快手关于因果科学及其工业界应用落地

导读 本次分享主要结合增长场景，介绍因果推断工具在工业界的落地。

主要围绕以下几方面展开：

1. 为什么使用因果工具？

2. 因果推断中的数据流规范

3. 模型选择

4. 模型评估与在线仿真

5. 有限资源下的优化问题

分享嘉宾｜秦旋 快手 增长算法工程师 

编辑整理｜卢于欣

内容校对｜李瑶

出品社区｜DataFun

---

01

为什么使用因果工具？

1. 1. 什么是相关性？

Case 1：电影院中，尼古拉斯凯奇的电影的数量与落水者的数量呈现正相关性。基于模型会得到不好的推论，即通过减少电影会减少落水者人数。但其实它们之间是没有任何因果关系的。

Case 2：我们往往观察到，戴眼镜的同学的学习成绩更好，但真的是戴眼镜能提高学习成绩吗？该问题可以拆成几步，第一步：风险因素（risk factor），即是否戴眼镜；第二步，潜在原因（component causes），在学习上花更多时间；第三步，效果，即更好的准备；第四步，显现出的结果就是有一个好的学习成绩。

1. 2. 相关性模型存在的问题

当使用相关性模型去预估因果效应时会出现什么问题呢？例如，研究学习时长对学习成绩的影响，Y 变量为学习成绩，W 变量为学习时长，X 变量为是否戴眼镜，W 指向X的边会造成 β1 的错误预估。

1. 3. 因果工具如何帮助我们？

因果推断帮助消除 X 指向 T 的边，将 E[Y|t] 转变为 E[Y|do(t)]。对于 E[Y|T=1]- E[Y|T=0] 转变成 E[Y|do(T=1)]-  E[Y|do(T=0)]，其中 do(T=1)，即通过人为干预，将所有样本的 treatment 都变为 T=1；do(T=0)，即通过人为干预，将所有样本的 treatment 都变为 T=0。回到眼镜的例子，如果我们计算 E[Y|do(T=1)]-  E[Y|do(T=0)]，则会发现结果为 0，不同于 E[Y|T=1]-  E[Y|T=0]。

从相关性转到因果模型，主要是消除混杂因素。

1. 4. 因果推断的应用

因果工具的应用非常广泛，包括在线旅游平台、网约车、电商、外卖平台等场景中，都会基于因果模型寻求业务的增长。

02

因果推断中的数据流规范

1. RCT（随机对照试验 ）的优缺点

接下来看一下数据是如何收集的。实践中经常会基于无偏数据建模。

优点：可比性和协变量平衡 (comparability and covariable balance)，即相关=因果；可交换性(exchangeability)；无后门路径（No backdoor paths）。

缺点：贵(expensive)，随机分配干预，如网约车场景下使用不同的折扣券，导致消耗成本较大；缺少普遍性(Lack of generalizability)。

因果推断中需要科学的、高效的RCT设计。

2. 如何设计 RCT

RCT 设计主要包括以下两种：

Nested Design：需要直接从目标人群中随机采样，一组作为对照组，另外一组作为策略组。这样做的好处在于，观测组和对照组与目标人群分布一致。

Non-Nested Design：先有独立的采样机制，通过采样机制，得到对照组和策略组。

实际中更多是使用 Non-Nested Design。主要在于业务场景中，存在部分样本一直采用单一策略，如果将该部分样本引入随机实验，会造成资源浪费。如通过补贴提升用户留存时，从未登录的用户不会给予补贴，如果线上仍随机发放补贴，会造成资源浪费，也是低效的。

如何设计 RCT？

不能清晰地定义目标人群，不仅会造成资源浪费，还会造成数据存在分布不一致。

那么如何保证数据可用呢？

（1）清晰地定义目标人群

• 确保线上代码中 RCT 的最高优先级。使用正交流量时，可能存在被其它正交实验切走部分流量，如果RCT不在最高优先级，被切走的流量就可能会走策略，而不是随机，最终导致数据不一致。
• 另一方面是好的日志记录。每个样本要有唯一且单独的标识。

