做联盟营销算法的人应该都有这种体验：一个推广者突然在群里拉起一条分享链，前两个小时数据平平，第三个小时销量像坐了火箭一样往上蹿；你正想追加预算，它又掉头向下，最后结算ROI跟预估差了十万八千里。传播规模预测，要解决的就是这种高度波动的流量里，怎么提前判断“这条推广链路最终能带来多少量”，并据此做预算调整、佣金系数设置和风险防控。
这次在CIKM 2025上组发的工作，背景是联盟营销场景，核心是把传播链路建模成一个时空动态网络，用两阶段的方式预测最终规模。这篇文章主要复盘三个问题：这个任务为什么难、两阶段设计背后的考虑是什么、以及从离线实验到生产落地的过程中有哪些值得警惕的坑。
1. 联盟营销场景的痛点与时空动态网络为什么适用
1.1 传播规模预测在联盟营销里到底解决什么问题
先把这个场景说清楚。联盟营销一般涉及三方：商家出佣金，联盟推广者拿分成，用户通过推广链接完成浏览、点击和下单转化。商家关心的是每一笔推广预算能换回多少成交，平台关心的是哪些推广者值得扶持、哪些渠道该调低分佣比例、哪些传播链路存在刷单风险。
这里有一个很核心的矛盾：联盟营销的流量结构天然是脉冲式的。推广者一次群发、一个短视频挂车、一个直播间讲解，都能让某个品类的流量瞬间激增，但也可能因为平台限流、同行比价、用户新鲜感下降而快速回落。这种流量带有明显的传播属性，点击会在推广网络里逐级扩散，并不是像搜索广告那样相对稳定。
传播规模预测要做的事，就是给定当前已经观察到的推广动作和历史网络状态，预测未来一段时间内由这条传播链路带来的总规模。规模可以定义为成交订单数、GMV、活跃用户数或新增可跟单用户数。不同口径对应不同决策，但底层方法论是一致的。
这个预测和传统销量预测差别非常大。传统销量预测可以依赖商品历史销量、季节、促销计划等平稳信号；联盟营销里，同样的推广者、同样的商品、同一个佣金比例，上个月能跑出5000单，这个月可能只有300单，因为用户注意力被其他热点吸走了。目标方差大，标签还要等结算后才完整，延迟又长，模型很容易被单个异常天带偏。
1.2 为什么静态图模型不够用
我们最开始也尝试过直接拉一个节点特征矩阵，用XGBoost或MLP去做回归。节点是推广者，特征是历史表现、类目偏好、粉丝量级等。效果在小流量池里还行，一遇到大促或头部推广者集中发车，误差就明显被拉起来。
后来把推广关系建成了图：推广者是节点，合作和导流关系是边。这确实有用，因为推广者之间存在明显的带动效应——A推广者先发车，B看到效果后跟进，C的老客通过B的评论区再被转化。这种层层传导在静态图里能体现一部分，但远远不够。
问题在于，联盟营销的图结构是时刻变化的。今天A和B之间还有导流关系，明天因为佣金分成调整，这条边可能断了。用户的兴趣偏好也随时在变，上午还在美妆类目里逛，下午可能就跑到数码产品那里看测评。图结构、节点属性、边的权重都在随时间演化，这才是“时空动态”四个字的分量。
所以我们最终放弃了平均静态图，改成按时间切片构建动态图序列。每个时间窗内，节点、边、属性、交互频率都持续更新；模型既要学图的空间结构，又要学时间的演化规律。这套思路的灵感来自时空图神经网络在交通流量预测上的应用，但交通路网结构相对稳定，联盟营销里的传播网络随机性和突发性更强，需要针对性地改造结构。
2. 两阶段预测的整体思路与问题建模
2.1 两阶段拆解的动机
刚开始我们做的是端到端直接回归：把动态图编码成向量，再输出一个规模数值。实验下来MAE高得离谱，尤其大促日，预测值总比真实值低三分之一以上。复盘之后发现，问题就出在“规模”这个目标太全局化了。
