复合指标波动归因方法、装置、电子设备和存储介质与流程

1.本公开涉及互联网技术领域，尤其涉及一种复合指标波动归因方法、装置、电子设备和存储介质。


背景技术：

2.相关技术中将推荐信息对应的展示资源与互动量的比值作为复合指标，代表了达到一定推荐效果的情况下，需要投入到信息展示平台的展示资源多少。当这些复合指标发生较大波动时，就需要定位波动来源，进而有针对性地做出后续调整。然而现有的波动定位方法往往依靠人力来定性分析可能存在的波动来源，对于不具备可加和性能的复合指标，难以量化潜在的波动来源，分析效率低。


技术实现要素：

3.本公开提供一种复合指标波动归因方法、装置、电子设备和存储介质，以至少解决相关技术中的波动分析效率低的问题，也可不解决任何上述问题。
4.根据本公开的第一方面，提供了一种复合指标波动归因方法，所述复合指标波动归因方法包括：确定推荐信息对应的所述复合指标，并获取与所述推荐信息相关联的目标因素，所述复合指标用于衡量所述推荐信息对应的展示资源与互动量之间的比值；获取所述目标因素的第一影响度和第二影响度，其中，所述第一影响度反映所述目标因素对所述推荐信息的展示资源的波动的影响，所述第二影响度反映所述目标因素对所述推荐信息的互动量的波动的影响；根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度，其中，所述复合指标影响度反映所述目标因素对所述推荐信息的复合指标的波动的影响。
5.可选地，根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度的步骤，包括：确定所述第一影响度减去所述第二影响度所得的差值，并基于所述差值确定所述复合指标影响度。
6.可选地，基于所述差值确定所述复合指标影响度的步骤，包括：将所述差值作为第一复合指标影响度。
7.可选地，基于所述差值确定所述复合指标影响度的步骤，包括：获取所述复合指标影响度的误差项；所述误差项反映所述差值相对于所述复合指标影响度的误差；基于所述误差项对所述差值进行调整，得到第二复合指标影响度。
8.可选地，获取所述复合指标影响度的误差项的步骤，包括：确定所述第一影响度与所述第二影响度的乘积，作为所述误差项。
9.可选地，所述复合指标波动归因方法还包括：根据所述复合指标影响度，从多个所述目标因素中选出至少一个归因因素，其中，所述归因因素的复合指标影响度大于其他所述目标因素的复合指标影响度，或所述归因因素的复合指标影响度绝对值大于其他所述目标因素的复合指标影响度绝对值。
10.可选地，获取与所述推荐信息相关联的目标因素的步骤，包括：确定与所述推荐信息相关联的目标维度；基于所述目标维度，获取所述目标维度下的目标因素。
11.根据本公开的第二方面，提供了一种复合指标波动归因装置，所述复合指标波动归因装置包括：第一获取单元，被配置为：确定推荐信息对应的所述复合指标，并获取与所述推荐信息相关联的目标因素，所述复合指标用于衡量所述推荐信息对应的展示资源与互动量之间的比值；第二获取单元，被配置为：获取所述目标因素的第一影响度和第二影响度，其中，所述第一影响度反映所述目标因素对所述推荐信息的展示资源的波动的影响，所述第二影响度反映所述目标因素对所述推荐信息的互动量的波动的影响；确定单元，被配置为：根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度，其中，所述复合指标影响度反映所述目标因素对所述推荐信息的复合指标的波动的影响。
12.可选地，所述确定单元还被配置为：确定所述第一影响度减去所述第二影响度所得的差值，并基于所述差值确定所述复合指标影响度。
13.可选地，所述确定单元还被配置为：将所述差值作为第一复合指标影响度。
14.可选地，所述确定单元还被配置为：获取所述复合指标影响度的误差项；所述误差项反映所述差值相对于所述复合指标影响度的误差；基于所述误差项对所述差值进行调整，得到第二复合指标影响度。
15.可选地，所述确定单元还被配置为：确定所述第一影响度与所述第二影响度的乘积，作为所述误差项。
16.可选地，所述复合指标波动归因装置还包括：归因单元，被配置为：根据所述复合指标影响度，从多个所述目标因素中选出至少一个归因因素，其中，所述归因因素的复合指标影响度大于其他所述目标因素的复合指标影响度，或所述归因因素的复合指标影响度绝对值大于其他所述目标因素的复合指标影响度绝对值。
17.可选地，所述第一获取单元还被配置为：确定与所述推荐信息相关联的目标维度；基于所述目标维度，获取所述目标维度下的目标因素。
18.根据本公开的第三方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行根据本公开的复合指标波动归因方法。
19.根据本公开的第四方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行根据本公开的复合指标波动归因方法。
20.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令被至少一个处理器执行时实现根据本公开的复合指标波动归因方法。
21.本公开的实施例提供的技术方案至少带来以下有益效果：