（2）实验前需要 shuffle 流量，并且正确的 shuffle

• shuffle 实验是重要且容易忽视的一步，主要是为了确保数据的一致性。
• RCT 实验本身是一种策略，有着一致的分布。如果在刚结束的实验上，再开始一个随机实验，会导致样本分布和目标人群分布不一致。

（3）正确地使用特征

工业界常见的 2 种样本维度为：

• 用户维度，即给同一用户同一策略，直到实验结束。用户特征只需要收集第一次请求前的特征。
• 请求维度，即每次请求随机采用策略。需要每次请求前的特征。样本量远远多于用户维度。

具体选择哪种维度，取决于业务场景。

• 用户维度，适用于观测累计因果效应。
• 请求维度，适用于单次因果效应。

（4）在线 RCT

RCT 在线化，相比于大规模 RCT，好处在于永远有一部分数据与 Whole population 同分布。因为：

• 每天都可以得到和 Whole population 同分布的随机样本；
• 改变策略更灵活，避免浪费；
• 让模型更适配于目前的商业环境。如季节性因素会影响因果模型预估，导致模型效果变差。

数据对建模至关重要。没有好的数据，就像无根之木，很难对模型效果进行归因。

03

模型选择

1. 常用的因果推断模型

目前已经存在很多因果工具帮助我们预估因果效应，但随着数据量变化，以及对业务的理解加深，会发现当前工具可能无法完全适配业务场景。

2. 因果森林

（1）因果森林原理

通过每个叶子节点间异质性最大化分裂，来保证相同叶子节点内样本同质。在树找到特征后，会分裂左右叶子节点，在左右叶子节点下做回归，W 为干预，Y 为结果，希望左右叶子结点斜率最大化，通过这样的方式，保证左右节点因果效应差异最大，也就是异质性最大。

该模型广泛应用于补贴或增长场景，主要在于因果森林只会在对因果效应提供信息的特征上分裂。回归模型，包括神经网络，是把所有特征放一起回归 Y 本身（Y = θ(x)*T + α*X），而不是 ∆Y（即因果效应），会导致 α 预估不准，造成 θ(x) 预估不准。

（2）广义因果森林

学习 Y 和 W 之间非线性关系，放松假设，数据驱动：即对于每个干预，在统计 Y 时会加上所有的干预的情况。如有 5 个干预的情况，在统计 Y(T=3)，会给 T=1,2,4,5 分配权重，基于加权的权重得到 Y(T=3)，权重定于基于高斯分布，离 T=3 越近的样本给的权重就越大。

（3）Policy Learning

因果森林的分裂准则，即最大化斜率，这给到一个启发，为什么不能定制化分裂准则，让模型更贴近业务？也就是 policy Learning，使模型的结构更符合业务场景，可基于 ROI、Qini Score、距离分布等来分裂。如左右叶子节点基于 ROI 分裂，使左右叶子节点 ROI 的差最大化，这样能保证同一叶子节点 ROI 接近，进一步保证同一叶子节点在线上给到相同策略，建模目标从建模 ∆ reward 转变为了 ∆ROI。

3. CBIV

第二个方向为 CBIV，业务场景抽象的因果图类似于工具变量(IV)建模。举个例子，如电商平台给客户发放补贴，希望客户得到激励，产生更多的购买欲望。但影响客户购买行为的真的是优惠券吗？实际上，用户更多的是考虑优惠券能省多少钱，影响客户购买行为的直接原因是成本，而不是优惠券本身。在因果图中，优惠券实际是一个工具变量。这引出了一个问题：什么样的特征能影响因果效应？不是能同时影响干预和结果的特征，而是和T一起，对 T-Y 的路径上的某个中介变量产生作用的特征。在刚才的例子里，这个中介变量就可以是成本，T 是优惠券，Y 是 action。

