對(duì)于支持平臺(tái)內(nèi)的內(nèi)容推薦、搜索、push等策略的制定，該方案同樣發(fā)揮著重要作用，通過精準(zhǔn)圈定用戶群體，平臺(tái)能夠更加有效地推送用戶感興趣的內(nèi)容，提升用戶體驗(yàn)與滿意度，此外，該方案還為精準(zhǔn)營銷與精細(xì)化運(yùn)營提供了有力支持，幫助平臺(tái)實(shí)現(xiàn)更高效的用戶轉(zhuǎn)化與收益增長。

技術(shù)研發(fā)人員：張國光
受保護(hù)的技術(shù)使用者：天津車之家軟件有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15