企业官网建设流程全解析

做展示广告转化率预估这几年，我最大的感受是：模型结构很多时候反而不是最难的点，最难的是把“标签”这件事彻底想明白。普通场景的标签是确定的，点了就是1，没点就是0，可广告转化不一样，用户可能点完广告后几秒就下单，也可能在购物车里放三天再回来支付，甚至看完后去别的渠道比价再成交。只要离线样本按固定观察窗口切，标签就在悄悄“变瞎”：窗口内的负样本里，其实混着一批第二天就会转成正样本的潜伏用户。

最近看到某头部电商平台展示广告团队发表的一套新框架，把这个问题往深挖了一层，核心思路是“级联延迟反馈建模”。它不再把延迟当成一条拟合出来的曲线，而是拆成多阶段、多来源的时间延迟逐一建模，每一层都有自己对应的标签和优化目标。这篇文章我会把它的原理、和传统方案的差异、训练样本该怎么构造、线上推理怎么用都展开讲一遍，也会把我自己踩过的坑放在相应的地方，希望帮正在做广告延迟建模或标签工程的同行省点时间。

1. 展示广告里的“迟到”转化：一个容易被忽视的标签慢性病

1.1 转化的真实时间线比想象中长

广告系统的数据链路里，一次完整转化并不是“用户点击→立刻支付”这么简单。用户的真实路径往往是：看到广告、点击落地页、浏览商品、收藏加购、对比其他店铺、再回到站内下单，中间可能跨设备、跨时段。这些动作之间的时间差，短则几秒，长则几周，没有任何一个固定窗口能把它完整装下。

这就产生了一个很讽刺的结果：模型学习用的负样本，并不是真实的负样本，而只是“在当前观察窗口内还没变成正样本”的样本。你训练时标记为0的用户，可能在训练结束后的第二天产生了转化，但他的特征已经参与过一次梯度更新，模型会朝着“这个特征组合转化率不高”的方向去学习。

1.2 不止用户决策慢，平台链路也在拖时间

很多人以为延迟只是用户下单慢，实际做过数据链路后就会明白，平台侧的延迟同样不可忽略。支付事件发生后，广告日志要经过归因服务、点击日志join曝光日志、ETL清洗、样本拼接这些环节，才能真正进入训练样本库。每个环节都会消耗时间，尤其是大促高峰期，数据链路排队严重时，回传延迟可能从分钟级涨到小时级。

这带来的直接问题就是样本“反复无常”：同一个用户今天在正样本表里没有记录，明天数据回流了，它又变成正样本。如果你用当天快照去训练，等于每天都在用一套看不见全貌的数据集。更麻烦的是，这种系统延迟不像用户决策延迟那样有规律，它会随链路负载上下浮动，模型更难去建模。

1.3 多重延迟的真实形态

在实际业务里，至少有三种延迟叠加在一起：

• 用户行为侧延迟：从曝光/点击到最终支付的时间，受商品客单价、品类决策周期、用户犹豫程度影响，差异最大；
• 平台回传侧延迟：从支付发生到日志入库的时间，由数据管线决定，高峰期波动明显；
• 归因口径侧延迟：不同广告主设置的转化归因窗口不一样，有的看1天，有的看7天，还有的看30天，同一个转化在不同口径下会被划到不同日期。

这些延迟叠加在一起的时候，只用一个“平均延迟分布”来描述肯定不够。这也是触发这套级联框架最直接的业务原因：延迟不是一种，而是多重；模型必须有能力区分它们各自的时间尺度和触发条件。

2. 从“改标签权重”到“拟合延迟分布”：经典方案的演进与天花板

2.1 最朴素的做法：把窗口边缘样本的权重调低

行业内解决延迟反馈问题，早年最朴素的办法是给伪负样本降权。比如观察窗口是7天，那么第6天和第7天还没转化的样本，负样本置信度存疑，就给它的loss乘以一个小于1的系数；那些曝光后1小时就被判定为负样本的，反而比较可信。

