2. 收益标签基础
在机器学习项目中，标签决定了模型学习的目标。对于收益类业务而言，标签不仅是“预测什么”的答案，更是“如何定义成功”的度量。收益标签（Revenue Label）是一类以经济收益、利润、转化价值、用户生命周期价值等为核心目标的标签体系。它通常不是简单的 0/1 分类，也不是单一连续值回归，而是带有时间窗口、成本结构、归因逻辑和业务约束的复合目标。
一、收益标签与普通分类、回归标签的区别
普通分类标签关注“是否发生”，例如用户是否点击、是否流失、是否违约；普通回归标签关注“数值大小”，例如未来 7 天销量、页面停留时长。收益标签则进一步引入经济维度、时间维度和因果维度。它不仅要回答“会不会买”，还要回答“买了多少、赚了多少、是不是因为我们的策略才赚的”。
| 对比维度 | 普通分类标签 | 普通回归标签 | 收益标签 |
|---|---|---|---|
| 标签形式 | 0/1、多类别 | 连续实数 | 金额、收益等级、增量收益、风险调整收益 |
| 核心问题 | 是否发生 | 发生多少 | 带来多少经济价值，是否由策略驱动 |
| 时间窗口 | 通常较弱 | 中等 | 强依赖，如 7 日、30 日、生命周期 |
| 成本与归因 | 一般不涉及 | 一般不涉及 | 必须考虑成本、退款、归因、增量 |
| 典型损失函数 | 交叉熵 | MSE、MAE | 加权 MSE、分位数损失、因果损失 |
| 业务解释 | 概率 | 数值预测 | ROI、利润、增量收益 |
从建模角度看，收益标签常常是“分类 + 回归 + 因果”的混合体。例如，一个用户可能不点击（分类为 0），但点击后产生高额收益（回归值很大）；也可能点击了但退货，最终收益为负。因此，收益标签不能简单套用普通标签的处理流程。
二、常见业务场景与标签定义
收益标签广泛应用于电商、金融、广告、订阅和游戏等行业。不同场景下，标签定义方式差异很大，但都围绕“收益”这一核心目标展开。
- 电商推荐：定义用户在未来 7 天内因推荐位产生的 GMV 或毛利，需扣除优惠券、退货和履约成本。
- 广告投放：定义广告曝光带来的增量转化价值，常用增量收益 = 实验组收益 - 对照组收益。
- 金融信贷：定义客户生命周期利润，即利息收入减去资金成本、运营成本和预期损失。
- 订阅续费：定义续费带来的净收入，需考虑折扣、退款和支付通道费。
- 游戏运营：定义玩家在活动期间的内购收入，并区分自然付费与活动刺激付费。
三、收益标签的构建流程
构建收益标签通常遵循以下流程：明确业务目标 → 确定决策单元 → 定义时间窗口 → 计算收益口径 → 处理成本与退款 → 归因与增量 → 标签分层与验证。每一步都会影响最终模型效果。
# 示例：电商收益标签计算伪代码
def revenue_label(user_id, start_date, window_days=7):
orders = get_orders(user_id, start_date, window_days)
gmv = sum(o.amount for o in orders)
refund = sum(o.refund for o in orders)
coupon = sum(o.coupon_cost for o in orders)
shipping = sum(o.shipping_cost for o in orders)
gross_profit = gmv - refund - coupon - shipping
return max(gross_profit, 0) # 或保留负值用于风险建模
在实际工程中，收益标签往往需要离线数仓与实时特征平台协同。离线部分负责历史标签生成与回溯，实时部分负责在线推理时的特征拼接。标签口径一旦确定，应写入特征平台元数据，避免不同团队各自计算导致口径漂移。
四、常见误区与复盘
收益标签最容易出问题的地方，往往不是模型本身，而是标签定义和数据处理。以下误区在实战中反复出现：
- 把收入当收益：只统计 GMV 而忽略退款、优惠券、履约成本，导致模型学习到“高流水低利润”的策略。
- 时间窗口不一致：训练用 7 天标签，上线却按 30 天评估，造成标签漂移和效果虚高。
- 忽略归因：把自然转化算作策略收益，导致增量被高估，模型过度自信。
- 未来信息泄漏：特征中混入标签窗口内的退款、退货、客服记录，离线 AUC 很高但线上崩盘。
- 负收益被截断：简单把负收益置零，模型无法学习风险，最终收益波动加大。
收益标签是收益类机器学习项目的基石。它把业务语言翻译成模型可学习的目标，同时也把防泄漏的边界提前到了标签定义阶段。理解收益标签与普通分类回归标签的差异，掌握常见场景下的定义方法，并遵循可计算、可归因、可复现、可解释的原则，才能为后续的模型训练和线上决策打下可靠基础。