1. 项目概述
在联盟营销生态中,淘客推广者(Promoter)扮演着关键角色,他们通过社交网络传播商品信息,直接影响商品的销售表现。传统评估方法仅关注推广者直接带来的销量(Self-sales),忽视了其在社交网络中产生的链式传播价值。这种"直接贡献"评估范式导致两个核心问题:价值衡量偏差和资源分配失准。
阿里妈妈技术团队提出的DNTS(Dynamic Network-based Two-stage forecasting)框架,创新性地将传播规模预测分解为两个子任务:基础信号预测(自销量)和动态网络结构预测(传播关系)。这种两阶段解耦方法有效解决了传统GNN模型难以处理的高度动态网络和非平滑信号问题。
关键突破:首次定义了"传播规模"指标,量化推广者通过社交网络产生的间接价值,实现了从"直接贡献"到"传播价值"的评估范式迁移。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心问题解析
2.1 传统评估的局限性
现有联盟营销系统普遍采用"原子化"评估方式,仅统计推广者直接带来的销售额。这种方法的缺陷在于:
-
价值低估:忽略推广者在传播链路中的枢纽作用。如图1(a)所示,推广者P1虽未直接产生销售,但通过激活下游推广者P2和P3,间接促成了两笔订单。
-
激励扭曲:资源过度倾斜"收割型"推广者(如P3),而忽视"播种型"推广者(如P1),长期损害生态健康。
2.2 传播规模定义
传播规模(Propagation Scale)形式化定义为:
code复制PS(p) = Σ_{o∈O(p)} q(o)
其中:
- O(p):推广者p参与的所有订单集合
- q(o):订单o的销量
以图1(a)为例:
- P1的传播规模 = q(o1) + q(o2) = 1 + 2 = 3
- P2的传播规模 = q(o2) = 2
- P3的传播规模 = q(o1) = 1
2.3 技术挑战
- 信号非平稳性:传播规模受整个下游网络影响,波动剧烈(如图2左)
- 网络动态性:每日推广网络结构变化显著(商品×天数维度)
- 工业级难题:
- 数据稀疏:亿级商品中每个商品关联的推广者极少
- 高波动性:推广活动存在爆发期和沉默期交替
