🤖 machine learning

From Prediction to Incrementality: Causal Optimization for Large-Scale Targeting and Recommendation

Este artículo presenta un marco de trabajo centrado en la decisión que reemplaza el direccionamiento predictivo tradicional por la optimización causal para sistemas de recomendación a gran escala, integrando redes neuronales causales, exploración bayesiana y asignación con restricciones para lograr un incremento estadísticamente significativo del 7,20% en el valor a largo plazo durante una prueba A/B en línea en LinkedIn.

Autores originales: Changshuai Wei, John Bencina, Phuc Nguyen, Andre Assuncao Silva T Ribeiro, Benjamin Zelditch

Publicado 2026-08-12

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Changshuai Wei, John Bencina, Phuc Nguyen, Andre Assuncao Silva T Ribeiro, Benjamin Zelditch

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el capitán de un enorme crucero y tu trabajo es repartir helado gratis a los pasajeros. En la antigua forma de hacer las cosas, mirarías una lista de quiénes suelen comer helado y se lo repartirías a ellos. Pero aquí está el truco: algunas de estas personas iban a comer helado de todos modos, incluso si no se lo dabas. Desperdiciaste tus bolas de helado en personas que no necesitaban un empujoncito, mientras que los pasajeros que estaban indecisos sobre si tomar un postre no recibieron nada. Este es el problema de la "predicción" frente a la "incrementalidad". La predicción pregunta: "¿Quién comerá helado?". La incrementalidad pregunta: "¿Quién comerá helado solo porque yo se lo di?".

Este artículo se sumerge en el mundo del Aprendizaje Automático Causal (Causal Machine Learning), una rama de la inteligencia artificial que intenta descubrir la causa y el efecto en lugar de solo detectar patrones. Es como pasar de un pronosticador del tiempo que simplemente dice "normalmente llueve los martes" a un científico que puede demostrar que "si lanzamos un cohete de siembra de nubes, realmente hará que llueva". Los autores están trabajando en un sistema utilizado por grandes plataformas en línea (como LinkedIn) para decidir quién ve mensajes de marketing, anuncios de empleo o notificaciones. La gran pregunta es: ¿cómo dejamos de gastar dinero en personas que harían clic en el anuncio de todos modos, y en su lugar nos enfocamos en las personas que realmente necesitan ese empujón extra para realizar una acción?

Los investigadores de LinkedIn construyeron un nuevo y más inteligente sistema para resolver este rompecabezas. Lo llaman un "marco centrado en la decisión" (decision-centric framework), que es una forma elegante de decir que dejaron de simplemente adivinar quién haría clic y empezaron a calcular matemáticamente quién sería cambiado por el mensaje. Su sistema tiene tres partes principales trabajando juntas como un equipo de ensueño. Primero, una "red neuronal causal" (impulsada por un Transformer, el mismo tipo de cerebro detrás de muchas herramientas de IA modernas) actúa como un detective. Observa el historial de un usuario y estima el "efecto de tratamiento": básicamente, qué tan probable es que compre algo o se postule a un trabajo específicamente porque vio el anuncio.

Segundo, el sistema incluye una capa de "bandido neural" (neural bandit). Piensa en esto como un explorador curioso. En el pasado, los sistemas de IA a menudo se quedaban atrapados en un bucle, mostrando anuncios solo a personas que ya estaban seguras de que harían clic, perdiendo así nuevas oportunidades. Esta parte exploradora del sistema está dispuesta a correr pequeños riesgos para probar cosas nuevas, asegurando que no se pierdan clientes potenciales que aún no han sido probados. Utiliza un truco matemático ingenioso llamado "aproximación de Laplace" para adivinar qué tan incierta es su propia predicción, lo que le permite explorar de forma segura.

Tercero, y quizás lo más importante, hay una capa de "programación lineal a gran escala". Esta es la gerente estricta pero justa. Incluso si el detective encuentra al candidato perfecto y el explorador quiere probar una nueva estrategia, la gerente tiene que asegurarse de que no rompan las reglas. La empresa tiene un presupuesto limitado, un límite en cuántas veces se puede contactar a una persona y la necesidad de llegar a diferentes tipos de personas de manera justa. Esta capa resuelve un gigantesco rompecabezas matemático para distribuir los anuncios perfectamente dentro de esos límites, asegurando que no se desperdicie dinero y que nadie sea ignorado injustamente.

Para probar si este nuevo sistema realmente funciona, el equipo realizó simulaciones y luego un experimento en el mundo real con el tráfico de marketing de LinkedIn. En las simulaciones, compararon su nuevo método "causal" contra los métodos antiguos que solo predecían quién haría clic. Los resultados fueron claros: el nuevo sistema encontró objetivos más valiosos y gastó menos dinero para obtener los mismos resultados. Pero la verdadera magia ocurrió en la prueba en vivo. Cuando dejaron que el nuevo sistema funcionara durante ocho semanas contra el sistema estándar anterior, entregó un aumento estadísticamente significativo del +7.20% en la métrica principal de valor a largo plazo. Esto significa que la empresa obtuvo un valor notablemente mayor de su presupuesto de marketing sin gastar más dinero.

