GPLR 用户人群标签生成 - 购买行为到可解释 Persona 的低成本桥接

1. 解决的问题

用户购买行为包含丰富的人群信号，但直接为百万用户调用 LLM 标注成本极高。GPLR 解决这个矛盾：用少量 LLM 标注 + 图结构传播覆盖全量用户。三步流程：① Diversity-Uncertainty（DU）采样选出最有代表性的"原型用户"做 LLM 标注；② LLM 基于购买历史为原型用户赋予 Persona 标签；③ 在用户-产品交互图上随机游走，将标签从有标注用户传播至全量未标注用户。

2. 核心算法逻辑

用户购买行为包含丰富的人群信号，但直接为百万用户调用 LLM 标注成本极高。GPLR 解决这个矛盾：用少量 LLM 标注 + 图结构传播覆盖全量用户。三步流程：① DiversityUncertainty（DU）采样选出最有代表性的"原型用户"做 LLM 标注；② LLM 基于购买历史为原型用户赋予 Persona 标签；③ 在用户产品交互图上随机游走，将标签从有标注用户传播至全量未标注用户。

3. 业务应用场景

- 业务问题：Momcozy 在 Amazon US 有 10 万+ 活跃用户，现有 RFM 分群只能区分"高消费/低消费"，营销团队无法针对"出差妈妈""新手妈妈"制定差异化素材；人工打标既慢又贵 - 数据要求：Amazon 订单数据（`user_id`, `product_id`, `purchase_date`）+ 预定义 Persona 集合（如：职场背奶妈妈 / 全职新手妈妈 / 出差旅行妈妈 / 静音敏感型 / 价格敏感型） - GPLR 配置： - 构建用户-产品交互图（购买=1.0，浏览=0.3） - DU 采样 5,000 名原型用户（5 万用户 5% 预算）→ LLM 基于

- 业务问题：Momcozy 静音款 S12 Pro 上市 1 个月，仅有 800 条购买记录，运营不确定核心人群是"职场妈妈"还是"夜晚哺乳妈妈"；若判断错误，亚马逊广告关键词投放偏差，前 2 个月 ROI 极低 - 数据要求：新品 800 条购买记录 + 已有成熟产品 5 万条历史购买记录（图传播底座） - GPLR 配置： - 使用全品类历史用户图作为传播底座（已包含各 Persona 原型） - 新品购买用户作为待推断节点加入图 - 无需额外 LLM 标注（复用历史原型），直接随机游走 2 步得出 Persona 分布 - 输出：新品用户 Persona 分布饼图 + 主导人群推荐广告

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• 现状：10 万用户 RFM 分层 3 档，广告 ROAS ≈ 3.0
• GPLR 后：6 档精准 Persona 定投，ROAS 提升 20-30%
• 广告月预算 100 万 × 25% ROAS 提升 → 净增利润 8-12 万/月 = 96-144 万/年
• LLM 标注成本：5,000 用户 × 0.002 元/次 = 10 元（极低）
• 避免前 2 个月广告定向偏差损失：10 万广告费 × 30% 浪费率减少 = 3 万/新品
• 年化 20 款新品 = 60 万/年

7. 代码模板

代码块数量：1 · 路径：paper2skills-code/nlp_voc/gplr_persona_generation

"""
GPLR: Generating Personas with LLM and Random Walk
论文 arXiv:2504.17304 (SIGIR 2025)
完整实现见 paper2skills-code/nlp_voc/gplr_persona_generation/model.py
"""
from __future__ import annotations
import numpy as np
from typing import List, Dict, Tuple
from collections import defaultdict
from dataclasses import dataclass


@dataclass
class UserInteraction:
    user_id: str
    product_id: str
    interaction_type: str  # 'purchase', 'view', 'review'
    timestamp: str
    value: float = 1.0


class InteractionGraph:
    """用户-产品交互图"""

    def __init__(self):
        self.interactions: Dict[str, List[UserInteraction]] = defaultdict(list)
        self._user_set: set = set()

    def add_interaction(self, interaction: UserInteraction):
        self.interactions[interaction.user_id].append(interaction)
        self._user_set.add(interaction.user_id)

    def build_index(self):
        self.user_ids = list(self._user_set)
        self.user_to_idx = {u: i for i, u in enumerate(self.user_ids)}

    def get_user_interactions(self, user_id: str) -> List[UserInteraction]:
        return self.interactions.get(user_id, [])

    def get_user_index(self, user_id: str) -> int:
        return self.user_to_idx.get(user_id, -1)

    def get_similar_users(self, user_idx: int, top_k: int = 10) -> List[Tuple[int, float]]:
        """Jaccard 相似度找相似用户"""
        user_id = self.user_ids[user_idx]
        user_products = set(i.product_id for i in self.interactions[user_id])
        sims = []
        for other_id, other_idx in self.user_to_idx.items():
            if other_id == user_id:
                continue
            other_products = set(i.product_id for i in self.interactions[other_id])
            union = user_products | other_products
            if union:
                sim = len(user_products & other_products) / len(union)
                sims.append((other_idx, sim))
        sims.sort(key=lambda x: -x[1])
        return sims[:top_k]


class GPLRProfiler:

8. 论文来源

• 2504.17304