22.根据本公开的实施例的复合指标波动归因方法和复合指标波动归因装置，利用了展示资源和互动量的可加和性能，分别获取多个目标因素的第一影响度和第二影响度，并由此得到相应目标因素的复合指标影响度，可以将复合指标的定量归因转变为可加和指标的定量归因，为复合指标波动的定量分析提供可能，有助于从多个目标因素中有效确定出造成复合指标波动的来源。该方案既能够实现对复合指标波动归因的量化，有助于提高分析效率，又综合考量了展示资源和互动量的影响，从而保证了分析的全面性和可靠性，可以
快速定位导致复合指标异常变化的目标因素。
23.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
25.图1是示出根据本公开的示例性实施例的复合指标波动归因方法的流程图。
26.图2是示出根据本公开的示例性实施例的复合指标波动归因方法的一个流程示意图。
27.图3是示出根据本公开的示例性实施例的复合指标波动归因方法的另一个流程示意图。
28.图4是示出根据本公开的示例性实施例的复合指标波动归因装置的框图。
29.图5是示出根据本公开的示例性实施例的电子设备的框图。
具体实施方式
30.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
31.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
32.在此需要说明的是，在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括a和b之中的至少一个”即包括如下三种并列的情况：(1)包括a；(2)包括b；(3)包括a和b。又例如“执行步骤一和步骤二之中的至少一个”，即表示如下三种并列的情况：(1)执行步骤一；(2)执行步骤二；(3)执行步骤一和步骤二。
33.在互联网业务推荐领域，常利用cpm、cpa(cost per action，每行动成本)、cpc(cost per click，每点击成本)等复合指标来计算业务方(指有业务推荐需求的一方)需要投入到信息展示平台的展示资源。假设复合指标的取值分别为10/cpm、10/cpa、10/cpc，那么对应地，推荐信息每曝光一千次、业务方的目标用户(即信息展示平台的用户，也是推荐信息的受众)每执行一次预定动作、推荐信息每被点击一次，业务方就需要投入到信息展示平台10个单位的展示资源。其中，cpm中的曝光指推荐信息的展示，曝光一千次即为展示一千次，cpa中的预定动作由业务方和信息展示平台提前约定，例如可以是注册、互动、下载、下单、购买等。当这些复合指标发生较大波动时，就需要定位波动来源，进而有针对性地做出后续调整。
34.结合上述各项复合指标的定义可知，复合指标是展示资源与互动量的比值，其中
互动量可以是千次曝光量(由曝光量除以1000得到，例如曝光量为10000，则千次曝光量为10，对应于cpm)，也可以是行动量(对应于cpa，指用户执行预定动作的次数)，还可以是点击量(对应于cpc，指用户点击推荐信息的次数)。可见，虽然复合指标不具备可加和性能，也就是对于需要分析的一批推荐信息(例如在20点至22点的时段，整个信息展示平台上展示的全部推荐信息)，其复合指标无法由同一维度(例如行业、业务方等)的影响因素各自对应的复合指标进行加和得到，但构成这个复合指标的展示资源和互动量都属于可加和指标，可以按照不同的维度进行加和得到，比如可以按照不同行业、不同业务方各自进行加和得到。根据本公开的示例性实施例的复合指标波动归因方案正是利用了展示资源和互动量的可加和性能，分别计算出同一维度的多个目标因素的第一影响度(反映目标因素对展示资源的波动的影响)和第二影响度(反映目标因素对互动量的波动的影响)，并由此得到相应目标因素的复合指标影响度，可以将复合指标的定量归因转变为可加和指标的定量归因，为复合指标波动的定量分析提供可能，进而从多个目标因素中有效确定出造成复合指标波动的来源。该方案既能够帮助信息展示平台和业务方看清现状，有效解释复合指标，实现对复合指标波动归因的量化，有助于提高分析效率，又综合考量了展示资源和互动量的影响，从而保证了分析的全面性和可靠性，可以快速定位导致复合指标异常变化的细分维度。此外，该方案可以运用到多种场景，根据所关注的复合指标不同、维度不同，可以进行不同维度的复合指标影响度拆分，具有灵活普适性。
35.下面，将参照图1至图5具体描述根据本公开的示例性实施例的复合指标波动归因方法和复合指标波动归因装置。
36.图1是示出根据本公开的示例性实施例的复合指标波动归因方法的流程图。图2是示出根据本公开的示例性实施例的复合指标波动归因方法的一个流程示意图。图3是示出根据本公开的示例性实施例的复合指标波动归因方法的另一个流程示意图。应理解，根据本公开的示例性实施例的复合指标波动归因方法可以在诸如智能手机、平板电脑、个人电脑(pc)的终端设备中实现，也可以在诸如服务器的设备中实现。
37.参照图1，在步骤101，确定推荐信息对应的复合指标，并获取与推荐信息相关联的目标因素，复合指标用于衡量推荐信息对应的展示资源与互动量之间的比值。
