3. 特征生产与归因逻辑
特征生产与归因逻辑是归因系统的核心骨架。特征生产决定了归因计算的数据质量与时效性，而归因键（Attribution Key）与归因模型则直接决定了转化功劳的分配方式。本节将系统讲解特征生产流程、归因键设计原则以及主流多触点归因模型。
3.1 特征生产流程：实时与离线
特征生产通常分为离线批处理与实时流处理两条链路，两者在延迟、吞吐量与计算复杂度上各有侧重。实际生产环境中，通常采用 Lambda 架构将两者融合，以兼顾历史回溯与实时响应。
| 维度 | 离线特征生产 | 实时特征生产 |
|---|---|---|
| 计算引擎 | Spark / Hive / MapReduce | Flink / Kafka Streams / Spark Streaming |
| 延迟要求 | T+1 或小时级 | 秒级 ~ 分钟级 |
| 数据源 | HDFS / 数仓分层表 | Kafka / Pulsar 消息队列 |
| 典型特征 | 用户画像、历史 LTV、长期行为聚合 | 当前会话、点击流、设备状态 |
| 存储介质 | Hive / ClickHouse / HBase | Redis / Aerospike / 内存状态 |
| 适用场景 | 归因回溯、模型训练、报表分析 | 实时归因、动态出价、在线推理 |
生产实践要点：离线特征需关注数据倾斜与分区裁剪；实时特征需设计水位线（Watermark）与超时机制，防止乱序数据导致归因偏差。
3.2 归因键（Attribution Key）设计原则
归因键是连接用户行为与转化事件的唯一标识。设计不当的归因键会导致归因结果混乱、数据膨胀或匹配失败。以下是归因键设计的核心原则：
- 唯一性（Uniqueness）：归因键必须在全局或指定时间窗口内唯一，避免不同用户或不同触点共用同一键值。
- 稳定性（Stability）：归因键不应随用户行为或设备状态变化而改变，例如设备 ID（IDFA/GAID）比 IP+UA 组合更稳定。
- 可追溯性（Traceability）：从归因键应能反向定位到原始点击/曝光日志，便于问题排查与数据校验。
- 时效性（Timeliness）：归因键应包含时间戳或版本信息，支持窗口内去重与过期清理。
- 紧凑性（Compactness）：避免过长的拼接键，优先使用哈希或整数 ID 以减少存储与传输开销。
推荐实践：采用
source_type + campaign_id + user_id + timestamp 的复合键结构，兼顾可读性与唯一性。对于高并发场景，可对复合键做 MurmurHash 后存储为 64 位整数。
| 归因键类型 | 示例 | 优点 | 缺点 |
|---|---|---|---|
| 设备 ID | IDFA:1A2B3C4D |
稳定、跨渠道 | iOS 限制获取、用户重置 |
| 点击 ID (Click ID) | click_20250315_abc123 |
精确、可追溯 | 需服务端生成、存储成本高 |
| 用户登录 ID | uid:987654 |
业务语义强 | 未登录用户无法归因 |
| 复合键 | src:fb|camp:101|uid:987|ts:1710508800 |
信息完整 | 键值过长、解析开销 |
3.3 多触点归因模型
多触点归因模型决定了在用户转化路径中，各个触点（Touch Point）应分配多少功劳。不同模型适用于不同的业务场景与数据分析目标。
3.3.1 主流归因模型对比
| 模型名称 | 分配逻辑 | 适用场景 | 局限性 |
|---|---|---|---|
| Last Click | 100% 功劳归最后一个触点 | 效果广告、直接转化 | 忽略前期品牌曝光价值 |
| First Click | 100% 功劳归第一个触点 | 品牌认知、拉新评估 | 忽略后续促成转化触点 |
| Linear | 所有触点均分功劳 | 品牌曝光与效果并重 | 无法区分触点重要性 |
| Time Decay | 越接近转化的触点权重越高 | 长决策周期、高客单价 | 衰减系数需业务调参 |
| Position Based | 首尾各 40%，中间均分 20% | 品牌+效果混合投放 | 固定比例不够灵活 |
3.3.2 Time Decay 权重计算示例
Time Decay 模型通常使用指数衰减函数计算每个触点的权重：
# 假设衰减半衰期为 7 天
import math
def time_decay_weight(touch_time, convert_time, half_life_days=7):
delta_days = (convert_time - touch_time).days
weight = math.pow(0.5, delta_days / half_life_days)
return weight
# 示例：转化前第 1 天触点权重 = 0.5^(1/7) ≈ 0.906
# 转化前第 7 天触点权重 = 0.5^(7/7) = 0.5
# 转化前第 14 天触点权重 = 0.5^(14/7) = 0.25
注意：Time Decay 的衰减速率对归因结果极为敏感。建议通过 A/B 实验或历史数据拟合确定最优半衰期，避免主观设定导致归因偏差。
3.4 归因模型选择决策矩阵
在实际工程中，归因模型的选择需要结合业务目标、数据质量与计算成本综合判断。以下决策矩阵可作为选型参考：
| 业务场景 | 推荐模型 | 关键考量 |
|---|---|---|
| 短期促销、应用下载 | Last Click | 转化路径短，最后触点决定性高 |
| 品牌曝光、新品上市 | First Click + Time Decay | 重视首次触达与近期触达 |
| 高客单价、长决策周期 | Time Decay / Position Based | 需平衡品牌认知与最终促成 |
| 数据驱动、无先验偏好 | Linear / Shapley Value | 公平分配，但计算成本较高 |
| 合规受限、ID 缺失严重 | Last Click + 聚合归因 | 减少对精确 ID 的依赖 |
工程建议：不要在生产环境中只部署单一归因模型。建议同时运行 2~3 种模型（如 Last Click + Time Decay + Linear），通过归因差异分析发现数据异常或渠道作弊行为。归因模型的可切换性应作为特征服务架构的基本要求。