El artículo también destaca lecciones prácticas aprendidas al construir esto en el mundo real. Descubrieron que tener un modelo inteligente no es suficiente; es necesario ser increíblemente cuidadoso con cómo se preparan los datos y cómo se controla la entrega real de los anuncios. Por ejemplo, si el nuevo sistema decide no mostrar un anuncio a alguien (porque cree que no cambiaría de opinión), pero el sistema antiguo sí lo mostró, tienes que asegurarte de no estar comparando manzanas con naranjas. Construyeron herramientas especiales para asegurar que los grupos de prueba estuvieran perfectamente emparejados para que los resultados fueran justos.

En resumen, este artículo muestra que al cambiar el enfoque de "¿quién actuará?" a "¿quién actuará debido a nosotros?", y al combinar la IA inteligente con una gestión de presupuesto estricta, las empresas pueden hacer que su marketing sea mucho más efectivo. No se trata solo de gritar más fuerte a todo el mundo; se trata de susurrar el mensaje adecuado a la persona adecuada en el momento adecuado, ahorrando recursos y creando más valor para todos los involucrados.

Resumen Técnico: De la Predicción a la Incrementalidad: Optimización Causal para Segmentación y Recomendación a Gran Escala

1. Planteamiento del Problema

Los sistemas de segmentación y recomendación a gran escala en las plataformas en línea modernas (por ejemplo, publicidad, marketing, notificaciones) dependen tradicionalmente del modelado predictivo. Estos sistemas entrenan modelos para estimar las probabilidades de respuesta del usuario (por ejemplo, la probabilidad de clic o de conversión) y clasifican los elementos basándose en estas predicciones.

Sin embargo, los autores argumentan que este paradigma está fundamentalmente desalineado con los objetivos de negocio en entornos de marketing e incentivos donde el objetivo es el impacto incremental (por ejemplo, "¿Este usuario convertiría debido a la intervención, o habría convertido de todos modos?").

La Desalineación: Una alta respuesta predicha no equivale necesariamente a un alto valor causal. Los usuarios que actuarían independientemente de una intervención (los "siempre receptores" o always-takers) son sistemáticamente objeto de una segmentación excesiva, lo que desperdicia recursos.
La Brecha: Los enfoques causales existentes suelen centrarse en la toma de decisiones local (clasificación) o en la evaluación de políticas sin abordar las restricciones globales (presupuestos, límites de frecuencia, equidad). Por el contrario, los sistemas de optimización con restricciones suelen utilizar puntuaciones predictivas no causales como entradas, lo que conduce a una asignación de recursos subóptima.

2. Metodología

El artículo propone un marco de decisión centrado que optimiza conjuntamente los efectos causales bajo restricciones globales. El sistema integra tres componentes principales bajo un único objetivo:

A. Red Neuronal Causal (La cabeza "DragonBandit")

El sistema estima los Efectos de Tratamiento Individual (ITE) utilizando una arquitectura DragonNet modificada:

Arquitectura: Un codificador compartido $\Phi$ alimenta tres cabezales: dos cabezales de resultado ( $\mu_1, \mu_0$ ) para los resultados potenciales bajo tratamiento y control, y un cabezal de propensión ( $e$ ) para la probabilidad de asignación del tratamiento.
Backbone de Transformer: Para manejar las interacciones secuenciales del usuario (puntos de contacto de marketing), el modelo incorpora un codificador Transformer. Este procesa características temporales (recencia, cadencia de interacción) utilizando embeddings aprendidos para tipos de interacción, día de la semana y codificaciones posicionales sinusoidales.
Extensión de Múltiples Resultados: Para soportar múltiples productos sin reentrenamiento, el modelo utiliza embeddings de resultados. Una matriz de embedding compartida codifica los atributos del producto (estructurados o derivados de LLM), permitiendo que el modelo puntúe nuevos productos no vistos mediante la similitud del producto escalar con la representación del estado del usuario.
Objetivo de Entrenamiento: El modelo minimiza una pérdida compuesta que incluye la predicción de resultados (BCE), la predicción de propensión, la regularización dirigida basada en la Función de Influencia Eficiente (EIF) para el ATE, y una pérdida de reconstrucción de autoencoder para los embeddings de resultados.