38.推荐信息可以是信息展示平台上发布的至少部分推荐信息，例如是信息展示平台在20点至22点的时段展示的全部推荐信息，又如是信息展示平台全天展示的全部推荐信息，又如是信息展示平台全天在特定媒介(如视频)上展示的全部推荐信息。换言之，需要对哪些推荐信息对应的复合指标进行分析，就确定哪些推荐信息对应的复合指标，并获取与这些推荐信息相关联的目标因素。
39.目标因素与推荐信息相关联，例如可以是与使用推荐信息的对象相关联。使用推荐信息的对象可包括业务方和受众，业务方通过推荐信息进行业务推荐，受众可以浏览推荐信息获取相关信息。步骤101中获取推荐信息相关联的目标因素的操作包括：确定与推荐信息相关联的目标维度；基于目标维度，获取目标维度下的目标因素。目标维度可以是业务方侧的维度，也可以是受众侧的维度。业务方向信息展示平台投入展示资源以发布推荐信息，会影响展示资源，受众是信息展示平台的用户，作为推荐信息对应业务的潜在用户，会影响互动量。通过从这两侧维度来做波动归因，有助于从根本上找到复合指标出现波动的原因。通过选择出待分析的目标维度，并从中进一步获取待分析的目标因素，能够进行有针
对性的波动归因。应理解，对于目标因素的获取，可以获取同一目标维度下的至少部分目标因素，以实现对该目标维度的归因分析，也可以获取不同目标维度的目标因素，以根据归因需求实现相应的归因分析，本公开不做限制。
40.作为示例，业务方侧的维度可以包括以下至少之一：行业、业务方。其中，行业是指在信息展示平台上发布推荐信息的各个业务方所属的行业，通过进行行业维度的归因，能够发现行业共性问题。业务方则具体到单个主体，有助于发现单个业务方的个性化问题。可以理解的是，每个推荐信息都对应一个唯一的业务方，一个业务方则可以发布至少一个推荐信息。通过具体从这两个维度来做波动归因，能够从不同层次分析波动原因。
41.作为示例，受众侧的维度可以包括以下至少之一：用户年龄、用户性别、用户地域。相较于业务方，受众的数量较为庞大。通过提取受众有代表性的特征，并将之作为波动归因的归因维度，有助于对受众进行多角度宏观分析，发现受众的共性问题，提升分析针对性和分析效率。
42.在步骤102，获取目标因素的第一影响度和第二影响度。其中，第一影响度反映目标因素对推荐信息的展示资源的波动的影响度，第二影响度反映目标因素对推荐信息的互动量的波动的影响度。
43.应理解，这里的影响度表示目标因素所提供的波动，对于同一维度的全部目标因素，全部目标因素的第一影响度之和构成展示资源的波动，全部目标因素的第二影响度之和构成互动量的波动。例如对于行业维度，全部目标因素可以是信息展示平台的全部推荐信息所涉及的全部行业。展示资源和互动量属于可加和指标，因而能够分别计算出各个目标因素对展示资源变化率和互动量变化率的影响，也就是相应的第一影响度和第二影响度，作为后续计算复合指标影响度的数据准备。其计算方便，保证了复合指标影响度的可计算性。
44.作为示例，第一影响度是目标因素的本期展示资源相对于基期展示资源的增长量与基期总展示资源的比值，基期总展示资源是同一维度的全部目标因素的基期展示资源之和，第二影响度是目标因素的本期互动量相对于基期互动量的增长量与基期总互动量的比值，基期总互动量是同一维度的全部目标因素的基期互动量之和。
45.可选地，步骤102中获取目标因素的第二影响度的步骤可包括：获取目标因素的千次曝光量影响度、行动量影响度、点击量影响度中的任一个。结合前文介绍可知，千次曝光量、行动量、点击量分别对应于不同的复合指标，这意味着根据本公开的示例性实施例的复合指标波动归因方法可以应用于不同的复合指标的波动归因，实际归因时，只需按照归因需求获取相应的第二影响度和复合指标的数据即可。
46.以复合指标cpm为例，通常会以信息展示平台上成功发布的所有推荐信息汇总后得到的大盘cpm周同比作为cpm波动，当大盘cpm周同比变化较大时，希望将其归因到行业、业务方等维度，帮助定位异常的来源。以行业归因为例，需先分别计算大盘中每个具体行业(即目标因素)的第一影响度和第二影响度。
47.对于第一影响度，如前所述，第一影响度＝(本期展示资源-基期展示资源)/基期总展示资源，可用符号表示为：
48.49.其中，δcosti为行业i的第一影响度，cost
t，i
为行业i在本期t时刻的展示资源，cost
t-7，i
为行业i在基期t-7时刻的展示资源，∑icost
t-7，i
为全部行业在基期t-7时刻的总展示资源。
50.此外，大盘展示资源周同比满足：
[0051][0052]
对比公式(1)和公式(2)可以发现，全部行业，也就是同一目标维度下的全部目标因素的第一影响度的总和等于大盘展示资源的变化率。此处变化率具体是周同比，在实践中，根据复合指标的统计周期不同，变化率也可能是日环比、月环比、年同比等，本公开对此不做限制。
[0053]
对于互动量，cpm对应的互动量为千次曝光量，类似于第一影响度，第二影响度(具体是千次曝光量影响度)＝(本期千次曝光量-基期千次曝光量)/基期总千次曝光量，同时，曝光量影响度＝(本期曝光量-基期曝光量)/基期总曝光量，千次曝光量影响度与曝光量影响度的值相等，第二影响度可用符号表示为：
[0054][0055]
其中，δshowi为行业i的第二影响度，show
t，i
为行业i在本期t时刻的曝光量，show
t-7，i
为行业i在基期t-7时刻的曝光量，∑ishow
t-7，i
为全部行业在基期t-7时刻的总曝光量。
[0056]
此外，大盘曝光量周同比满足：
