簡(jiǎn)介：歸因的方法有多種，這篇文章的重點(diǎn)是指標(biāo)拆解，也是我們做業(yè)務(wù)分析時(shí)最常用到的方法。我們的目的是解放人力，將指標(biāo)拆解實(shí)現(xiàn)自動(dòng)化，一方面可以加快業(yè)務(wù)迭代速度，快速定位問(wèn)題；另一方面可以對(duì)可能產(chǎn)生異動(dòng)的維度進(jìn)行全局量化，增強(qiáng)可比性，明確下一步的業(yè)務(wù)行動(dòng)點(diǎn)的優(yōu)先級(jí)。自動(dòng)化異變歸因的目的是為了盡快判斷并抓住機(jī)遇，尋求以數(shù)據(jù)驅(qū)動(dòng)作為燈塔指引業(yè)務(wù)航向。

作者 | 伊璉
來(lái)源 | 阿里技術(shù)公眾號(hào)

一 前言

唯一不變的是變化，在擁抱它前，請(qǐng)事先探知、歸因、并充分準(zhǔn)備。

在相對(duì)完善的指標(biāo)體系建設(shè)背景下，我們需要通過(guò)指標(biāo)以及指標(biāo)波動(dòng)的解讀來(lái)描述、追蹤、推動(dòng)業(yè)務(wù)。當(dāng)一個(gè)指標(biāo)波動(dòng)時(shí)，我們首先需要從業(yè)務(wù)視角判斷其波動(dòng)是否異常，即異動(dòng)檢測(cè)，其次判斷異常背后的原因是什么，即異動(dòng)歸因。

歸因的方法有多種，這篇文章的重點(diǎn)是指標(biāo)拆解，也是我們做業(yè)務(wù)分析時(shí)最常用到的方法。我們的目的是解放人力，將指標(biāo)拆解實(shí)現(xiàn)自動(dòng)化，一方面可以加快業(yè)務(wù)迭代速度，快速定位問(wèn)題；另一方面可以對(duì)可能產(chǎn)生異動(dòng)的維度進(jìn)行全局量化，增強(qiáng)可比性，明確下一步的業(yè)務(wù)行動(dòng)點(diǎn)的優(yōu)先級(jí)。自動(dòng)化異變歸因的目的是為了盡快判斷并抓住機(jī)遇，尋求以數(shù)據(jù)驅(qū)動(dòng)作為燈塔指引業(yè)務(wù)航向。

二 目的

三 貢獻(xiàn)率的拆解方法

1 加法拆解

舉例針對(duì)絕對(duì)值指標(biāo)的維度拆解都是加法拆解。絕對(duì)量指標(biāo)的同比/環(huán)比變化，就是各個(gè)分指標(biāo)變化的加權(quán)求和，例如訪問(wèn)uv總和等于各渠道uv加總， 那么總uv的變化下鉆貢獻(xiàn)率等于各渠道分別的變化除以上個(gè)月的總uv數(shù)。

2 乘法拆解

舉例 漏斗模型，借助用戶(hù)動(dòng)線，拆解指標(biāo)。

以全站商品詳情頁(yè)的瀏覽量（ipv）為例，其變動(dòng)涉及流量、承接頁(yè)到商品詳情頁(yè)的轉(zhuǎn)化（uv-d轉(zhuǎn)化）、商品詳情頁(yè)用戶(hù)人均瀏覽量（人均pv），分別對(duì)應(yīng)了用戶(hù)增長(zhǎng)、搜推場(chǎng)景承接以及私域用戶(hù)活躍度等業(yè)務(wù)域或用戶(hù)行為指標(biāo)。借此對(duì)全站ipv的構(gòu)成鏈路進(jìn)行靜態(tài)乘法拆解：

3 比率型指標(biāo)拆解

4 實(shí)例應(yīng)用

根據(jù)上文提到的不同指標(biāo)的計(jì)算方法，支持全類(lèi)型指標(biāo)下鉆求貢獻(xiàn)的場(chǎng)景， 可根據(jù)先驗(yàn)業(yè)務(wù)輸入搭建多層的歸因邏輯模型， 層層下鉆，最終將指標(biāo)波動(dòng)定位。

