解读

面试官问“协同效应建模”，核心想验证三件事：

1. 你能否把**国内主流触达渠道（Push、短信、微信）**放在同一套数据体系里量化；
2. 你能否用因果推断而非“看报表”来证明1+1>2；
3. 你能否把模型结果落地到资源预算分配与频次控制，真正提升ROI与用户体验。
   回答必须体现“数据驱动+业务闭环”，否则会被追问“模型准但业务不涨怎么办”。

知识点

1. 多触点归因（MTA）：位置归因、时间衰减、Shapley值，解决“谁该拿多少转化功劳”。
2. Uplift Model：双重机器学习（DML）、因果森林，量化“因为协同所以多卖了多少”。
3. 渠道疲劳曲线：负指数函数拟合，找到边际响应率<边际成本的临界点。
4. 国内数据合规：短信需用户明确订阅（工信部26号令），微信需48小时内互动（微信官方规则），Push需厂商级通道权限（华为/小米/OPPO）。
5. 业务约束：短信成本≈0.045元/条、微信模板消息免费但有限额、Push到达率受厂商通道配额影响，模型必须带成本上限。

答案

我把建模拆成五步，每一步都给出国内可落地的数据表、字段、代码思路，保证今晚就能跑通。

第一步：统一数据仓
建表user_touch_log，核心字段：
user_id、touch_type（push/sms/wechat）、touch_id、send_time、receive_time、receive_status（0/1）、cost（分）、campaign_id、goal_type（拉新/促活/召回）。
关键：微信回执用MsgID反查微信后台，短信回执接阿里云/腾讯云回执URL，Push回执接厂商通道回执，确保到达率=receive_status=1。

第二步：定义协同窗口
国内用户决策周期短，滑动窗口取24小时。
若同一用户在24小时内收到≥2渠道，则标记为synergy=1，否则为single=1。
用session_id=concat(user_id,date_format(send_time,'%Y%m%d'))做分组，防止跨天污染。

第三步：构建Uplift样本
目标变量：下单/活跃/还款，按业务KPI选。
Treatment组：synergy=1且渠道顺序随机（通过运营平台AB流量切分保证随机）。
Control组：只给单一渠道，其余特征用倾向分匹配（PSM）对齐。
用因果森林（grf包）估计ITE，输出uplift_score= P(y=1|T=1,X)−P(y=1|T=0,X)。
关键：必须做敏感性检验，把“渠道顺序”当混淆变量再跑一遍，确保 uplift 不是顺序效应。

第四步：归因+预算分配
用Shapley值把总GMV拆到各渠道组合。
公式：φ_i=∑_{S⊆N\{i}} (|S|!(n−|S|−1)!/n!) * (v(S∪{i})−v(S))
其中v(S)取uplift增量GMV，不是总GMV，避免把自然转化算进来。
把φ_i除以cost_i得到边际协同ROI，按ROI降序排，前70%预算优先投放，剩余30%做探索。

第五步：频次控制模型
用负指数函数拟合响应率：
response_rate=a×exp(−b×freq)+c
分别对single与synergy拟合，求交点freq*使得uplift=0。
产出规则：

• 若用户近7天已收≥2次微信，则短信/Push降权50%；
• 若uplift_score<0.8%且cost>0.03元，则自动关断；
• 大促期临时放开成本上限+20%，但需实时看板监控投诉率，>0.3%立即熔断。

落地工具：

• 数据层：MaxCompute做离线，Flink做实时；
• 模型层：Python因果森林+Shapley包；
• 决策层：接入阿里Quick Audience或腾讯企点营销，把uplift_score与φ_i写回人群标签，T+1小时更新。

拓展思考

1. 隐私政策升级后，微信模板消息将下线，需提前把模型迁移到微信小程序订阅消息，订阅消息一次性特性会让协同窗口缩短到1小时，需重跑Uplift实验。
2. 厂商通道配额（小米日限10万、华为日限5万）是硬瓶颈，可把配额当约束条件写进线性规划，用拉格朗日松弛求最优渠道组合，避免“模型最优但通道被打回”。
3. 长期看，把协同效应模型与CLV模型串联：用uplift_score修正CLV预测，高CLV且高uplift用户进入VIP通道，享受人工+自动化混合触达，实现品牌忠诚与GMV双增长。