导语
翻开购物APP， ，，，， ，首页推送的商品经常让人疑惑， ，，，， ，无意点击的广告商品被重复推送， ，，，， ，真正切合内在需求的商品却被淹没在推荐列表中。。。
克日， ，，，， ，安博电竞助理教授王聪与相助者的研究在国际信息系统顶刊Information Systems Research揭晓的一项研究， ，，，， ，探讨了推荐算法泛起误差的原因， ，，，， ，并提出了名为DISC的新型推荐框架， ，，，， ，为个性化推荐真正贴适用户内在需求提供了全新视角。。。
行为数据≠真实偏好
在电商平台上， ，，，， ，用户的每一次浏览、加购、下单都会留下“数字足迹”， ，，，， ，这些数据正是推荐算法的训练基础。。。但王聪和相助者的研究发明， ，，，， ，这些行为数据并非用户真实偏好的纯粹反映， ，，，， ，而是多种因素交织的效果。。。
消耗者的购物行为不但取决于自身对商品的偏好， ，，，， ，也会受到商品显式度和从众效应的双重影响。。。商品显式度犹如阛阓里的显眼广告位， ，，，， ，搜索排名靠前、广告投放麋集的商品更容易获得用户点击；；而从众效应则像货架前的 “人气指标”， ，，，， ，高销量、好评多的商品往往能吸引更多人跟风购置。。。
而古板推荐算法恰恰忽略了这一点， ，，，， ，将用户因广告吸引的浏览、因销量跟风的下单， ，，，， ，所有等同于“用户喜欢”， ，，，， ，直接用于模子训练， ，，，， ，这种混淆导致算法陷入越推越偏的循环， ，，，， ，既影响用户体验， ，，，， ，也降低了平台的推荐转化效率。。。
提出DISC模子， ，，，， ，给行为动因做精准疏散
为解决现在推荐算法的问题， ，，，， ，研究团队立异性地将因果推断理论融入推荐系统设计， ，，，， ，提出了DISC因果解耦推荐要领。。。该模子的焦点突破在于， ，，，， ，将驱动用户行为的三大焦点因素内在偏好、商品显式度、从众效应精准疏散。。。
详细而言， ，，，， ，研究团队基于消耗者行为理论， ，，，， ，将完整购物旅程划分为三个要害阶段：以浏览为代表的需求识别阶段、以加购为代表的预购评估阶段、以购置为代表的决议阶段。。。通过构建结构化因果图， ，，，， ，模子明确界定了差别因素在各阶段的作用：浏览行为由内在偏好和商品显著性配合驱动， ，，，， ，而加购和购置行为则受内在偏好和从众效应影响。。。
为越创造确地反映真实购物情境， ，，，， ，DISC模子引入了潜在变量——决议路径选择变量， ，，，， ，乐成适配了现实中的重大购物场景。。。好比， ，，，， ，激动型消耗者可能跳过加购环节直接下单， ，，，， ，而审慎型消耗者会完整履历“浏览-加购-购置”流程， ，，，， ，这一变量让模子能更精准地捕获差别用户的决议习惯， ，，，， ，阻止了古板模子“一刀切”的形貌缺陷。。。
在数据处理层面， ，，，， ，由于内在偏好、商品显式度等焦点变量无法直接视察， ，，，， ，模子通过署理变量间接推断其相对巨细， ，，，， ，如用商品总浏览量署理显著性， ，，，， ，用商品总销量署理从众效应。。。研究团队通过理论剖析证实， ，，，， ，在知足宽松假设条件下， ，，，， ，该模子可仅基于视察数据， ，，，， ，唯一预计出各动因的真实效应， ，，，， ，为因果推断的严谨性提供了理论包管。。。
商业价值落地， ，，，， ，反事实剖析赋能精准营销
经由在两个大规模真实数据集上的实验验证， ，，，， ，DISC模子体现出显著的效果优势：在古板购置行为预测使命中， ，，，， ，其预测性能逾越目今主流基线模子；；在扫除显著性与从众效应滋扰的“纯净偏好推荐”使命中， ，，，， ，该模子能够更准确地预测用户基于内在偏好做出的购置决议， ，，，， ，从而实现了对用户真实偏好的精准捕获。。。
该模子的焦点商业价值在于可基于其学习到的因果图举行反事实剖析， ，，，， ，为电商平台提供数据驱动的营销决议工具。。。通过对差别行为动因的干预剖析， ，，，， ，平台可量化种种营销战略的现实效果：关于激动型购置路径， ，，，， ，提升商品显著性（如优化广告投放、调解搜索排名）的干预效果更优；；关于审慎型购置路径， ，，，， ，强化从众效应（如突出高销量数据、展收户好评）则能更有用增进转化。。。
这一研究的立异意义在于， ，，，， ，突破了古板推荐算法的逆境， ，，，， ，实现了算法决议的可诠释性与可干预性。。。关于电商平台而言， ，，，， ，DISC模子不但能提升用户粘性与转化效率， ，，，， ，还能量化差别动因的干预效果， ，，，， ，通过精准匹配降低营销资源铺张；；关于消耗者来说， ，，，， ，未来的推荐列表将更少受到广告、爆款等外部因素的裹挟， ，，，， ，更多泛起契合个人真实需求的商品。。。
随着数字经济的深入生长， ，，，， ，个性化推荐已成为毗连消耗者与商品的焦点桥梁。。。王聪与相助者的这项研究， ，，，， ，通过因果推断与推荐算法的深度融合， ，，，， ，为推荐系统的优化升级提供了全新要领论， ，，，， ，资助电商行业在精准匹配中挖掘新的增添空间。。。
注：本篇论文的其他作者还包括复旦大学治理学院石岩松， ，，，， ，清华大学经管学院郭迅华， ，，，， ，清华大学经管学院陈国青
王聪， ，，，， ，安博电竞治理科学与信息系统系助理教授。。。于清华大学经济治理学院取得治理学博士学位， ，，，， ，于北京大学信息治理系、国家生长研究院取得治理学、经济学双学士学位， ，，，， ，曾在Carnegie Mellon University（卡耐基梅隆大学）从事博士后研究事情。。。学术研究聚焦于机械学习、数据挖掘等手艺要领与治理问题的交织点上， ，，，， ，凭证差别治理问题需求及其数据特点举行响应的剖析要领设计， ，，，， ，以提供精准高效的解决方案。。。现在主要关注于电子商务、金融科技、智慧医疗等领域的决议支持要领设计研究。。。研究效果揭晓于海内外着名学术期刊。。。