圖二：計(jì)算貢獻(xiàn)率之后的數(shù)據(jù)結(jié)果樣式

以2011年某日ipv同比下跌的異動(dòng)分析為例：

第一層拆解，借助用戶(hù)動(dòng)線，將存在異動(dòng)變化的指標(biāo)ipv構(gòu)成鏈路進(jìn)行乘法拆解，如下：

這里幫助我們定位到可能導(dǎo)致指標(biāo)異動(dòng)的關(guān)鍵節(jié)點(diǎn)，這有助于我們將問(wèn)題定位到具體業(yè)務(wù)域，例如是uv的問(wèn)題，轉(zhuǎn)化的問(wèn)題，還是人均ipv的問(wèn)題？

第二層拆解，對(duì)關(guān)鍵節(jié)點(diǎn)處的多個(gè)維度進(jìn)行下鉆，將問(wèn)題定位到某些維度的某些水平上，同時(shí)避免陷入辛普森悖論等陷阱，這有助于我們形成具體業(yè)務(wù)域有所行動(dòng)， 例如如果是轉(zhuǎn)化的問(wèn)題，究竟是哪個(gè)渠道的轉(zhuǎn)化減少了？

下圖“異動(dòng)分析拆解流程圖”是根據(jù)先驗(yàn)的業(yè)務(wù)輸入搭建的歸因模型，根據(jù)其框架得以進(jìn)行貢獻(xiàn)率拆解與問(wèn)題定位：

圖三：指標(biāo)拆解逐層歸因

紅色表示的鏈路指標(biāo)或維度代表對(duì)總值下跌貢獻(xiàn)率較大，經(jīng)過(guò)一層一層的拆解定位到app端自然流量中轉(zhuǎn)化的降低導(dǎo)致總轉(zhuǎn)化下降。

基于流量跨端調(diào)控以及流量預(yù)算減投的業(yè)務(wù)背景，我們現(xiàn)將對(duì)ipv貢獻(xiàn)最大的uv/duv根據(jù)端型、流量渠道類(lèi)型、流量渠道、國(guó)家四個(gè)維度進(jìn)行貢獻(xiàn)率拆解。

在本實(shí)例中，通過(guò)本文對(duì)貢獻(xiàn)率拆解方法與業(yè)務(wù)人工看數(shù)得到的問(wèn)題定位基本一致，該方法可以實(shí)現(xiàn)異動(dòng)貢獻(xiàn)率量化與提效的目的，具體核心結(jié)論如下：

結(jié)論一 （第一層拆解）ipv下降主要影響因素是uv-d轉(zhuǎn)化率的波動(dòng)。

結(jié)論二 （第二層拆解）uv-d比率的波動(dòng)主要由APP端與WAP端導(dǎo)致，兩種端型貢獻(xiàn)持平。

結(jié)論三 （第三/四層拆解）APP端的自然流量和wap端的付費(fèi)流量是uv-d總比率波動(dòng)的主要貢獻(xiàn)維度。

結(jié)論四 （第五層拆解）APP端self-visit中美國(guó)對(duì)uv-d比率的波動(dòng)貢獻(xiàn)較大。

通過(guò)建立多層歸因下鉆維度模型， 用自動(dòng)化的方式層層剝析，從而能盡求完善且正確的歸因到某個(gè)維度，從而節(jié)省人力，提高準(zhǔn)確和科學(xué)性。

四 多層下鉆歸因方案—決策樹(shù)

本節(jié)重點(diǎn)在拆解求出貢獻(xiàn)率之后，如何探查異動(dòng)。我們已經(jīng)把不同維度下，每個(gè)維值的貢獻(xiàn)率求出， 下一步的目的是求出貢獻(xiàn)最大（有異動(dòng)的）的維度維值組合，測(cè)三種拆解方案，包括逐層下鉆（同上文3.4的下鉆方式）、多層同步下鉆、 決策樹(shù)模型，發(fā)現(xiàn)決策樹(shù)模型效果最好。這里決策樹(shù)輸入為不同的維值組合，輸出為貢獻(xiàn)率，做的是回歸預(yù)測(cè)。

主要做法是求貢獻(xiàn)率的熵，找到信息增益最高切割方法。這里自然而然想到?jīng)Q策樹(shù)模型，通過(guò)貪心算法，切割數(shù)據(jù)空間， 找到貢獻(xiàn)率絕對(duì)值最高的維度組合空間。圖四長(zhǎng)方形整體表示數(shù)據(jù)空間，

表示兩個(gè)維度，其下角標(biāo)表示維度下的維值。下圖具象的看出通過(guò)不同維值的組合，把數(shù)據(jù)空間切割成不同塊，用不同的顏色代表。

