🤖 machine learning

Personalizing Marketplace Policies with Competing Objectives and Constrained Experiments: Evidence from a Job Marketplace

本文提出了一种用于个性化招聘市场政策的集成框架，该框架通过将基于集成学习的混合排序模型与处理效应外推相结合，在受限的实验条件下成功平衡了雇主与求职者之间相互竞争的目标，在保持参与度护栏的同时实现了显著的指标提升。

原作者： Yufei Wu, Zhen Yan

发布于 2026-07-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Yufei Wu, Zhen Yan

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个繁忙的数字市场，就像一个巨大的招聘板，两个截然不同的群体在这里相遇：雇主（想要招聘）和求职者（想要工作）。

该平台的目标是帮助双方，但他们的利益往往是冲突的。如果平台对免费服务过于慷慨，雇主可能会停止购买高级功能，从而损害公司的运营能力。如果平台过于严格，求职者可能会感到沮力，因为他们看不到好的职位，从而离开平台。

这篇论文的作者面临着一个棘手的难题：如何为这个市场设定规则（政策），在不破产的前提下让每个人都满意？

以下是他们解决方案的简单拆解，使用了日常类比。

1. 问题所在：并非所有情况都适用统一标准

过去，平台使用“一刀切”的规则。例如，“每个职位发布获得 3 次免费查看机会，之后必须付费。”

问题在于： 有些职位就像金矿（需求量大、易于填补），而有些职位则像是“在冬天卖冰块”（需求量低）。对它们一视同�敬是低效的。你可能会为一个没人想要的职位收费，或者为一个本来就会付费的职位白白提供免费查看机会。

2. 两大障碍

团队想要个性化这些规则（为不同的职位制定不同的规则），但他们遇到了两个主要的障碍：

障碍 A：“跷跷板”效应（跨侧外部性）
如果你过度向雇主施压要求其付费（“目标”），你可能会无意中惹恼求职者（“护栏”）。这就像一个跷跷板：如果你把一端压得太紧，另一端就会飞起来。挑战在于不同的职位反应不同。有些职位可以在不惹恼求职者的情况下实现变现；而有些则不行。你需要一种能够同时平衡这两个方面的策略。
障碍 B：“蒙眼厨师”（受限实验）
为了测试新规则，通常需要进行实验。但在一个市场中，你不能只针对一个人测试规则；你必须针对整个群体（一个“簇”）进行测试，以避免混乱。这意味着他们只能测试两种特定的设置：“严格型”和“宽松型”。
- 问题在于： 他们想要找到那个完美的中间地带（一个连续的范围），但他们只有两个极端点的实验数据。这就像一位厨师，只知道如何烹饪“烧焦”或“生食”状态下的食物，却需要在无法测试中间温度的情况下，找出完美的“五分熟”温度。

3. 解决方案：三部分工具包

作者构建了一个智能系统，利用三个主要技巧来解决这些问题：

技巧 1：“双重检查”评分卡（混合排名）

他们没有只看一个分数（例如，“这能赚多少钱？”），而是构建了一个分别观察两件事的评分卡：

赚钱潜力： 这个职位能产生多少收入？
风险因素： 这在多大程度上会惹恼求职者？

他们创建了一个混合排名系统：

顶层： 既能赚钱又不会惹恼求职者的职位。这些职位适用严格规则（付钱吧！）。
底层： 赚钱不多但对求职者风险极高的职位。这些职位适用宽松规则（保持免费以留住求职者）。
结果： 与单纯追求金钱相比，这种方法在不损失任何收入的前提下，将惹恼求职者的风险降低了超过 10%。

技巧 2：“直线式”猜测（外推法）

由于他们只能测试“严格”和“宽松”，因此需要猜测中间的情况。

类比： 想象你知道一辆车在停止标志处速度为 0 mph，在绿灯亮起时速度为 60 mph。你会假设在两个标志之间，车的速度是 30 mph。
科学原理： 他们假设政策与结果之间的关系是一条直线。他们测试了这个假设，并发现即使这条线不是完美的直线，他们的猜测仍然足够准确，可以做出良好的决策。他们不需要知道确切的速度；他们只需要知道哪些车比其他车更快。

技巧 3：“小组长”策略（集成模型）

有些雇主发布一个职位；而有些则发布数百个。如果你改变一个职位的规则，可能会影响该雇主对其其他职位的行为。

解决方法： 他们构建了一个同时观察职位和雇主的模型。这就像一位老师，知道如果给一名学生布置了一场很难的考试，可能会让整个学习小组都感到压力。他们结合了这些视角，以获得更准确的预测。

4. 结果：现实世界的成功

他们将这套系统投入到 LinkedIn 的实际应用中，服务于数百万个职位发布。

奏效了吗？ 是的。该系统成功地显著增加了收入（目标）。
违反规则了吗？ 没有。它严格控制在求职者参与度的安全限制（护栏）之内。
猜对了吗？ 是的。当他们测试那些仅通过猜测得出的“中间地带”政策时，现实世界的结果与他们的预测几乎完美吻合。

总结

这篇论文表明，即使当你蒙着眼睛（实验受限）并且在走钢丝（平衡冲突的目标）时，你仍然可以找到完美的路径。通过使用一个尊重市场双方且具备智能排名的系统，并对中间地带进行经过验证的合理猜测，他们创造了一种既能赚钱又能让用户满意的个性化政策。

技术摘要：利用竞争目标与受限实验实现市场策略的个性化定制

1. 问题陈述

本文探讨了在双边市场（特别是连接雇主与求职者的招聘平台）中实现策略个性化的挑战。其核心矛盾在于跨侧外部性（cross-side externalities）：优化一方指标（例如通过付费推广实现雇主变现）往往会损害另一方的体验（例如求职者参与度）。

