DCEO: Direct Causal Effect Optimization for Long-Term User Value Modeling in E-commerce Search
电商搜索中长期用户价值建模的直接因果效应优化
🧭 电商搜索 · 长期价值建模 · 因果优化 ★ 深度解读
Taobao & Tmall Group of Alibaba
用 actor-critic 直接优化代理指标对长期 GMV 的相对因果效应，学习个性化 item 级融合分数
📌 工作参考价值（4 点）
- 用相对因果效应替代预测关联做跨粒度对齐：不要只学「代理指标能预测长期目标」，而是学「代理指标上升时长期目标上升多少」。在业务里可以把 critic 对干预前后的预测差作为训练信号，减少纯相关性代理带来的误导。
- actor 输出融合权重而非直接输出分数：让 actor 从用户/请求特征生成多个上游预测分数的凸组合权重，既保留可解释性，又稳定优化。在线只部署 actor，把学习到的代理分数作为新增项加入现有排序公式，原有权重不动，风险可控。
- 用户级聚合要做曝光次数校准：代理指标按用户聚合时，不同用户曝光量不同会带来混杂。固定参考曝光次数并用校准模型做归一，能更干净地刻画代理指标与长期目标的关系。
- 加条件归一化排序损失作为正则：因果效应损失非凸不稳定，可以加一个把代理指标和长期目标归一化到同一分布后的 pairwise ranking loss，提升训练稳定性，类似业务多目标融合里可以复用。