[0057][0058]
与展示资源同理，全部行业，也就是同一目标维度下的全部目标因素的第二影响度的总和等于大盘曝光量的变化率。
[0059]
可以理解的是，各个目标因素的第一影响度和第二影响度可以由其他设备提前计算好，本方法的执行主体(例如前述的智能手机、服务器等)在步骤102直接获取，也可以由本方法的执行主体进行计算，本公开对此不作限制。
[0060]
在步骤103，根据第一影响度和第二影响度，确定目标因素对应的复合指标影响度。其中，复合指标影响度反映目标因素对推荐信息的复合指标的波动的影响。类似于第一影响度和第二影响度，同一维度的全部目标因素的复合指标影响度之和构成复合指标的波动。如前所述，展示资源和互动量属于可加和指标，因而能够参考公式(1)和公式(3)，利用展示资源数据和互动量数据直接计算出各个目标因素的第一影响度和第二影响度。而复合指标是展示资源与互动量的比值，不具备可加和性能，无法参考类似于公式(1)和公式(3)的计算方式，直接利用复合指标数据计算复合指标影响度。通过将复合指标这一复合指标的定量归因转变为展示资源和互动量这两个可加和指标的定量归因，利用第一影响度和第二影响度来确定复合指标影响度，能够为复合指标波动的定量分析提供可能，有助于从多个目标因素中有效确定出造成复合指标波动的来源。该方案既能够实现对复合指标波动归
因的量化，有助于提高分析效率，又综合考量了展示资源和互动量的影响，从而保证了分析的全面性和可靠性，可以快速定位导致复合指标异常变化的目标因素。
[0061]
可选地，参照图2和图3，步骤103可执行为，确定第一影响度减去第二影响度所得的差值，并基于该差值确定复合指标影响度。
[0062]
具体来说，与第一影响度和第二影响度类似，复合指标影响度是本期复合指标相对于基期复合指标的增长量与基期复合指标总和的比值，基期复合指标总和是同一维度的全部目标因素的基期复合指标之和。仍以复合指标cpm为例，则cpm影响度可表示为：
[0063][0064]
结合公式(1)、(3)、(5)以及cpm的定义式，即cpm＝cost/show
×
1000，通过参数关系分析可以发现：
[0065]
δcpmi＝δcost
i-δshow
i-δcosti×
δshowiꢀꢀ
公式(6)
[0066]
其中，δcosti×
δshowi是两个百分数相乘，其绝对值较小，因而可作为误差项。忽略误差项后，可得到：
[0067]
δcpmi＝δcost
i-δshowiꢀꢀ
公式(7)
[0068]
其他复合指标与之同理，因而可以得出，复合指标影响度＝第一影响度-第二影响度-第一影响度
×
第二影响度，并可得到近似成立的简化关系式：复合指标影响度＝第一影响度-第二影响度。
[0069]
基于上述关系式，可根据不同的计算需求，由每个目标因素的第一影响度和第二影响度计算出相应目标因素的复合指标影响度。
[0070]
参照图2并参考公式(7)，作为一个示例，前述的基于该差值确定复合指标影响度的步骤可具体包括：将该差值作为第一复合指标影响度。通过参考忽略误差项后的公式(7)，能够在保证结果基本可靠的情况下，简化复合指标影响度的计算，有助于降低运算负荷，提升计算效率。
[0071]
参照图3并参考公式(6)，作为另一个示例，前述的基于该差值确定复合指标影响度的步骤可具体包括：获取复合指标影响度的误差项；误差项反映该差值相对于复合指标影响度的误差；基于误差项对该差值进行调整，得到第二复合指标影响度。具体是将该差值减去误差项后所得的值，作为第二复合指标影响度。应理解，此处区分第一复合指标影响度和第二复合指标影响度，是为了体现二者的计算方式有所不同，实际应用中，可以仅采用其中之一，也可以同时提供这两种复合指标影响度，由工作人员选择具体采用哪一种，本公开对此不作限制。通过参考准确的公式(6)，能够充分保证计算结果的精度，满足高精度要求场景下的波动归因需求。具体地，仍然参照图4并参考公式(6)，该示例中获取复合指标影响度的误差项的步骤具体可为，确定第一影响度与第二影响度的乘积，作为复合指标影响度的误差项，可以明确如何计算复合指标影响度，保障了计算准确性。
[0072]
根据本公开的示例性实施例的复合指标波动归因方法，在确定了复合指标影响度后，还可进一步包括：根据复合指标影响度，从多个目标因素中选出至少一个归因因素，其中，归因因素的复合指标影响度大于其他目标因素的复合指标影响度，或归因因素的复合指标影响度绝对值大于其他目标因素的复合指标影响度绝对值。通过选出复合指标影响度或复合指标影响度绝对值相对较大的归因因素，可以对复合指标波动做定量归因诊断，并
认为主要是归因因素的变化造成了复合指标波动，有助于为复合指标波动的进一步分析提供参考。
[0073]
可以理解的是，参考对展示资源和互动量的分析可知，类似地，同一目标维度下的全部目标因素的复合指标影响度的总和等于复合指标的变化率，具体是本期复合指标相对于基期复合指标的变化率。并且结合公式(6)和(7)可知，各个目标因素的复合指标影响度可能为正、可能为负，其正负可以反映相应的目标因素对复合指标的变化率的正、负向影响，其绝对值可以反映复合指标影响度的相对大小，从而快速锁定存在问题的待检测因素，提升展示资源归因排查的效率。具体地，在变化率为负，即本期复合指标下降时，可认为复合指标影响度的值最小或较小(即为负值，且其绝对值在所有负的复合指标影响度中最大或较大)的目标因素是归因因素，即为波动来源，在变化率为正，即本期复合指标上升时，可认为复合指标影响度的值最大或较大(即为正值，且其绝对值在所有正的复合指标影响度中最大或较大)的目标因素是归因因素。