如果预测的是全站整体成交订单数，模型靠历史均值打底也能有个差不多的结果。但我们要的是某一条传播链路的最终规模，也就是只依赖参与这条链路的推广者子集的指标。而这个子集是谁、包含多少节点、节点之间的结构如何，本身就是一个高度变动的变量。直接让编码器去回归总规模，等于让模型同时解决“选哪些节点”和“算总规模”两个难题，两个目标在隐空间里互相干扰。
两阶段设计就是把联合问题拆开。
第一阶段只回答一个问题：哪些推广者会真正参与进这场传播。动态图里的每个节点都会被映射成一个参与概率，概率超过阈值的节点进入候选传播集合。
第二阶段在这个候选集合上做规模估算：把集合内所有节点的嵌入聚合起来，拼接上集合规模、网络密度等统计量，再过回归头输出最终的传播规模预测值。
这样拆的好处是，第一阶段把“谁”的问题固定住，第二阶段只需要专注“多少”的回归，方差被显著降下来。实验里我们发现，当候选集合预测得比较准的时候，第二阶段甚至不需要太复杂的模型，简单聚合加一个MLP就能达到可用水平。
2.2 问题定义与特征工程
形式化一点说，我们把业务数据切成等长时间窗口，比如每小时一个快照。每个快照对应一张图G_t=(V_t,E_t)，节点是参与推广的推广者和涉及的商品类目，边是一次跳转或导流点击事件。节点特征包含近7天点击率、转化率、佣金率、粉丝量级、历史发布频率；边特征包含源节点到目标节点的跳转次数、平均点击时延、活跃时段重合度。
预测目标定义成：从当前时间T开始，未来24小时内这条传播链路带来的有效成交订单数。
标签口径上做了严格限制：只统计已支付且未超时取消的订单，按手机号去重，排除内部测试账号。这个口径如果和财务结算不一致，后面上线会非常痛苦，后面会专门展开讲。
另外我们还引入了一个“传播事件”的概念。每次自然传播行为，比如推广者发布一条视频或一篇图文，就对应一个传播事件；围绕这个事件产生的所有跳转和成交都进入标签统计。这样做的好处是离线标注可以完全自动化，不需要人工去定哪些流量属于哪条链路。
两阶段的标签类型不一样。第一阶段是节点级二分类：该节点在最终成交规模中贡献的订单量是否超过某个阈值。第二阶段是事件级回归：整个传播事件的最终订单数是多少。两个阶段共享底层的动态图编码器，只在预测头部分分叉。
2.3 网络结构与整体流程
整体流程可以用一句话概括：
原始点击流水 → 时间窗建图 → 时空动态编码器 → 节点嵌入
节点嵌入接下来分两条路走：一条经过第一阶段预测头，输出每个节点的参与概率；另一条进入第二阶段候选集合聚合器，对规模做回归。
训练时两个损失一起反传，但第二阶段的选择操作要包在梯度停止里。抽样和阈值过滤都不能把梯度传到第一阶段，否则模型会利用第二阶段任务去反向纠正第一阶段的选择，很容易训练崩溃。
具体实现顺序上，先把历史动态图快照喂给一个基于GAT的消息传递模块，层间加入时间位置编码和时间注意力，得到每个节点的最终表示。第一阶段用sigmoid输出概率；第二阶段用概率加权的soft selection做聚合，避免硬阈值导致不可导。
3. 核心模块实现与训练细节
3.1 时空动态网络编码器
这里重点说一下编码器内部结构。
最开始想直接用Graph Transformer，把整张图的邻接矩阵和特征一次性放进去，但动态图序列太长，算力扛不住。后来改成两个关键操作。
第一个是动态邻接聚合。每个时间片内部，用GAT层做空间消息传递；时间片之间，用带膨胀感受野的时间卷积捕捉趋势变化。空间和时间解耦后，训练速度快很多，效果也够好。如果你更想要端到端的时间Transformer，也不是不行，但在联盟营销的海量点击场景里，时间成本和算力成本都不太划算。
第二个是时间位置编码。为了让模型区分节点在不同时间窗口的状态，我们参考了Transformer的位置编码思路，把时间窗口编号编码进节点特征。这一步非常关键，没有它模型会把昨天和今天同一时段当成完全相同状态，一到跨天场景就崩。
