随着数字营销的快速迭代，中国企业的在线广告支出总额超过一万亿元，约42%的企业由于传统归因模型无法解决用户旅程中接触点贡献的误判，面临准确评估广告效果和预算分配的困难。此外，现有的数字广告归因方法往往依赖于关联分析，将相关性与因果关系混淆，导致接触点贡献的量化失真、预算分配不合理以及低投资回报率，未能满足数字营销的核心需求。为此，本文首先回顾了在数字营销背景下广告归因和预算分配的研究现状和不足之处。然后，构建了一个基于因果推断的多接触点归因模型，整合了差异中的差异和因果森林等方法，以准确量化每个广告接触点的真实因果影响。接下来，设计了一个基于归因结果的动态预算分配优化算法，以实现智能预算调度。最后，构建了完整的系统架构以完成模型训练、效果验证和部署。实验表明，Causal-AA的归因准确率达到89%，比最后点击模型、首次点击模型和线性模型分别高出18、22和15个百分点，并将客户获取成本降低了20%-30%，验证了模型和系统的有效性和实用性。
Ruiqiang Li (Thu,) 研究了这个问题。