在研究中更多是解决 CBIV 问题：

第一步：Treatment Regression，基于 Z（优惠券）和 X 对 T（成本）进行回归。

第二步：Confounding Balancing，断掉 C 和 T 的关联。

第三步：Outcome Regression，基于 C 和 T 预估 Y。

在实际应用场景中，可进行简化：

第一步：Treatment Regression，仍可基于 Z（优惠券）和 X 对 T（成本）进行回归，这一步，可以获得 Z 和 X 中对因果效应提供信息量的 X1 共同的表征 C。

第二步：Outcome Regression，由于基于 RCT，可直接预估对照组下的 Y，在预估干预组的 Y 时，可采用减法的方式，计算 ∆Y，最后通过第一步中提取到的表征 C 来回归 ∆Y。

4. 其它 De-confounding 方法

其它 De-confounding 方法，如：Feature decomposition，DML，Front-door Path Adjustment 等。

04

模型评估与仿真

1. 效果评估指标

AUUC 评估和 Gini Curve 评估，主要是对于排序准确度的评估。实际在做补贴时，更多考虑的是业务场景的贴合程度，即使用 AUCC 评估，排序方式从 uplift 排序调整为 ROI 的排序，评估真实 cost 和 reward 的 ROI 曲线，和预估的 ROI 是否有相同趋势，面积越大的模型在线上效果越好。

2. 离线仿真

我们希望基于离线仿真，能够模拟线上收益。

仿真流程：第一步，存在部分 RCT 数据，假设与观测数据分布一致；第二步，预估 ∆Y，通过运筹规划找到最优解；第三步，评估 RCT 数据上产生的经济效应，并判断策略是否符合业务认知，并展示成本-收益曲线。

经典经济学问题，成本-收益曲线表现出 log 函数关系。在 RCT 数据上，基于限制不同成本拟合曲线，通过比较多个模型的曲线，判断模型效果。

通过特征维度，判断干预策略是否符合业务认知。如打车业务场景，更倾向补贴长里程订单，可对里程进行分桶，检查是否长里程补贴更多。

05

有限资源下的优化问题

对于规划求解问题，大部分人是通过离线分配，进行在线决策，但若样本历史未出现过，离线分配无法找到最优策略。我们希望通过在线分配的方式，解决类似问题。处理方案如下：先将优化问题转化为对偶问题，即：

对于样本 i：y*_i(λ)=max(0, max_j=1,…,ki(v_ij-c_ij))，其中 v_ij 为策略为 j 时的 reward，C_ij 为策略为 j 时的 cost。需要寻找 λ 使目标函数最小，λ 确定后，最优的分配策略也就出现了。

所以该问题在线上转化为贪心问题，在确定 λ 后，只需要找到使 v_ij-c_ij 最大的策略 j。

λ 和成本有强相关关系，λ 变大，意味着成本变小；每个 treatment 在下图中代表着一条曲线，截距，为该 Treatment 下的因果效应。如果找到 λ，在线上可找到当前 λ 下的最优干预策略。当预算无限大时，即 λ 为 0，则寻找截距(vij)最大的 treatment 作为分配结果。

最后分享一下系统的流程框架。当有数据后，基于模型进行训练预估，再通过模型做出一个线上的预估值，最后进行运筹规划，分配最优策略。该策略会被应用于线上系统展示给用户，用户基于干预产生更新的行为，行为产生的数据会反哺模型。各模块之间独立又相互连接，通过不断优化模型和流程，实现业务收益的最大化。

以上就是本次分享的内容，谢谢大家。

分享嘉宾

INTRODUCTION

秦旋

快手

增长算法工程师

毕业于美国波士顿大学，清华大学计算机系研究员。曾在滴滴出行任职高级算法工程师，研究方向为因果推断。曾自主开发了一套适用于工业界的 RCT&观测数据融合算法。参与开发基于 SPARK 的分布式因果森林，并进行改造与升级。该工作在网约车智能定价业务上多次取得 ROI 收益。加入快手后，负责过补贴，裂变等业务，并参与开发因果机器学习平台。

往期优质文章推荐

往期推荐

峰会推荐

点个在看你最好看