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,他们通过社交网络将商品信息传播给潜在消费者。传统评估方法仅关注推广者直接带来的销量(Self-sales),忽视了其在传播网络中的间接价值。这种"直接贡献"评估范式存在明显局限性,可能导致资源分配失衡和激励机制失效。
阿里妈妈技术团队首次提出"传播规模"(Propagation Scale)这一创新指标,用于量化推广者的间接传播价值。传播规模定义为:推广者参与的所有推广链路最终产生的订单销量总和。这一指标能够更全面地评估推广者的综合价值,特别是识别那些作为"播种者"或"连接者"的关键节点。
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. 技术挑战与创新
2.1 核心挑战解析
在传播规模预测任务中,我们面临两大核心挑战:
-
信号不平滑性:与相对平稳的自销量相比,传播规模受整个下游推广网络影响,呈现出剧烈且难以预测的波动。这种非平稳特性使得传统时序预测方法难以直接应用。
-
网络动态性:商品推广网络高度动态变化,每天都会形成新的网络结构。传统基于GNN的方法通常假设静态图结构,无法有效处理这种大规模动态网络场景。
2.2 创新解决方案
针对上述挑战,我们提出DNTS(Dynamic Network-based Two-Stage)框架,其核心创新在于:
-
两阶段解耦预测:将复杂的传播规模预测任务分解为两个更稳定的子任务:
- 基础信号预测(自销量)
- 网络结构预测(传播关系)
-
动态网络建模:设计"局部+全局"双重编码器,有效捕捉推广网络的动态演化特征。
3. 方法细节
3.1 基础信号预测
基础信号预测模块采用改进的时间卷积网络(TCN)架构:
-
多尺度特征提取:使用不同大小的卷积核(如3天、7天、14天)并行提取多粒度时序特征。
-
门控融合机制:通过可学习的权重门控,动态融合不同尺度的特征表示。
-
残差连接:引入跳跃连接缓解深层网络梯度消失问题,公式表示为:
code复制h_t = σ(W_h * x_t + b_h) + x_{t-1}
这一设计使得模型能够同时捕捉短期波动和长期趋势,显著提升自销量预测的准确性。