贴一个简化版的编码器伪代码，基本就是我实验阶段的骨架：
class SpatioTemporalEncoder(nn.Module): def __init__(self, hidden_dim, num_heads, num_layers): super().__init__() self.gat_layers = nn.ModuleList([ GATConv(hidden_dim, hidden_dim, heads=num_heads, concat=False) for _ in range(num_layers) ]) self.time_conv = nn.Sequential( nn.Conv1d(hidden_dim, hidden_dim, kernel_size=3, padding=2, dilation=2), nn.GELU(), ) def forward(self, snapshots): # snapshots: [T, N, D] 节点特征序列 h = snapshots for gat in self.gat_layers: # 每个时间片内部做空间消息传递 h = gat(h) h = h.permute(0, 1, 2) # 转成 [T, D, N] 给时间卷积 h = self.time_conv(h) h = h.permute(0, 2, 1) return h.mean(dim=0) # 聚合时间维度，得到 [N, D]这个实现非常适合作为快速基线，后续需要升级成更大规模注意力机制也方便。
3.2 两阶段预测头的设计
第一阶段预测头很轻，就是多层感知机加sigmoid。输入节点嵌入，输出参与概率。概率输出后又加了一步Platt缩放校准，避免概率阈值在生产环境里飘来飘去。
第二阶段相对讲究。候选集合内部用了两种聚合方式：一种是简单的sum pooling，把候选节点的嵌入直接求和作为集合表示；另一种是注意力池化，给每个节点按其对规模贡献的确定性分配权重。实验里注意力池化在头部传播者主导的场景下效果更好，但sum pooling更稳，最后采用注意力池化加残差连接的结构。
第二阶段回归头不只是吃集合嵌入，还把候选节点数、平均佣金率、历史同品类GMV分位数等全局标量拼进去。这些标量特征在数据量不足时能显著压低误差，相当于给模型一个先验锚点。
这里踩过一个坑：不能把第一阶段概率乘进节点嵌入再做加权求和。表面看很合理，实际会把低概率节点的高维噪声放大，效果反而不如直接对筛选后的节点做干净聚合。
3.3 损失函数和训练策略
第一阶段用BCEWithLogits，第二阶段用SmoothL1Loss。SmoothL1在规模预测上比MSE好很多，因为对离群点不敏感，而联盟营销的真实规模经常出现几十倍尖峰。
整体loss直接加，权重1比1。也试过加权组合，效果没有显著差异，反而多一个超参数要调，最后干脆不设权。
训练策略里几个细节值得记录：
- 按时间顺序切分训练集和验证集，不允许随机打散，否则验证集等于开卷考试。
- 每个batch至少包含连续8个时间窗，保证时间卷积能看到趋势变化。
- 优化器用AdamW，学习率初始2e-3，余弦退火到1e-4。
- 第一阶段阈值标签需要按周期滚动更新，根据最近30天各节点的贡献分布重新计算，不能定死。
4. 离线实验设计与结果复盘
4.1 数据切分与评估指标
实验数据来自我们自己平台上脱敏处理后的真实联盟营销日志，连续90天，粒度到小时。包含12000多个推广者节点，约40万条跳转导流边。按时间顺序切分：前60天训练，中间15天验证，最后15天测试。
验证集和测试集都特意覆盖了三个大促日。只拿常规日评估没意义，活动场景的预测能力才是客户真正关心的事。
评估指标用了三个：
