级联延迟净转化建模 - 扣除退款的真实转化桑基图

1. 解决的问题

传统 CVR（转化率）模型只建模"点击→购买"，忽略退款行为，导致

2. 核心算法逻辑

传统 CVR（转化率）模型只建模"点击→购买"，忽略退款行为，导致：

3. 业务应用场景

业务痛点： 母婴出海跨境电商（如 TikTok Shop、Shopify + Meta Ads 投放）存在高退款率： - 尿布、奶粉等标品：退款率 3-8%（质量正常） - 婴童玩具、服装：退款率 15-25%（尺码/描述不符） - 广告优化用毛转化 ROAS，会把预算倾斜给"点击率高但退款也高"的素材

业务价值： - 桑基图终点改为"净转化"，真实反映 GMV 贡献 - 广告素材排序从 CVR 排序改为 NetCVR 排序，预期减少 20-30% 退款量 - 预算从高退款率品类向高净转化品类重新分配 - 以 1000 万月均 GMV 为例，如退款率从 15% 降至 10%，净 GMV 提升约 59 万

业务问题：主页推荐的商品推荐分 = CTR × CVR，未考虑退款。高转化但高退款的"噱头商品"排名过高。

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

• vs TRACE（Skill-TRACE-Delayed-CVR）：TRACE 处理单段延迟（点击→购买）；TESLA 处理两段级联延迟（+退款），目标是净转化而非毛转化
• vs ROAS-Budget（Skill-ROAS-Budget-Optimization）：ROAS 优化是下游；TESLA 提供更准确的 NetCVR 信号输入给 ROAS 模型
• vs PVM（Skill-PVM-Attribution-Window）：PVM 协调不同触点的归因窗口；TESLA 专注于同一触点的两段延迟去偏

7. 代码模板

代码块数量：10 · 路径：未检测到

"""
TESLA: 级联延迟净转化率预测
论文: arXiv:2601.19965 (WWW 2026, Taobao)

功能:
    1. 模拟跨境电商级联延迟数据（点击→购买→退款）
    2. 两阶段去偏（CVR 延迟去偏 + RFR 延迟去偏）
    3. 共享底层 CVR-RFR 级联模型
    4. 延迟感知排序损失
    5. 评估 NetCVR AUC / PR-AUC / PCOC

依赖: numpy, pandas, scikit-learn, torch
"""

import numpy as np
import pandas as pd
from dataclasses import dataclass
from typing import Tuple, Optional
import warnings
warnings.filterwarnings('ignore')

# ─────────────────────────────────────────────
# 1. 数据模拟：跨境母婴电商级联延迟数据
# ─────────────────────────────────────────────

def simulate_cascade_delay_data(
    n_clicks: int = 10000,
    cvr_base: float = 0.08,
    rfr_base: float = 0.12,
    conv_delay_scale: float = 24.0,   # 小时，指数分布均值
    refund_delay_scale: float = 72.0,  # 小时，指数分布均值
    obs_window_hours: float = 48.0,    # 观测截止窗口
    seed: int = 42
) -> pd.DataFrame:
    """
    模拟点击→购买→退款的级联延迟数据流。

    Returns:
        DataFrame with columns:
            click_id, features (x0~x4), click_time,
            true_cvr, true_rfr,
            y_true (购买标签), z_true (退款标签),
            conv_delay (hours), refund_delay (hours from purchase),
            y_obs (观测窗口内是否看到购买), z_obs (是否看到退款),
            sample_type ('immediate' | 'delayed_pos' | 'fake_neg')
    """
    rng = np.random.RandomState(seed)

    # 特征：用户历史购买次数、品类偏好得分、价格敏感度等
    x = rng.randn(n_clicks, 5)
    x[:, 0] = np.clip(x[:, 0], -3, 3)  # 历史购买频次（标准化）

    # 真实 CVR（与特征相关）
    true_cvr = 1 / (1 + np.exp(-(cvr_base * 5 + x[:, 0] * 0.3 + x[:, 1] * 0.2)))
    true_cvr = np.clip(true_cvr, 0.01, 0.6)

    # 真实 RFR（与 CVR 负相关但有独立维度，高 CVR 用户退款率略低）
    rfr_logit = rfr_base * 3 - x[:, 0] * 0.15 + x[:, 2] * 0.25
    true_rfr = 1 / (1 + np.exp(-rfr_logit))
    true_rfr = np.clip(true_rfr, 0.02, 0.5)

8. 论文来源

• 2601.19965