[0074]
作为示例，为展示归因因素，可直接输出每个目标因素的复合指标影响度，以便工作人员根据输出的数据进行后续分析。当然也可一并输出第一影响度、第二影响度等，对于采用第一复合指标影响度的实施例，还可额外计算并输出误差项(其计算方式参考公式(6)及前述相关实施例)，以供工作人员全面了解归因情况。
[0075]
作为示例，为展示归因因素，也可对各个目标因素按照复合指标影响度做升序或降序排列，便于直观定位出影响最大的一个归因因素或影响较大的多个归因因素，认为是造成复合指标波动的来源。还可在排列目标因素的同时一并输出复合指标影响度，并可进一步输出第一影响度、第二影响度、误差项(同样针对采用第一复合指标影响度的实施例)等，以供工作人员全面了解归因情况。
[0076]
本公开对展示归因因素的具体方式不作限制，只要可以供工作人员了解归因情况即可。
[0077]
在一个具体实施例中，假设在第t天的cpm相比第t-7天的cpm，周同比为-5.39％，首先需要计算各个行业的第一影响度和第二影响度(具体是曝光量影响度)，再根据这两个影响度确定cpm影响度，计算结果汇总如下表1。
[0078]
表1不同行业的cpm影响度汇总表
[0079]
行业第一影响度第二影响度cpm影响度误差项行业1-4.54％-1.98％-2.56％0.09％行业22.02％3.98％-1.96％0.08％行业3-0.92％0.08％-1.00％0.00％行业40.67％-0.06％0.73％0.00％行业5-1.18％-0.49％-0.69％0.01％行业61.81％1.23％0.58％0.02％行业7-0.82％-0.45％-0.37％0.00％行业80.51％0.82％-0.31％0.00％行业90.10％0.39％-0.29％0.00％行业100.73％0.44％0.29％0.00％行业11-0.37％-0.24％-0.13％0.00％
行业120.28％0.19％0.09％0.00％行业130.31％0.28％0.03％0.00％行业14-0.03％-0.01％-0.02％0.00％行业150.02％0.00％0.02％0.00％行业16-0.01％-0.02％0.01％0.00％行业17-0.01％-0.01％0.00％0.00％行业180.00％0.01％-0.01％0.00％行业19-0.01％0.00％-0.01％0.00％行业200.00％0.00％0.00％0.00％行业210.04％0.04％0.00％0.00％行业220.02％0.02％0.00％0.00％求和汇总-0.38％4.22％-5.60％0.21％
[0080]
从表1可以看出，对于复合指标cpm的周同比，行业1的第一影响度为-4.54％，曝光量影响度为-1.98％，故第一cpm影响度为：
[0081]
行业1的第一cpm影响度＝-4.54％-(-1.98％)＝-2.56％。
[0082]
行业1的cpm影响度的误差项＝|(-4.54％)*(-1.98％)|＝0.09％
[0083]
各行业的cpm影响度加和为-5.60％，近似等于cpm周同比-5.39％。可以认为第t天cpm的下降主要是由行业1cpm的下降引起的，从而快速高效锁定了需要排查的行业。
[0084]
图4是示出根据本公开的示例性实施例的复合指标波动归因装置的框图。应理解，根据本公开的示例性实施例的复合指标波动归因装置可以在诸如智能手机、平板电脑、个人电脑(pc)的终端设备中以软件、硬件或软件硬件结合的方式实现，也可以在诸如服务器的设备中实现。
[0085]
参照图4，复合指标波动归因装置200包括第一获取单元201、第二获取单元202、确定单元203。
[0086]
第一获取单元201可确定推荐信息对应的复合指标，并获取与推荐信息相关联的目标因素，复合指标用于衡量推荐信息对应的展示资源与互动量之间的比值。
[0087]
推荐信息可以是信息展示平台上发布的至少部分推荐信息，例如是信息展示平台在20点至22点的时段展示的全部推荐信息，又如是信息展示平台全天展示的全部推荐信息，又如是信息展示平台全天在特定媒介(如视频)上展示的全部推荐信息。换言之，需要对哪些推荐信息对应的复合指标进行分析，就确定哪些推荐信息对应的复合指标，并获取与这些推荐信息相关联的目标因素。
[0088]
目标因素与推荐信息相关联，例如可以是与使用推荐信息的对象相关联。使用推荐信息的对象可包括业务方和受众，业务方通过推荐信息进行业务推荐，受众可以浏览推荐信息获取相关信息。第一获取单元201获取推荐信息相关联的目标因素的操作包括：确定与推荐信息相关联的目标维度；基于目标维度，获取目标维度下的目标因素。目标维度可以是业务方侧的维度，也可以是受众侧的维度。业务方向信息展示平台投入展示资源以发布推荐信息，会影响展示资源，受众是信息展示平台的用户，作为推荐信息对应业务的潜在用户，会影响互动量。通过从这两侧维度来做波动归因，有助于从根本上找到复合指标出现波动的原因。通过选择出待分析的目标维度，并从中进一步获取待分析的目标因素，能够进行