- MAE，平均绝对误差，直观反映偏差量级。
- WAPE，加权平均百分比误差，对大流量节点更敏感。
- 命中率，预测值落在真实值上下25%区间内的样本比例。
命中率在业务场景里非常关键，因为预测稍微偏一点和偏一半，对预算投放决策的影响是质变。普通回归指标无法完全表达这种差异，业务方看MAE看不太懂，但一说命中率他们就有感知。
4.2 基线与模型结果
基线选了几组：历史均值、XGBoost、LSTM、静态GCN、基础Graph Transformer。完整模型就是两阶段加时空动态编码的结构。结果都对原始数值做了脱敏处理，直接看绝对值没有意义，相对差距能说明问题。
| 模型 | MAE | WAPE | 命中率 |
|---|---|---|---|
| 历史均值 | 328 | 47.2% | 41.8% |
| XGBoost | 241 | 38.6% | 48.5% |
| LSTM | 225 | 35.9% | 51.2% |
| 静态GCN | 208 | 33.4% | 54.7% |
| 基础Graph Transformer | 189 | 30.1% | 58.3% |
| 两阶段时空动态网络（本文） | 152 | 24.6% | 66.5% |
两组主要结论：第一，两阶段设计在WAPE上全面压过直接回归方法；第二，时空动态编码相对静态GCN的增益在大促日显著变大，正常日也有提升但没有那么夸张。
4.3 核心结论与原因分析
为什么两阶段能赢？直接回归模型最后的嵌入必须同时编码“哪些节点可能起量”和“整体规模会多大”这两类信息。这两类信息在隐空间里经常互相冲突：一个传播事件可能靠单个头部节点起量，也可能靠上百个长尾节点同时发力，两种模式的嵌入差异非常大。两阶段把“是否参与”独立拎出来后，第二阶段回归面对的其实是一个维度低得多的任务，误差自然能降下来。
时空动态编码能赢，则是因为它抓住了传播链路“先慢热、再爆发、后回落”的节奏。静态GCN会把早高峰和晚高峰的图结构混在一起平均掉，动态模型能感知到节点活跃度的突变，相当于预判了一个传播信号正在变强还是变弱。
实验里还有两个反直觉的发现：
一是候选节点数量本身，是比绝大多数节点特征更能预测最终规模的信号。候选节点数每增加10%，整体规模大约增加5%到8%，这种结构信息在散点图上非常明显，直接回归模型却很容易忽略。
二是第一阶段预测得太准不一定是好事。阈值设得过高，只留下头部大节点，第二阶段回归会很平滑但总值严重偏低；阈值设得过低，大量噪声节点进来，回归方差激增。最佳阈值区间大概在0.4到0.6之间，必须靠验证集调节。
5. 工程上线与生产环境常见问题
5.1 标签口径与埋点一致性必须对齐
这句话看着像废话，但联盟营销的标签口径真的比想象中脏得多。推广者发的链接被用户收藏，两天后才下单，这个订单算不算传播规模？不同平台的统计口径不一样，模型结果会天差地别。
我们最终定下的口径是：按点击归因窗口内成交计算，归因窗口设7天，同一用户多个订单只取首次。这个口径要和财务结算口径对齐，否则离线指标再好看，上线后跟实际账单对不上账，模型照样被投诉。
排查标签问题时有段时间发现预测值系统性偏高，后来一查，训练数据里把大量加购未支付的数据也算进去了。大促期间加购未支付的量可以达到成交量的两倍，这一项直接让标签抬高了一大截。
所以数据落库时就要把“成交订单”定义清楚，是支付成功的订单、支付后未退款的订单，还是商家确认发货后的订单。定义不清楚，后面所有工作都是沙地上建楼。
5.2 时间泄漏比模型结构错误更致命
这是所有序列预测项目最容易翻车的地方。节点特征是昨天生成的，标签是明天生成的，只要特征表里有任何一个字段记录了明天的活动标记，模型就会准确得不像话。