作者关注的是免费价值阈值（free-value thresholds），这是一个决定在需要付费推广之前提供免费服务的范围的策略参数。由于不同职位细分领域的异质性，统一设置这些阈值是次优的。然而，标准的增量模型（uplift modeling）在这一场景下面临两个关键障碍：

多目标优化（Multi-Objective Optimization）： 策略会影响多个利益相关者群体，且这些群体的反应具有异质性。最大化雇主转化率可能会损害求职者参与度，这需要一种单目标增量模型无法捕捉的平衡机制。
受限实验（正值性违背/Positivity Violation）： 为了避免因市场竞争导致的干扰（偏差），实验必须使用集群级随机化（例如按雇主或职位细分领域进行随机化），而非个体级随机化。这限制了可用的治疗水平数量，仅为少数离散值。因此，标准的连续剂量反应方法（假设在整个治疗空间内具有稠密支撑）无法应用，从而产生了“正值性违背”。

2. 方法论

作者提出了一个集成框架，由三个组件组成，以同时解决这些挑战：

A. 基于集成的多目标混合排序（Ensemble-Based Multi-Objective Hybrid Ranking）
作者没有采用单一的目标函数或复杂的帕累托前沿导航，而是采用了一种混合排序策略：

独立建模： 他们使用 X-learner 元学习器，分别估计目标指标（雇主转化率）和护栏指标（求职者参与度）的条件平均处理效应（CATE）。
处理溢出效应： 为了解决目标是在职位细分层面进行定位、但结果是在雇主层面进行衡量的聚合挑战，他们对两种 CATE 估计值进行了集成：一种是在职位层面（针对单职位雇主），另一种是在雇主层面（所有发布内容的平均结果）。最终的估计值是基于细分构成情况的加权和。
排序逻辑： 将职位分为两半进行排序。前 50% 按目标增量（降序）进行排序。后 50% 按护栏影响（升序，优先考虑低风险）进行排序。
策略分配： 根据这些层级分配策略（例如，对高增量/低风险的细分领域采用宽松策略；对高风险细分领域采用严格策略）。
约束满足： 系统迭代地放宽低排名细分领域的策略，直到满足聚合护栏约束（ $\sum \tau_V \geq -\delta$ ）。这避免了不同团队之间对权重设定产生争议。

B. 处理效应外推（Treatment Effect Extrapolation）
由于实验仅提供两个离散的治疗水平（基准 $c_0$ 和处理 $c_1$ ），框架必须估计在未测试的策略水平下的效应。

线性外推： 作者假设存在线性剂量反应关系： $\hat{\tau}(X, c) = \hat{\tau}(X, c_1) \cdot \frac{c - c_0}{c_1 - c_0}$ 。
合理性说明： 这被视为由实验设计（两个水平）带来的识别约束，而非建模偏好。作者认为，对于实现序数排序（驱动策略分配）而非精确的基数量级估计这一特定目标而言，在线性范围内线性关系是足够的。
验证： 该方法的有效性通过离线敏感性分析和部署后验证进行了测试。

C. 生产部署架构
系统通过基于细分领域的策略查找表（lookup tables）而非实时模型推理进行部署。这确保了相似职位获得一致的处理，将延迟降低至亚秒级，并简化了审计流程。

3. 核心贡献

混合排序框架： 一种在显式约束护栏指标的同时优化目标指标的方法，且无需进行有争议的权重设定。与单目标优化相比，它在获得同等目标收益的情况下，使护栏风险降低了 10% 以上。
正值性违背下的外推： 一种将 CATE 估计从有限的离散实验水平扩展到连续策略值的原则性方法，并通过经验验证证明其在有界范围内对于序数排序决策是稳健的。
生产环境验证： 来自服务数百万职位发布的实时系统的证据，证实了外推预测与观察到的效应相符，且满足护栏约束。

4. 结果

离线验证： CATE 模型显示出极强的校准性（在十分位数水平上，目标指标相关系数为 0.95，护栏指标为 0.86）。混合排序将护栏 Qini 系数提高了 91%（从 0.11 提升至 0.21），同时保持了目标 Qini，这表明单目标优化无法捕捉参与度风险。
敏感性分析： 在替代的曲率假设（20% 的凹性或凸性）下，估计的策略影响变化仅为 8–9%，证实了策略建议对于偏离线性假设具有稳健性。
上线后表现：
- 目标提升： 观察到的提升在统计学上显著，且在离线预测的 10% 误差范围内。
- 护栏合规性： 所有参与度指标均保持在定义的安全阈值内。
- 外推准确性： 在逐步放量期间，中间策略水平的观察处理效应与线性预测高度相关（ $r=0.85$ ），验证了外推假设。

5. 意义与主张

论文声称证明了在具有严苛实验约束（集群随机化）和竞争目标（这在现实世界平台中很常见，但往往缺乏成熟解决方案）的市场环境中，实现有意义的个性化是可行的。

作者强调的关键结论包括：

序数 vs. 基数： 如果策略决策依赖于序数排序，则个性化并不需要精确的基数效应估计；这使得即使在治疗变化稀疏的情况下，线性外推也能成功。
约束优化： 多目标权衡可以通过显式的护栏约束来管理，而不是通过协商复杂的权重参数，这更符合不同团队负责不同指标的组织结构。
集成的必要性： 在定位与结果聚合发生在不同层面（例如职位细分领域 vs. 雇主）的市场中，集成方法对于正确捕捉溢出效应是必要的。

作者对线性假设的普适性保持谨慎，指出该假设在部署范围内（约占观察变化的 50%）是有效的，但在策略极端情况下可能会失效。他们指出未来的研究方向包括更丰富的实验设计（多臂留存）和在线学习（上下文多臂老虎机）以放宽这些约束。