有针对性的波动归因。应理解，对于目标因素的获取，可以获取同一目标维度下的至少部分目标因素，以实现对该目标维度的归因分析，也可以获取不同目标维度的目标因素，以根据归因需求实现相应的归因分析，本公开不做限制。
[0089]
第二获取单元202可获取目标因素的第一影响度和第二影响度。其中，第一影响度反映目标因素对推荐信息的展示资源的波动的影响度，第二影响度反映目标因素对推荐信息的互动量的波动的影响度。
[0090]
应理解，这里的影响度表示目标因素所提供的波动，对于同一维度的全部目标因素，全部目标因素的第一影响度之和构成展示资源的波动，全部目标因素的第二影响度之和构成互动量的波动。例如对于行业维度，全部目标因素可以是信息展示平台的全部推荐信息所涉及的全部行业。展示资源和互动量属于可加和指标，因而能够分别计算出各个目标因素对展示资源变化率和互动量变化率的影响，也就是相应的第一影响度和第二影响度，作为后续计算复合指标影响度的数据准备。其计算方便，保证了复合指标影响度的可计算性。
[0091]
作为示例，第一影响度是本期展示资源相对于基期展示资源的增长量与基期总展示资源的比值，基期总展示资源是同一维度的全部目标因素的基期展示资源之和，第二影响度是本期互动量相对于基期互动量的增长量与基期总互动量的比值，基期总互动量是同一维度的全部目标因素的基期互动量之和。
[0092]
可选地，第二获取单元202获取目标因素的第二影响度的操作可包括：获取目标因素的千次曝光量影响度、行动量影响度、点击量影响度中的任一个。结合前文介绍可知，千次曝光量、行动量、点击量分别对应于不同的复合指标，这意味着根据本公开的示例性实施例的复合指标波动归因方法可以应用于不同的复合指标的波动归因，实际归因时，只需按照归因需求获取相应的第二影响度和复合指标的数据即可。
[0093]
可以理解的是，各个目标因素的第一影响度和第二影响度可以由其他设备提前计算好，本方法的执行主体(例如前述的智能手机、服务器等)在步骤102直接获取，也可以由本方法的执行主体进行计算，本公开对此不作限制。
[0094]
确定单元203可根据第一影响度和第二影响度，确定目标因素对应的复合指标影响度。其中，复合指标影响度反映目标因素对推荐信息的复合指标的波动的影响。类似于第一影响度和第二影响度，同一维度的全部目标因素的复合指标影响度之和构成复合指标的波动。如前所述，展示资源和互动量属于可加和指标，因而能够利用展示资源数据和互动量数据直接计算出各个目标因素的第一影响度和第二影响度。而复合指标是展示资源与互动量的比值，不具备可加和性能，无法类似于展示资源和互动量，直接利用复合指标数据计算复合指标影响度。通过将复合指标这一复合指标的定量归因转变为展示资源和互动量这两个可加和指标的定量归因，利用第一影响度和第二影响度来确定复合指标影响度，能够为复合指标波动的定量分析提供可能，有助于从多个目标因素中有效确定出造成复合指标波动的来源。该方案既能够实现对复合指标波动归因的量化，有助于提高分析效率，又综合考量了展示资源和互动量的影响，从而保证了分析的全面性和可靠性，可以快速定位导致复合指标异常变化的目标因素。
[0095]
可选地，确定单元203可确定第一影响度减去第二影响度所得的差值，并基于该差值确定复合指标影响度。
[0096]
具体来说，与第一影响度和第二影响度类似，复合指标影响度是本期复合指标相对于基期复合指标的增长量与基期复合指标总和的比值，基期复合指标总和是同一维度的全部目标因素的基期复合指标之和。通过参数关系分析可以发现，复合指标影响度＝第一影响度-第二影响度-第一影响度
×
第二影响度，并可得到近似成立的简化关系式：复合指标影响度＝第一影响度-第二影响度。
[0097]
基于上述关系式，可根据不同的计算需求，由每个目标因素的第一影响度和第二影响度计算出相应目标因素的复合指标影响度。
[0098]
作为一个示例，确定单元203基于该差值确定复合指标影响度的操作可具体包括：将该差值作为第一复合指标影响度。通过参考忽略误差项后的简化关系式，能够在保证结果基本可靠的情况下，简化复合指标影响度的计算，有助于降低运算负荷，提升计算效率。
[0099]
作为另一个示例，确定单元203基于该差值确定复合指标影响度的操作可具体包括：获取复合指标影响度的误差项；误差项反映该差值相对于复合指标影响度的误差；基于误差项对该差值进行调整，得到第二复合指标影响度。具体是将该差值减去误差项后所得的值，作为第二复合指标影响度。应理解，此处区分第一复合指标影响度和第二复合指标影响度，是为了体现二者的计算方式有所不同，实际应用中，可以仅采用其中之一，也可以同时提供这两种复合指标影响度，由工作人员选择具体采用哪一种，本公开对此不作限制。通过参考准确的关系式，能够充分保证计算结果的精度，满足高精度要求场景下的波动归因需求。具体地，该示例中确定单元203获取复合指标影响度的误差项的操作具体可为，确定第一影响度与第二影响度的乘积，作为复合指标影响度的误差项，可以明确如何计算复合指标影响度，保障了计算准确性。
[0100]