我们做了一次彻底的时间一致性审计，给特征表所有字段都加了generated_at时间戳。模型上线前还会跑一个“伪未来特征检测”：用当前可用数据预测某个历史时点，如果指标好得反常，就说明有字段指向了未来。
这种审计值得花时间。有次排查一个线上诡异的高指标问题，最后发现是取数时不小心用了全表的最终状态字段，把当天后续发生的销售额提前暴露给了模型。
实操建议只有一句：所有用于训练的特征，落地时就把时间版本冻结，不要使用预测启动时刻之后才存在的字段。宁可少用一些看起来有效的特征，也要保证每个字段的可用时间合法。
5.3 线上阈值、干预策略与部署架构
两阶段模型上线后最大的价值不是给出一个数字，而是给出候选传播节点集合。预算充足时，这个集合可以直接当作重点维护名单，给这些推广者优先发券、提高分佣比例。
推广者名单变得可解释后，运营团队终于能参与进来了。以前面对黑盒回归模型，运营完全不知道从哪下手。现在模型会告诉他们说这场传播主要由哪三个人带动，运营再去判断这三个今天是不是真的在活跃，有没有可能因为限流没起来。
阈值选择还需要和干预次数绑定。如果运营每天只能联系20个推广者，阈值就调高，让名单精而不漏；如果是一次性系统群发，阈值可以降低，让更多节点进入候选池。这种可调节性，比一个冷冰冰的最终预测值实用得多。
部署架构上也要注意性能。动态图编码器在线推理成本高，我们把节点嵌入做成了缓存，图快照每15分钟重建一次，候选集合的预测输出走后端服务推送。模型服务用ONNX Runtime加速，单次推理控制在几十毫秒以内，可以支撑运营实时调整策略。
生产环境还得有预测偏差监控。节假日和临时热点会突然重塑传播网络结构，离线测试集不一定覆盖这些模式。我们设了滚动监控窗口，每15分钟比较一次近期预测分布和实际分布，偏差超过警戒线就触发模型回训或特征切换。
6. 实际落地再做一轮也会少走弯路的地方
6.1 模型可解释性比想象中更重要
开发这个系统的早期，我们组的关注点全在指标上，离线数据提升了几个点激动得不行。但模型推到业务那边后，第一个被问到的往往是：为什么预测是这个数？根据是什么？
两阶段模型在这个问题上天然有优势。第二阶段输出的规模数字如果不好解释，可以把第一阶段候选集合拉出来看。业务方看到某个明星推广者在集合里，自然就会相信这个预测值有依据。相反，纯黑盒回归给不出任何决策支持，即使指标再好也很难落地。
6.2 冷启动和稀疏节点不能靠单一模型解决
候选集合预测对头部推广者效果很好，因为历史数据充足，特征稳定。长尾推广者就不一样了，很多节点一周只发一次推广，特征极其稀疏，图消息传递根本聚不到有效邻居信息。
我们试过给稀疏节点拼接类目统计特征，有一定帮助，但本质还是不解决数据稀少的问题。最后选了个折中方案：长尾节点走独立轻量模型，只依赖类目和事件维度特征，不强行进入图模型。否则图很容易被大量低质量节点干扰，对头部节点预测反而不利。
6.3 离线评估指标要加业务视角
复盘整个过程，最大的体会是纯技术指标并不能保证业务成功。MAE降下来了，但运营还是不知道该给多少预算，因为预测区间的信息缺失了。
后续演进方向是在第二阶段引入蒙特卡洛模拟，对候选集合做多次随机采样，得到预测规模的分布，而不只是点估计。分布信息可以直接给到预算系统，让系统根据风险偏好决定是激进投放还是保守保底。这个方向我们还在探索，但已经能看到对业务决策的直接价值。
最后说一句实际体会：当初把任务拆成两阶段，单纯是想降误差；后来发现这个设计的更大收获是让模型结果变得可解释、可干预。联盟营销的业务方不关心你用的是什么网络结构，他们关心的是钱该往哪推、什么时候收手。两阶段模型恰好把“选谁”和“算多少”分成了两步，每一步都能对接一个业务动作。这种特性在实际落地中，可能比精度提升更值钱。
