1. 归因稳定性巡检概述
1.1 归因分析在推荐/广告系统中的作用
在推荐与广告系统中，归因分析是将业务效果（如点击、转化、成交）回溯到具体触发因素（如曝光物品、广告创意、用户行为序列）的关键技术。它回答了一个核心问题：“用户为什么发生了这个行为？是哪个特征或哪次交互起了决定性作用？”
归因分析的价值体现在三个层面：
- 效果评估：准确衡量每条推荐结果或广告位的真实贡献，避免“最后点击”等简单归因带来的偏差。
- 预算分配：指导广告主将预算倾斜到高贡献渠道，提升 ROI。
- 模型优化：为排序模型、出价模型提供高质量的样本权重与特征标签，驱动模型持续迭代。
关键认知： 归因不是一次性的离线计算，而是贯穿在线服务链路的实时决策依据。归因结果的稳定性直接决定了推荐/广告系统的可解释性与业务信任度。
1.2 稳定性巡检的定义与目标
稳定性巡检是指对归因链路中的关键节点进行持续性、自动化的健康检查与异常检测。它不同于传统的“故障响应”，而是主动发现潜在风险，在问题影响业务指标之前完成修复。
| 维度 | 传统监控 | 稳定性巡检 |
|---|---|---|
| 触发方式 | 被动告警（指标超阈值） | 主动探测（定时/事件驱动） |
| 检查粒度 | 宏观（服务可用性、延迟） | 微观（特征值分布、归因链路一致性） |
| 目标 | 恢复服务 | 预防退化、保障归因可复现 |
| 输出 | 告警事件 | 巡检报告 + 根因分析线索 |
稳定性巡检的核心目标可归纳为：
- 归因可复现：同一请求在相同条件下，多次归因结果必须一致。
- 特征无偏：特征服务返回的值不因时间、流量、缓存状态产生系统性偏移。
- 链路可观测：归因链路上每个环节的输入输出均可追溯、可对比。
- 退化可预警：在业务指标（如 CVR、GMV）下降之前，提前发现归因异常。
1.3 特征服务在归因链路中的位置
特征服务是归因链路的数据供给层。归因模型依赖特征服务提供用户画像、物品属性、上下文信号等实时特征。如果特征服务出现异常（如特征缺失、值漂移、延迟过高），归因结果将直接失真。
下图展示了特征服务在归因链路中的核心位置：
巡检切入点： 特征服务位于归因链路的上游，是巡检的第一道防线。常见的巡检项包括：特征缺失率、特征值分布偏移、特征返回延迟、特征版本一致性等。
1.4 特征服务稳定性巡检的核心维度
针对特征服务在归因链路中的特殊位置，稳定性巡检需要覆盖以下四个核心维度：
| 巡检维度 | 检查内容 | 典型异常 | 影响 |
|---|---|---|---|
| 特征完整性 | 必选特征是否全部返回 | 特征缺失、默认值填充 | 归因模型输入不完整，结果偏差 |
| 特征一致性 | 相同请求多次返回是否一致 | 缓存穿透、版本回滚 | 归因结果不可复现，AB实验失效 |
| 特征时效性 | 特征值是否反映最新状态 | 特征更新延迟、过期缓存 | 归因基于过时数据，决策滞后 |
| 特征分布 | 特征值统计分布是否漂移 | PSI > 0.1、均值突变 | 归因模型在线/离线不一致 |
常见误区： 很多团队只关注特征服务的可用性（是否返回 200），而忽略了特征值的语义正确性。例如，特征服务返回了“用户年龄=0”或“物品价格=-1”，虽然服务正常，但归因结果已完全失真。稳定性巡检必须覆盖特征值的语义校验。