根据本公开的示例性实施例的复合指标波动归因装置，还可进一步包括归因单元，归因单元可根据复合指标影响度，从多个目标因素中选出至少一个归因因素，其中，归因因素的复合指标影响度大于其他目标因素的复合指标影响度，或归因因素的复合指标影响度绝对值大于其他目标因素的复合指标影响度绝对值。通过选出复合指标影响度或复合指标影响度绝对值相对较大的归因因素，可以对复合指标波动做定量归因诊断，并认为主要是归因因素的变化造成了复合指标波动，有助于为复合指标波动的进一步分析提供参考。
[0101]
可以理解的是，参考对展示资源和互动量的分析可知，类似地，同一目标维度下的全部目标因素的复合指标影响度的总和等于复合指标的变化率，具体是本期复合指标相对于基期复合指标的变化率。并且结合复合指标影响度的计算关系式可知，各个目标因素的复合指标影响度可能为正、可能为负，其正负可以反映相应的目标因素对复合指标的变化率的正、负向影响，其绝对值可以反映复合指标影响度的相对大小，从而快速锁定存在问题的待检测因素，提升展示资源归因排查的效率。具体地，在变化率为负，即本期复合指标下降时，可认为复合指标影响度的值最小或较小(即为负值，且其绝对值在所有负的复合指标影响度中最大或较大)的目标因素是归因因素，即为波动来源，在变化率为正，即本期复合指标上升时，可认为复合指标影响度的值最大或较大(即为正值，且其绝对值在所有正的复合指标影响度中最大或较大)的目标因素是归因因素。
[0102]
作为示例，归因单元为输出归因因素，可直接输出每个目标因素的复合指标影响度，以便工作人员根据输出的数据进行后续分析。当然也可一并输出第一影响度、第二影响
度等，对于采用第一复合指标影响度的实施例，还可额外计算并输出误差项(其计算方式参考前述相关实施例)，以供工作人员全面了解归因情况。
[0103]
作为示例，归因单元为输出归因因素，也可对各个目标因素按照复合指标影响度做升序或降序排列，便于直观定位出影响最大的一个归因因素或影响较大的多个归因因素，认为是造成复合指标波动的来源。还可在排列目标因素的同时一并输出复合指标影响度，并可进一步输出第一影响度、第二影响度、误差项(同样针对采用第一复合指标影响度的实施例)等，以供工作人员全面了解归因情况。
[0104]
本公开对归因单元展示归因因素的具体方式不作限制，只要可以供工作人员了解归因情况即可。
[0105]
图5是根据本公开的示例性实施例的电子设备的框图。
[0106]
参照图5，电子设备300包括至少一个存储器301和至少一个处理器302，所述至少一个存储器301中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器302执行时，执行根据本公开的示例性实施例的复合指标波动归因方法。
[0107]
作为示例，电子设备300可以是pc计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，电子设备300并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备300还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
[0108]
在电子设备300中，处理器302可包括中央处理器(cpu)、图形处理器(gpu)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
[0109]
处理器302可运行存储在存储器301中的指令或代码，其中，存储器301还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
[0110]
存储器301可与处理器302集成为一体，例如，将ram或闪存布置在集成电路微处理器等之内。此外，存储器301可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器301和处理器302可在操作上进行耦合，或者可例如通过i/o端口、网络连接等互相通信，使得处理器302能够读取存储在存储器中的文件。
[0111]
此外，电子设备300还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备300的所有组件可经由总线和/或网络而彼此连接。
[0112]
根据本公开的示例性实施例，还可提供一种计算机可读存储介质，当计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行根据本公开的示例性实施例的复合指标波动归因方法。这里的计算机可读存储介质的示例包括：只读存储器(rom)、随机存取可编程只读存储器(prom)、电可擦除可编程只读存储器(eeprom)、随机存取存储器(ram)、动态随机存取存储器(dram)、静态随机存取存储器(sram)、闪存、非易失性存储器、cd-rom、cd-r、cd+r、cd-rw、cd+rw、dvd-rom、dvd-r、dvd+r、dvd-rw、dvd+rw、dvd-ram、bd-rom、bd-r、bd-r lth、bd-re、蓝光或光盘存储器、硬盘驱动器(hdd)、固态硬盘(ssd)、卡式存储器(诸如，多媒体卡、安全数字(sd)卡或极速数字(xd)卡)、磁带、软盘、磁光
数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
[0113]