这种方法确实有用，核心逻辑也很容易理解：离窗口截断边界越近的未转化样本，越有可能是“假阴性”。但它的问题在于，这个权重是拍脑袋定的，没有经过概率推导，而且窗口越长，样本时效性越差；窗口越短，误杀越严重。它本质上是在缓解问题，而不是在建模问题。

2.2 进一步思路：把延迟当随机变量去学习

后来业界开始引入延迟分布建模，思路是把“转化是否发生”和“转化发生在什么时间”联合起来看。对每个样本，定义它从发生行为到转化完成的时间间隔为一个随机变量，并在训练时显式估计条件延迟分布。

这样的方法能带来一个很直接的提升：当某个样本在当前时刻还未转化时，模型不再直接认定它为负样本，而是计算“它未来转正的概率”，再把这部分概率作为正样本损失的权重补偿回来。这种做法比单纯降权要精细得多，因为它对每个样本给出的调整系数是数据和模型驱动的，而不是人工定的常数。

但这里有一个隐蔽的天花板：一旦真实业务里存在多个延迟来源，把它们混成一条分布曲线来拟合，就会变成一个“平均化”的结果。用户决策快的和慢的、回传及时的和大促卡顿的，全被揉进同一个形状的函数里。模型能学会平均水平，却很难在某个具体广告位、具体时段上做到精确校准。

2.3 单条延迟曲线为什么顶不住多重延迟

单条延迟曲线本质上是在假设“所有样本的延迟来自同一个生成过程”，但展示广告场景恰恰不满足这个假设。同一个用户处在不同决策阶段时，延迟状态完全不一样；同一个广告位在大促前后，延迟分布也会急剧变化。如果硬用一个全局分布去拟合，最后学到的往往是多峰分布中间的一个“虚假均值”。

我做实验时见过一个很典型的案例：某条广告线在非大促期间的转化延迟中位数只有2小时，另一条广告线因为客单价高、决策周期长，中位数达到了36小时。如果用同一个全局延迟分布去建模，结果就是两条线都不准：快的线觉得模型反应太慢，慢的线觉得模型过于激进。这个案例让我深刻意识到，必须把延迟拆开，而不是合并。

3. 级联延迟反馈建模框架：把一次转化拆成两段随机过程

3.1 核心洞察：转化不是终点事件，而是状态递进

这套新框架最关键的洞察是：一次转化不应该被看作一个单独的点事件，而是用户从曝光状态不断向前递进、最终到达转化状态的过程。每一次状态转移都有自己的延迟规律，前一个状态没发生，后一个状态就不可能发生。

类比一下，用户决策很像一条生产线：曝光是原料进入车间，点击/加购/收藏是中间产物，支付是成品下线。每条工序耗时不同，如果只统计“进料→成品”的总时间，就很难定位是哪一道工序拖慢了整体节奏。级联建模就是给每道工序单独建一个时钟。

3.2 第一级：曝光到行为意图的条件建模

框架的第一级，负责建模“曝光之后用户是否会出现行为意图”。这个意图可以是点击、加购、收藏等强信号，不同的广告场景可以定义不同的意图事件。第一级输出的结果用来回答：“这次曝光有没有引起用户注意力，以及如果引起了，是在曝光后多久发生的。”

这一级的延迟通常非常短，集中在几十秒到几小时，而且受物料吸引力、上下文匹配度影响极大。它适合用一个条件分布模型来拟合，特征是曝光侧的创意、商品、人群标签、上下文场景。

3.3 第二级：意图发生后到转化反馈的条件建模

第二级则在这个意图已经发生的前提下，继续建模“从意图到真实转化”的延迟。这个延迟通常要长得多，影响因素也从“曝光吸引力”切换到了“商品决策难度、价格带、竞品情况、用户历史购买周期”等更深层的信号。