圖四：決策樹(shù)對(duì)數(shù)據(jù)空間的切割可視化

1 剪枝

決策樹(shù)存在過(guò)擬合的問(wèn)題， 為了解決這個(gè)問(wèn)題，我們決定了剪枝的方法，采用后剪枝（Post-pruning）。后剪枝就是先把整顆決策樹(shù)構(gòu)造完畢，然后自底向上的對(duì)非葉結(jié)點(diǎn)進(jìn)行考察，若將該結(jié)點(diǎn)對(duì)應(yīng)的子樹(shù)換為葉結(jié)點(diǎn)能夠帶來(lái)泛華性能的提升，則把該子樹(shù)替換為葉結(jié)點(diǎn)。

后剪枝的方法包括：REP-錯(cuò)誤率降低剪枝， PEP-悲觀剪枝， CCP-代價(jià)復(fù)雜度剪枝， MEP-最小錯(cuò)誤剪枝。

圖五：異動(dòng)維數(shù)的個(gè)數(shù)與結(jié)點(diǎn)方差（熵）的關(guān)系

我們從圖五的事例啟發(fā)，按照CPP的方法， 找躍層增益較大的“拐點(diǎn)”，找到合適的圖片進(jìn)行剪枝。

五 模型表現(xiàn)

1 模擬數(shù)據(jù)

我們模擬的維度和維值如下，共4個(gè)維度（兩兩獨(dú)立）， 涉及維值共40個(gè)，4個(gè)維度維值組合（笛卡爾積 3123*4=744）共744個(gè)。模擬的時(shí)間對(duì)比為月環(huán)比，模擬指標(biāo)為廣告消耗。

無(wú)異動(dòng)數(shù)據(jù)：用白噪音圖片模擬無(wú)異動(dòng)的維度組合的時(shí)間序列，見(jiàn)圖六

圖六：無(wú)異動(dòng)的時(shí)間序列

有異動(dòng)數(shù)據(jù)：用隨機(jī)游走的累積和來(lái)模擬異動(dòng)，公式如下，見(jiàn)圖七

圖七（a）：有異動(dòng)的時(shí)間序列1

2 模型評(píng)估

在上圖四個(gè)維度（國(guó)家、渠道、端型、曝光檔位），指定特定的維度和維值在3月有異動(dòng)，通過(guò)決策樹(shù)模型，測(cè)試是否找到正確異動(dòng)點(diǎn)。模擬case考慮的主要是可能存在異動(dòng)的真實(shí)情況：

某個(gè)PID數(shù)據(jù)錄入異常，會(huì)影響單維度的異動(dòng)（僅那個(gè)PID的數(shù)據(jù)）。

某個(gè)渠道且某個(gè)端型的減投，會(huì)影響多個(gè)維度組合的異動(dòng)。由于指標(biāo)異動(dòng)涉及的業(yè)務(wù)繁雜，不同團(tuán)隊(duì)在不同方向的優(yōu)化，影響到不同的維值組合。

例一：異動(dòng)維度在兩處

異動(dòng)維值組合：

a. 國(guó)家=伊拉克， 渠道=免費(fèi), 端型='WAP', 曝光檔位=[5:100]
b. 國(guó)家=法國(guó)， 渠道=免費(fèi), 端型='PC', 曝光檔位=[0:5]

將貢獻(xiàn)度算出，數(shù)據(jù)輸入決策樹(shù)模型， 結(jié)果見(jiàn)圖八，可以看出決策樹(shù)精確的找到異動(dòng)的數(shù)據(jù)（共精確找到7個(gè)維值，共8個(gè)）， 且這兩組標(biāo)紅數(shù)據(jù)對(duì)于異動(dòng)的貢獻(xiàn)絕對(duì)值最大。我們自定義樹(shù)結(jié)構(gòu)找父節(jié)點(diǎn)的方法，自動(dòng)剪掉冗余分支，只截取重點(diǎn)枝干呈現(xiàn)。

圖八：決策樹(shù)結(jié)果呈現(xiàn)

特征重要性也符合預(yù)期：

例二：異動(dòng)維度在一處，只異動(dòng)一個(gè)維度在付費(fèi)上

異動(dòng)維值組合：a. 渠道=付費(fèi)

通過(guò)剪枝，模型成功找到一維信息，避免提供太多噪音令用戶(hù)混淆。

更多

表一包含更多維值組合案例， 以及模型表現(xiàn)，包括F1-score，模型輸出的結(jié)果，和特征重要性。已探索11個(gè)案例，平均F1-score達(dá)到91.9%。