B. Exploración Consciente de la Incertidumbre (Neural Bandit)

Para abordar los bucles de retroalimentación y mejorar la identificación causal (solapamiento), el sistema emplea Neural Thompson Sampling:

Mecanismo: En lugar de utilizar estimaciones puntuales deterministas, el sistema muestrea de la distribución posterior de los parámetros de la red.
Aproximación: Utiliza una Aproximación de Laplace Linealizada (LLA) centrada en la solución de Máxima Probabilidad a Posteriori (MAP). Esta computa la curvatura del log-likelihood para derivar una distribución gaussiana sobre los logits, permitiendo una exploración consciente de la incertidumbre con una sobrecarga de servicio mínima en comparación con métodos como Bayes by Backprop.
Rol: Esto asegura que el sistema explore acciones con alta incertidencia, evitando la dinámica de "el rico se hace más rico" y mejorando la calidad de los datos para futuras estimaciones causales.

C. Asignación con Restricciones (Programación Lineal a Gran Escala)

Las puntuaciones incrementales muestreadas se introducen en un resolvedor de programación lineal (LP) basado en el dual para coordinar las decisiones entre millones de usuarios y elementos:

Formulación: El problema maximiza la suma de las recompensas incrementales muestreadas sujeto a restricciones globales (presupuestos, límites de volumen, límites de frecuencia).
Escalabilidad: Para manejar decenas de millones de variables, los autores utilizan Descomposición Dual. Relajan las restricciones binarias a probabilidades y resuelven el problema dual utilizando el ascenso acelerado de Nesterov. El minimizador primal se descompone por usuario, lo que hace que el costo por iteración sea lineal en el número de usuarios y elementos ( $O(|U| \cdot |I|)$ ), en lugar de cúbico.
Control de Entrega: Un controlador de retroalimentación ajusta los objetivos de costo basándose en las tasas de entrega realizadas (por ejemplo, victorias en subastas, tasas de retorno de usuarios) para asegurar que el sistema cumbre con los requisitos de ritmo (pacing) sin entregar de más o de menos.

3. Contribuciones Clave

Marco de Decisión Unificado: Una formulación que alinea la estimación causal, la exploración y la asignación con restricciones bajo un único objetivo, yendo más allá del patrón estándar de optimizar señales predictivas con asignación heurística.
Extensiones Arquitectónicas:
- Un DragonNet aumentado con Transformer para modelar secuencias de marketing temporales.
- Un cabezal de embedding de resultado compartido que permite la puntuación condicionada por atributos y de múltiples resultados para productos en fase de inicio en frío (cold-start).
Pipeline de Producción: Un pipeline totalmente integrado que combina la cabeza causal, la exploración de bandit neural y un resolvedor de LP basado en el dual.
Validación Empírica:
- Offline: Simulaciones en el Open Bandit Dataset (OBD) que muestran que el modelado incremental + la optimización con restricciones supera a las líneas base de propensión y de solo clasificación.
- Online: Una prueba A/B de ocho semanas en el tráfico de marketing de LinkedIn Feed.

4. Resultados

Simulaciones Offline:
- Turno único: El enfoque de "Modelado Incremental + Optimización con Restricciones" logró el mayor retorno neto ($0.46 frente a $0.39 para propensión + restricciones) y redujo significativamente los costos al identificar usuarios con alta probabilidad de convertir orgánicamente (aumentando las tasas de "no recomendación").
- Multi-turno: El "Modelo Incremental Bandit" superó los sesgos iniciales de los datos y superó a las variantes codiciosas (greedy) después de aproximadamente 50 rondas, demostrando el valor a largo plazo de la exploración.
Prueba A/B Online:
- Desplegado en el tráfico de marketing de LinkedIn Feed contra un stack de propensión de dos niveles de uso comercial habitual (BAU).
- Métrica Primaria: El brazo de tratamiento logró un incremento estadísticamente significativo del +7.20% en la métrica principal de valor a largo plazo ( $p=0.041$ , IC del 95%: [0.31%, 14.09%]).
- Éxito Operativo: El sistema gestionó con éxito el ritmo del presupuesto y las restricciones de entrega, evitando los problemas de "sub-entrega" observados en las pruebas tempranas sin el controlador de retroalimentación.

5. Significado y Reivindicaciones

El artículo afirma demostrar la viabilidad de la optimización causal a escala de producción bajo complejos controles de negocio. Su importancia radica en:

Cambio de Paradigma: Pasar de "clasificar usuarios de alta respuesta" a "elegir usuarios con alto impacto incremental" mediante una asignación coordinada globalmente.
Despliegue Práctico: Proporcionar un plano para integrar la inferencia causal en sistemas industriales, abordando obstáculos del mundo real como la construcción de datos de entrenamiento (ventanas de contexto/tratamiento/resultado), el control de costos y la estimación de entrega.
Escalabilidad: Demostrar que modelos causales complejos combinados con optimización con restricciones pueden ejecutarse eficientemente a la escala de cientos de millones de miembros utilizando descomposición dual y aproximaciones de incertidumbre ligeras.

Los autores enfatizan que el éxito del sistema no depende solo de la arquitectura del modelo, sino de las mejoras pragmáticas en la construcción de datos y el control de entrega, que a menudo son invisibles en las simulaciones offline pero críticas para el ROI en el mundo real.