和直接把曝光到转化作为一个整体建模相比，这种条件分解有明显的概率优势：第一级把意图强度先抽出来，第二级再去学习“有意图的人里面，谁会最终付款”。两个目标不再互相污染，延迟估计的方差也会更小。从工程上理解，这相当于把原本一个复杂的映射，拆成了两个更易学的子映射。

3.4 两级联合推断时的数学直观

如果把两级放在一起看，最终预测可以写成这样一个直观形式：

转化概率 = 曝光后产生意图的概率 × 意图发生后最终转化为正样本的概率

而总体延迟则由两部分时间相加构成：先是曝光到意图的时间，再是意图到转化的时间。级联的价值就是让这两个时间各自拥有独立的参数，并且允许它们的形态完全不同——前一个可以是尖锐的短尾分布，后一个可以是平坦的长尾分布。

对比单阶段模型，它只能用一个 T 去总括一切，拟合出来的分布往往把短延迟和长延迟混在一起，既看不出意图产生的快速爆发，也看不出转化积累的慢热长尾。这个区别在真实数据上非常明显，尤其是当你分别画出两种模型对“曝光后5分钟转正率”和“曝光后3天转正率”的预测时，级联模型的校准度会高出一截。

4. 训练样本构造与损失函数：框架落地的细节活

4.1 样本抽取窗口怎么定

训练这套级联框架，数据侧最优先要解决的是“样本归属窗口”的问题。我的做法是：对每条曝光/点击样本记录行为发生时间，然后定义一个观察窗口，比如7天。窗口内发生了意图、或发生了转化，就把对应阶段标记为正样本；窗口内什么都没发生，先不急着打成负样本，而是记一个“未观测到事件”的软标签。

这里有个细节容易踩坑：第一级需要的样本是曝光日志，第二级需要的样本是行为日志，两级样本的体量可能差一个数量级。意图行为可能只有曝光量的百分之几，转化又只有意图行为的百分之几。如果不做对齐，二级网络很容易过拟合到少数样本上。实际落地时我会把第一级和第二级的训练数据分开存储，分别做采样和校验，避免共用一套样本带来的分布错位。

4.2 损失函数怎么拆

整个模型的训练目标可以分为两段损失相加。第一段损失负责让模型学会“是否有意图”，这是一个常规的分类目标；第二段损失负责在意图已发生的前提下，让模型学会“延迟多久转化”，这需要使用一个截断感知的目标函数。

对于窗口内已经转化的样本，直接以实际延迟时间作为监督；对于窗口内尚未转化、但被判定为可能后续转正的概率样本，则按概率折算成伪正样本损失，而不是简单丢弃。这种损失设计等于在告诉模型：别因为今天没看到转化，就断言永远不会有转化。

4.3 一个建议：先分别预训练，再联合微调

在真正联合训练之前，我建议先把第一级和第二级分开预训练好。原因是两级特征空间差异比较大，如果一开始就端到端训练，梯度会相互干扰，尤其是第二级网络很容易被第一级的误差带偏。分开预训练到一个合理水平后，再做端到端联合微调，调整范围不要太大，学习率设得低一些，效果通常会更稳。

联合微调的另一个好处是可以共享一部分用户基础特征，比如用户历史购买力、活跃时段、最近7天访问频次等，减少两个网络各自重复学习的压力。实操中我会把特征分成三块：曝光上下文特征、用户长期属性特征、用户近期行为特征，前两块两级共用，第三块主要给第二级使用。

4.4 训练数据延迟表的重要性

训练这套框架还不能忽略一张基础的“延迟统计表”。这个表记录每个广告位、每个品类、每个流量渠道下的历史延迟分布分位数，比如50%转化在多久内发生、90%转化在多久内发生。它有两个用途：一是用来做样本截断补偿的参考，二是用来诊断第二级网络输出是否出现漂移。