根据本公开的示例性实施例，还可提供一种计算机程序产品，该计算机程序产品包括计算机指令，计算机指令被至少一个处理器运行时，促使至少一个处理器执行根据本公开的示例性实施例的复合指标波动归因方法。
[0114]
根据本公开的示例性实施例的复合指标波动归因方法和装置，利用了展示资源和互动量的可加和性能，分别获取多个目标因素的第一影响度和第二影响度，并由此得到相应目标因素的复合指标影响度，可以将复合指标的定量归因转变为可加和指标的定量归因，为复合指标波动的定量分析提供可能，有助于从多个目标因素中有效确定出造成复合指标波动的来源。该方案既能够实现对复合指标波动归因的量化，有助于提高分析效率，又综合考量了展示资源和互动量的影响，从而保证了分析的全面性和可靠性，可以快速定位导致复合指标异常变化的目标因素。此外，该方案可以运用到多种场景，根据所关注的指标不同、维度不同，可以进行不同维度的影响度拆分，具有灵活普适性。
[0115]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0116]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种复合指标波动归因方法，其特征在于，包括：确定推荐信息对应的所述复合指标，并获取与所述推荐信息相关联的目标因素，所述复合指标用于衡量所述推荐信息对应的展示资源与互动量之间的比值；获取所述目标因素的第一影响度和第二影响度，其中，所述第一影响度反映所述目标因素对所述推荐信息的展示资源的波动的影响，所述第二影响度反映所述目标因素对所述推荐信息的互动量的波动的影响；根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度，其中，所述复合指标影响度反映所述目标因素对所述推荐信息的复合指标的波动的影响。2.如权利要求1所述的复合指标波动归因方法，其特征在于，根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度的步骤，包括：确定所述第一影响度减去所述第二影响度所得的差值，并基于所述差值确定所述复合指标影响度。3.如权利要求2所述的复合指标波动归因方法，其特征在于，基于所述差值确定所述复合指标影响度的步骤，包括：将所述差值作为第一复合指标影响度。4.如权利要求2所述的复合指标波动归因方法，其特征在于，基于所述差值确定所述复合指标影响度的步骤，包括：获取所述复合指标影响度的误差项；所述误差项反映所述差值相对于所述复合指标影响度的误差；基于所述误差项对所述差值进行调整，得到第二复合指标影响度。5.如权利要求4所述的复合指标波动归因方法，其特征在于，获取所述复合指标影响度的误差项的步骤，包括：确定所述第一影响度与所述第二影响度的乘积，作为所述误差项。6.如权利要求1到5中的任一权利要求所述的复合指标波动归因方法，其特征在于，所述复合指标波动归因方法还包括：根据所述复合指标影响度，从多个所述目标因素中选出至少一个归因因素，其中，所述归因因素的复合指标影响度大于其他所述目标因素的复合指标影响度，或所述归因因素的复合指标影响度绝对值大于其他所述目标因素的复合指标影响度绝对值。7.一种复合指标波动归因装置，其特征在于，所述复合指标波动归因装置包括：第一获取单元，被配置为：确定推荐信息对应的所述复合指标，并获取与所述推荐信息相关联的目标因素，所述复合指标用于衡量所述推荐信息对应的展示资源与互动量之间的比值；第二获取单元，被配置为：获取所述目标因素的第一影响度和第二影响度，其中，所述第一影响度反映所述目标因素对所述推荐信息的展示资源的波动的影响，所述第二影响度反映所述目标因素对所述推荐信息的互动量的波动的影响；确定单元，被配置为：根据所述第一影响度和所述第二影响度，确定所述目标因素对应的复合指标影响度，其中，所述复合指标影响度反映所述目标因素对所述推荐信息的复合指标的波动的影响。8.一种电子设备，其特征在于，包括：
至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1到6中的任一权利要求所述的复合指标波动归因方法。9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1到6中的任一权利要求所述的复合指标波动归因方法。10.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被至少一个处理器执行时实现如权利要求1到6中的任一权利要求所述的复合指标波动归因方法。

技术总结
本公开关于复合指标波动归因方法、装置、电子设备和存储介质，复合指标波动归因方法包括：确定推荐信息对应的复合指标，并获取与推荐信息相关联的目标因素，复合指标用于衡量推荐信息对应的展示资源与互动量之间的比值；获取目标因素的第一影响度和第二影响度，其中，第一影响度反映目标因素对展示资源的波动的影响，第二影响度反映目标因素对互动量的波动的影响；根据第一影响度和第二影响度，确定目标因素对应的复合指标影响度，其中，复合指标影响度反映目标因素对推荐信息的复合指标的波动的影响。波动的影响。波动的影响。


技术研发人员：李馨旖
受保护的技术使用者：北京达佳互联信息技术有限公司
技术研发日：2022.01.05
技术公布日：2023/7/22