📚 课程目录第3章促销数据特征工程

3. 促销数据特征工程

在促销影响量化与因果建模中，特征工程的质量直接决定模型能否准确识别促销的增量效果。本节围绕三大核心特征域——用户行为、商品属性、时间与渠道——展开系统构建，确保每个特征都具备因果可解释性与业务可操作性。

3.1 特征工程总体架构

促销特征工程遵循“业务驱动 + 因果对齐”原则，将原始数据转化为三类特征：

特征域	核心维度	因果角色	典型特征示例
用户行为特征	历史购买、浏览、加购、复购	混淆因子（Confounder）	近30天购买频次、平均客单价、品类偏好熵
商品属性特征	品类、价格带、生命周期、库存	处理变量（Treatment）修饰	商品折扣深度、历史促销响应率、竞品价格差
时间与渠道特征	促销时段、渠道类型、触达频次	工具变量 / 调节变量	促销距大促天数、渠道曝光量、跨渠道重叠度

  关键原则：特征必须与促销处理（Treatment）和结果（Outcome）同时相关，且不能是促销后的结果变量（避免后门路径污染）。

3.2 用户行为特征构建

用户行为特征是因果模型中最重要的混淆因子集合。构建时需区分静态画像与动态行为两类：

3.2.1 静态画像特征

用户生命周期阶段：新客、活跃老客、沉默客、流失客（基于最近一次购买时间）
价值分层：RFM 评分、历史累计消费金额分桶（高/中/低价值）
品类偏好：购买品类占比、品类多样性熵指数

3.2.2 动态行为特征

近期行为窗口：近7/14/30天浏览次数、加购次数、下单次数
促销响应历史：历史促销点击率、历史促销转化率、上次促销距今天数
跨品迁移行为：从浏览到购买的转化时长、跨品类购买关联度

工程技巧：动态行为特征建议使用滑动窗口聚合（如 pandas rolling + groupby），避免数据穿越。窗口大小需根据促销周期调整——日常促销用7天窗口，大促用30天窗口。

# 用户行为特征构建示例（Python伪代码）
import pandas as pd

def build_user_behavior_features(transactions, window_days=30):
    # 滑动窗口聚合：近30天购买频次、金额、品类数
    features = (transactions
        .sort_values('user_id', 'trans_date')
        .groupby('user_id')
        .rolling(f'{window_days}D', on='trans_date')
        .agg({
            'order_id': 'count',
            'amount': 'sum',
            'category_id': 'nunique'
        })
        .reset_index()
        .rename(columns={
            'order_id': 'freq_30d',
            'amount': 'amount_30d',
            'category_id': 'cat_diversity_30d'
        })
    )
    return features

3.3 商品属性特征构建

商品属性特征主要用于修饰促销处理变量，帮助模型理解不同商品对促销的异质性响应。核心特征包括：

特征类别	具体特征	构建方法	因果意义
基础属性	品类、品牌、价格带	直接从商品主表映射	控制品类间促销效果差异
促销属性	折扣深度、促销类型（满减/直降/赠品）	从促销活动表关联	处理变量的强度与形式
历史表现	历史促销响应率、历史销量弹性	按商品聚合历史促销数据	商品对促销的敏感度先验
竞争属性	同品类竞品价格差、竞品促销强度	外部爬虫或内部比价系统	控制市场竞争干扰
生命周期	上市天数、库存深度、季节指数	时间戳 + 库存表计算	控制商品成熟度影响

注意：商品属性特征中，折扣深度与促销类型是处理变量（Treatment）的核心组成部分，在因果模型中需谨慎处理其内生性——折扣深度往往由运营根据商品历史表现决定，存在选择偏差。

3.4 时间与渠道特征构建

时间与渠道特征在因果推断中常扮演工具变量或调节变量的角色，帮助识别促销的因果效应。

3.4.1 时间特征

促销时间锚点：距最近大促天数（618/双11）、距上次同品类促销天数
时间颗粒度：星期几、是否周末、是否节假日、小时段（早/中/晚）
促销时长：促销持续天数、距促销结束剩余天数（紧迫感效应）

3.4.2 渠道特征

渠道类型：APP推送、短信、公众号、站内信、线下门店
触达强度：曝光次数、点击次数、触达频次（近7天同一渠道触达次数）
跨渠道交互：渠道重叠度（用户同时被多少渠道触达）、渠道序列（先APP后短信）

3.5 特征工程避坑清单

基于实际项目经验，以下为促销特征工程中常见的五个陷阱及应对策略：

数据穿越（Look-ahead Bias）：使用促销之后的用户行为预测促销效果。→ 严格按时间戳划分训练/测试集，特征只使用促销开始前的数据。
特征冗余与多重共线性：用户近7天与近30天购买频次高度相关。→ 使用VIF（方差膨胀因子）筛选，保留信息量最大的窗口特征。
忽略促销自选择偏差：高价值用户更易被推送促销，导致特征与处理变量相关。→ 引入倾向性评分（Propensity Score）作为特征或权重。
渠道归因冲突：同一用户被多个渠道触达，难以区分各渠道贡献。→ 构建渠道序列特征，使用Shapley值或马尔可夫链进行归因。
稀疏特征处理：部分商品促销频次极低，导致特征方差小。→ 采用层级贝叶斯收缩或商品聚类后聚合特征。

  最佳实践：特征工程完成后，建议进行因果结构检验——使用DAG（有向无环图）检查每个特征是否满足后门准则或前门准则，确保特征集不会引入新的偏差。

3.6 特征存储与版本管理

在工程落地中，促销特征需支持离线训练与在线推理的一致性。推荐采用以下架构：

存储层	技术选型	用途	更新频率
离线特征表	Hive / Parquet	模型训练、回溯分析	T+1 全量更新
在线特征缓存	Redis / Faiss	实时促销推荐、效果预估	实时写入
特征版本库	MLflow / Feast	特征回溯、模型复现	每次特征变更打标签

特征版本管理是因果建模可复现性的基石。每次促销活动后，需将当时的特征快照与模型结果一并归档，便于后续的增量效果归因与模型迭代。