如果某一天第二级网络预测的期望延迟突然下降，对照延迟统计表发现广告位覆盖结构发生了改变，那就要警惕是不是新流量把分布拉变了。不要急着调模型，先看数据构成。

5. 线上推理与效果验证：四个容易被带偏的坑

5.1 线上打分不要只输出一个静态转化率

在线上用这套框架时，最忌讳的是像普通分类模型那样只输出一个“最终转化概率”。因为延迟反馈场景下，同一个用户曝光5分钟和曝光3天后的意义完全不同，前者还有很大可能转化，后者则基本可以放弃。

正确做法是输出一个随流逝时间变化的动态概率，也就是在每个时刻都重新计算条件转化概率。这个动态值给到竞价模块后，可以让出价系统在转化最可能发生的时刻窗口内提高出价权重，在希望渺茫时降低投放成本。实践下来，这类动态化输出带来的收益，往往比把模型结构改复杂还要明显。

5.2 评估指标要先看“成熟窗口”

延迟反馈模型的离线评估非常容易自欺欺人。如果你只取最近7天样本并固定7天观察窗口来评估，那么新模型和旧模型比的其实是“谁更会拟合当前这批还没完全成熟的数据”，而不是“谁对最终转化判断更准”。

我建议把评估拆成两套口径：第一套看成熟窗口，也就是只统计观察时间已经足够长、延迟分布已经基本沉淀的那批样本，用它们来比较模型的最终校准度；第二套则看早期表现，用转化未完全沉淀的近期样本，观察模型在真实投放节奏下是否敏感。两套结论不能互相替代，也不要只看一套下结论。

5.3 A/B实验容易被延迟错觉骗到

还有一个很经典的现象：新模型上线后前两天效果大跌，团队差点回滚，结果第三天开始反超。原因是延迟转化样本正在按不同节奏回流到实验组和对照组，头两天的样本统计其实是被“未回传正样本”污染的。

处理方法是把实验的评价时间拉长到最大延迟的2到3倍，并采用“截止评价日期后的数据再回补”的方式，也就是实验结束后再等一段时间，用补全后的数据做最终决策。这一条看上去很简单，但真的能拦住大量错误上线和错误回滚。

5.4 在线推断时的实时特征问题

第二级网络依赖用户最近行为特征，而在真实请求链路里，这些特征往往不是实时的，存在分钟级甚至小时级的缓存延迟。也就是说，模型以为用户“刚发生加购”，实际上这个行为可能已经是半小时前的。如果不对特征新鲜度做标记，级联模型第二级的延迟预测就会系统性偏短。

我的处理方式是给每个最近行为特征加一个时间戳维度，在特征工程阶段就显式告诉模型该特征的新鲜程度，让模型自己学会根据时间衰减调整判断。这个操作实现成本不高，但对长期稳定的线上效果帮助很大。

6. 我的一些落地体会和可能的扩展方向

如果你问我在实际项目里最值得先做什么，我的建议是别急着整套替换模型。先把线上各条广告线的延迟分布报表拉出来，按照意图延迟和转化延迟分开统计，看看差异到底有多大。如果所有流量都集中在同一时段内完成转化，那单阶段模型完全够用；如果明显存在多元时间尺度，再考虑级联方案。很容易出现的情况是，一小部分长尾渠道扰乱了整体表现，这种情况下做数据分层治理远比换模型更划算。

从工程投入角度看，这套框架对已经具备成熟点击率/转化率模型体系的团队来说，增量成本主要在多维护一个延迟子网络和对应的训练窗口管理逻辑。收益方面，最大的增量不在离线指标上，而在出价策略的空间拓宽——因为你能区分出“快速转化人群”和“慢热转化人群”，从而对两类人群采取完全不同的竞价策略。

我还会把级联思想延伸到其他延迟反馈业务里去，比如订阅续费、金融授信、二阶段复购。这些场景同样存在“先产生意向、再最终确认”的多重延迟结构，把广告领域这套样本标签重塑和条件延迟建模的方法搬过去，解决同类问题也是顺理成章的。最后想说，延迟反馈建模归根到底比的是对时间的理解，把时间维拆细一点、把阶段分清楚一点，很多顽疾自然会松绑。