下面的數(shù)量是異動(dòng)的維值個(gè)數(shù)：

| Positive Prediction | Negative Prediction
Positive Class | True Positive (TP) 34 | False Negative (FN) 6
Negative Class | False Positive (FP) 0 | True Negative (TN) 0

最后結(jié)果：

Precision = 34 / （34 + 0） = 100%
Recall = 34 / （34 + 6） = 85%
F-1 Score Overall = 91.9%

六 局限

但此方法論還是有其局限性的，主要在于歸因變量（下鉆維度）有限，大多數(shù)情況下是按照業(yè)務(wù)的理解和先驗(yàn)的經(jīng)驗(yàn)來(lái)判斷。本方法只能識(shí)別業(yè)務(wù)已經(jīng)認(rèn)可的拆解維度和鏈路定位，拆解到的指標(biāo)或維度都是已知業(yè)務(wù)系統(tǒng)內(nèi)的指標(biāo)，諸如工程問(wèn)題、宏觀政策等因素難以識(shí)別，需要輔以定性分析。具體來(lái)說(shuō)，我們看到pv下降，下意識(shí)要去從渠道下鉆，主要原因是我們因?yàn)榍雷鳛樽兞?#xff0c;是和pv數(shù)有正向（或者因果）關(guān)系的。舉個(gè)極端的例子，有可能是服務(wù)器的故障，導(dǎo)致全平臺(tái)的pv下跌。這樣的潛在變量，如果和常用下鉆變量彼此相互獨(dú)立的條件下，是無(wú)法通過(guò)此方法論探查得到的。我們后續(xù)的工作將重點(diǎn)放在對(duì)相互獨(dú)立的指標(biāo)和相關(guān)事件的角度做進(jìn)一步更全面的因果推斷算法研究。

七 技術(shù)產(chǎn)品化

我們工作中月報(bào)和周報(bào)中通常分析的方法與此類(lèi)似，不同的是，因?yàn)槿肆τ邢?#xff0c;數(shù)據(jù)龐雜，往往下鉆維度和層數(shù)局限，比率類(lèi)型指標(biāo)不知道如何下鉆等等，導(dǎo)致科學(xué)性和嚴(yán)謹(jǐn)性很難保持。這套方法實(shí)現(xiàn)了自動(dòng)化，保證計(jì)算的準(zhǔn)確性，節(jié)省人日。我們將此技術(shù)沉淀在內(nèi)部數(shù)據(jù)產(chǎn)品“象數(shù)”上。象數(shù)中心是ICBU數(shù)據(jù)驅(qū)動(dòng)的基石產(chǎn)品，是集數(shù)據(jù)資產(chǎn)定義與管理、A/B實(shí)驗(yàn)、洞察分析于一體的數(shù)據(jù)平臺(tái)。它提供的核心價(jià)值在于好找、敢用、持續(xù)保鮮的數(shù)據(jù)資產(chǎn)，大規(guī)模、可信的端到端實(shí)驗(yàn)?zāi)芰?#xff0c;以及因果、異動(dòng)等智能化的分析工具。

八 附錄

證明 加法貢獻(xiàn)算法

已知?

貢獻(xiàn)等于

證明 乘法貢獻(xiàn)算法

已知?

貢獻(xiàn)等于

目標(biāo)波動(dòng)

證明 比率貢獻(xiàn)算法
已知

, 其中是當(dāng)月的數(shù)據(jù)，為上個(gè)月（同比/環(huán)比）的數(shù)據(jù)。?

貢獻(xiàn)等于

算法得到的貢獻(xiàn)率依舊相互獨(dú)立，符合MECE原則，且通過(guò)分別觀測(cè)圖片和圖片有助于我們避開(kāi)辛普森悖論帶來(lái)的陷阱。

備注：

符合mece原則證明：相互獨(dú)立：和的計(jì)算公式中不涉及其他分項(xiàng)的完全窮盡。

參考

Ang, Beng W., F. Q. Zhang, and Ki-Hong Choi. "Factorizing changes in energy and environmental indicators through decomposition." Energy 23.6 (1998): 489-495.
Ang B W . The LMDI approach to decomposition analysis: a practical guide[J]. Energy Policy, 2005, 33(7):867-871.
《波動(dòng)解讀—指標(biāo)拆解的加減乘除雙因素》《波動(dòng)解讀—指標(biāo)拆解的加減乘除雙因素》 - 知乎

原文鏈接

本文為阿里云原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。?

總結(jié)

以上是生活随笔為你收集整理的异动分析技术解决方案—异动归因之指标拆解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。