智能归因 - 因果森林 (Causal Forest)

1. 解决的问题

我们在美国、加拿大、英国、德国同步投放吸奶器广告，不同市场的用户行为差异显著

2. 核心算法逻辑

Causal Forest（因果森林）是 Uplift Modeling 的进阶方法，通过随机森林的集成学习框架直接估计异质性处理效应（CATE）。与传统 Uplift Modeling 的元学习方法（T/XLearner）不同，因果森林将"处理效应异质性发现"本身作为优化目标，自动识别哪些用户特征维度对处理效应影响最大。

3. 业务应用场景

业务问题： 我们在美国、加拿大、英国、德国同步投放吸奶器广告，不同市场的用户行为差异显著。美国妈妈注重性价比，德国妈妈注重品质认证，英国妈妈注重环保可持续。传统的统一归因模型无法捕捉这些市场差异，需要一种能自动发现市场-用户特征交互效应的方法，实现"千人千面"的投放归因。

数据要求： - 用户特征：年龄、收入水平、是否新手妈妈、浏览行为、加购金额 - 市场特征：国家/地区、语言、时区 - 干预数据：Facebook/Instagram/TikTok 广告曝光记录 - 标签：是否购买、购买金额、购买时间 - 数据量：建议每个市场至少 5,000 样本

预期产出： - 自动发现的用户分群：因果森林自动识别高 uplift 用户特征组合（如"德国高收入新手妈妈"） - 变量重要性排序：哪些特征对广告效果影响最大（如国家 > 收入 > 是否新手妈妈） - 细分策略： - 美国：针对价格敏感型用户，突出性价比卖点 - 德国：针对品质关注型用户，强调医疗认证 - 英国：针对环保意识型用户，强调可持续材料

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

• 数据要求：需要 A/B 测试数据，每个细分市场样本充足
• 技术门槛：中高，需理解随机森林和因果推断结合
• 工程复杂度：中，grf 包封装良好
• 维护成本：中，需定期重新训练模型
• 业务价值极高：多市场投放是母婴出海的核心场景
• 可解释性强：变量重要性直接指导运营策略

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
智能归因 - 因果森林 (Causal Forest)
用于母婴出海电商多市场智能广告归因和促销时机优化
基于 grf (Generalized Random Forests) 实现
"""

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, LabelEncoder
import warnings
warnings.filterwarnings('ignore')

# 注意：需要安装 grf 包
# pip install grf
# 或 R 的 grf 包通过 rpy2 调用


class CausalForestAttribution:
    """
    因果森林智能归因模型
    自动发现异质性处理效应，支持多市场场景
    """

    def __init__(self, n_trees=1000, min_node_size=5, max_depth=None):
        """
        初始化因果森林

        Args:
            n_trees: 树的数量（默认 1000）
            min_node_size: 叶子节点最小样本数（默认 5）
            max_depth: 最大深度（默认无限制）
        """
        self.n_trees = n_trees
        self.min_node_size = min_node_size
        self.max_depth = max_depth
        self.model = None
        self.scaler = StandardScaler()
        self.feature_names = None

    def fit(self, X, treatment, outcome, **kwargs):
        """
        训练因果森林

        Args:
            X: 特征矩阵 (DataFrame 或 np.array)
            treatment: 干预标志 (1=干预组, 0=对照组)
            outcome: 结果变量 (0/1 或连续值)
            **kwargs: 传递给底层实现的额外参数
        """
        try:
            from grf import CausalForest
            self.model = CausalForest(
                n_estimators=self.n_trees,
                min_samples_leaf=self.min_node_size,
                max_depth=self.max_depth,
                **kwargs
            )
            self.model.fit(X, treatment, outcome)
            self.feature_names = list(X.columns) if isinstance(X, pd.DataFrame) else None

8. 论文来源

• 2502.02110