CIKM'25 | 阿里妈妈展示广告提出基于多归因学习的CVR预估范式MAL

主要观点总结

针对单一归因机制的局限性，本文提出了多归因学习范式MAL（Multi-Attribution Learning），通过联合建模多种归因标签，完成从单一目标拟合到多元价值学习的建模范式升级。文章详细介绍了MAL的背景、方案、实验效果及未来展望。

关键观点总结

关键观点1: 背景介绍

现有CVR预估模型受限于单一归因机制，无法全面精准地刻画用户转化心智。为了克服这一瓶颈，提出了多归因学习范式MAL。

关键观点2: 方案介绍

MAL实践方案包括优化目标、模型结构、辅助任务设计等。其中，归因知识聚合模块AKA和主目标预估头PTP是模型的核心部分。

关键观点3: 实验效果

在阿里妈妈展示广告系统上的实验表明，MAL模型取得了显著的离线GAUC和AUC提升，以及在线GMV和ROI的提升。

关键观点4: 未来展望

未来计划结合生成式推荐、大语言模型等前沿技术，继续在MAL范式基础上革新后链路建模范式。