北大光華王聰：電商推薦算法為何不準丨學術光華

導語

打開購物APP，首頁推送的商品常常讓人迷惑，偶然點擊的廣告商品被反復推送，真正符合內在需求的商品卻被淹沒在推薦列表中。

近日，北京大學光華管理學院助理教授王聰與合作者的研究在國際信息系統頂刊

Information Systems Research

行為數據≠真實偏好

在電商平臺上，用戶的每一次瀏覽、加購、下單都會留下“數字足跡”，這些數據正是推薦算法的訓練基礎。但王聰和合作者的研究發現，這些行為數據并非用戶真實偏好的純粹反映，而是多種因素交織的結果。

消費者的購物行為不僅取決于自身對商品的偏好，也會受到商品顯式度和從眾效應的雙重影響。商品顯式度如同商場里的顯眼廣告位，搜索排名靠前、廣告投放密集的商品更容易獲得用戶點擊；而從眾效應則像貨架前的 “人氣指標”，高銷量、好評多的商品往往能吸引更多人跟風購買。

而傳統推薦算法恰恰忽略了這一點，將用戶因廣告吸引的瀏覽、因銷量跟風的下單，全部等同于“用戶喜歡”，直接用于模型訓練，這種混淆導致算法陷入越推越偏的循環，既影響用戶體驗，也降低了平臺的推薦轉化效率。

提出DISC模型，給行為動因做精準分離

為解決目前推薦算法的問題，研究團隊創新性地將因果推斷理論融入推薦系統設計，提出了DISC因果解耦推薦方法。該模型的核心突破在于，將驅動用戶行為的三大核心因素內在偏好、商品顯式度、從眾效應精準分離。

具體而言，研究團隊基于消費者行為理論，將完整購物旅程劃分為三個關鍵階段：以瀏覽為代表的需求識別階段、以加購為代表的預購評估階段、以購買為代表的決策階段。通過構建結構化因果圖，模型明確界定了不同因素在各階段的作用：瀏覽行為由內在偏好和商品顯著性共同驅動，而加購和購買行為則受內在偏好和從眾效應影響。

為更加明確地反映真實購物情境，DISC模型引入了潛在變量——決策路徑選擇變量，成功適配了現實中的復雜購物場景。比如，沖動型消費者可能跳過加購環節直接下單，而謹慎型消費者會完整經歷“瀏覽-加購-購買”流程，這一變量讓模型能更精準地捕捉不同用戶的決策習慣，避免了傳統模型“一刀切”的描述缺陷。

在數據處理層面，由于內在偏好、商品顯式度等核心變量無法直接觀測，模型通過代理變量間接推斷其相對大小，如用商品總瀏覽量代理顯著性，用商品總銷量代理從眾效應。研究團隊通過理論分析證明，在滿足寬松假設條件下，該模型可僅基于觀測數據，唯一估計出各動因的真實效應，為因果推斷的嚴謹性提供了理論保障。

商業價值落地，反事實分析賦能精準營銷

經過在兩個大規模真實數據集上的實驗驗證，DISC模型表現出顯著的效果優勢：在傳統購買行為預測任務中，其預測性能超越當前主流基線模型；在排除顯著性與從眾效應干擾的“純凈偏好推薦”任務中，該模型能夠更準確地預測用戶基于內在偏好做出的購買決策，從而實現了對用戶真實偏好的精準捕捉。

該模型的核心商業價值在于可基于其學習到的因果圖進行反事實分析，為電商平臺提供數據驅動的營銷決策工具。通過對不同行為動因的干預分析，平臺可量化各類營銷策略的實際效果：對于沖動型購買路徑，提升商品顯著性（如優化廣告投放、調整搜索排名）的干預效果更優；對于謹慎型購買路徑，強化從眾效應（如突出高銷量數據、展示用戶好評）則能更有效促進轉化。

這一研究的創新意義在于，打破了傳統推薦算法的困境，實現了算法決策的可解釋性與可干預性。對于電商平臺而言，DISC模型不僅能提升用戶粘性與轉化效率，還能量化不同動因的干預效果，通過精準匹配降低營銷資源浪費；對于消費者來說，未來的推薦列表將更少受到廣告、爆款等外部因素的裹挾，更多呈現契合個人真實需求的商品。

隨著數字經濟的深入發展，個性化推薦已成為連接消費者與商品的核心橋梁。王聰與合作者的這項研究，通過因果推斷與推薦算法的深度融合，為推薦系統的優化升級提供了全新方法論，幫助電商行業在精準匹配中挖掘新的增長空間。

注：本篇論文的其他作者還包括復旦大學管理學院石巖松，清華大學經管學院郭迅華，清華大學經管學院陳國青

王聰，北京大學光華管理學院管理科學與信息系統系助理教授。于清華大學經濟管理學院取得管理學博士學位，于北京大學信息管理系、國家發展研究院取得管理學、經濟學雙學士學位，曾在Carnegie Mellon University（卡耐基梅隆大學）從事博士后研究工作。學術研究聚焦于機器學習、數據挖掘等技術方法與管理問題的交叉點上，根據不同管理問題需求及其數據特點進行相應的分析方法設計，以提供精準高效的解決方案。目前主要關注于電子商務、金融科技、智慧醫療等領域的決策支持方法設計研究。研究成果發表于國內外知名學術期刊。

往期發布：

什么時候股市的做空信號最該警惕？丨學術光華

告別“全能內卷”，專利交易讓企業更專業？丨學術光華

來源 |北大光華學術資訊，北大光華對外關系部

排版|李珅

編輯 |王小雅

審閱|塔娜