本文档旨在指导用户如何基于阿里云 PAI-Rec 推荐引擎的日志数据，结合前端用户行为日志，进行完整的日志分析，包括召回链路的曝光/点击占比、独占率等关键指标计算。
一、准备工作
1.1 后端日志配置（PAI-Rec）
请先按照官方文档完成引擎后端日志配置：日志配置。建议把日志先写入DataHub的Topic中，然后把Topic数据同步到MaxCompute。
配置完成后，您将获得结构化的后端日志，字段如下：
字段名 | 说明 |
| 一次推荐请求的唯一标识 |
| 用户设备信息（可选） |
| 场景 ID（注意原文为 |
| 请求时间戳 |
| 实验 ID（用于 A/B 测试） |
| 推荐结果列表，格式为字符串，包含多个 item 的 score 和特征。示例：savana_in_1707952:0.004196:{"savana_in_ctr_v1_probs_is_click":0.0394,"savana_in_cvr_v1_probs_is_pay":0.00064} |
| 召回链路名称（如 etrec_i2i） |
| 用户 ID |
... |
1.2 前端用户行为日志（离线表）
准备一张用户行为日志表（通常来自埋点或客户端上报），结构如下：
字段名 | 说明 |
| 用户 ID |
| 物品 ID |
| 行为类型（如 |
| 行为发生时间 |
| 关联的推荐请求 ID |
| 实验 ID（与后端日志对齐） |
二、日志关联
我们将通过 request_id + item_id 将后端推荐日志与前端行为日志关联，从而分析各召回链路的效果。
三、核心指标计算
3.1 各召回链路的曝光/点击占比
说明：该指标反映各召回链路对整体曝光和点击的贡献比例。由于多路召回中一个 item 可能被多个链路返回，因此各链路的曝光占比之和可能超过 100%。
-- 计算每个召回链路的曝光量、点击量及全局占比WITH recall_stats AS ( SELECT recall_name, SUM(is_expose) AS expose_cnt, SUM(is_click) AS click_cnt
FROM merged_data -- 上一步关联后的结果 GROUP BY recall_name
),total_stats AS ( SELECT SUM(expose_cnt) AS total_expose, SUM(click_cnt) AS total_click
FROM recall_stats
)SELECT r.recall_name, r.expose_cnt, r.click_cnt, ROUND(r.expose_cnt * 100.0 / t.total_expose, 2) AS expose_ratio_pct, ROUND(r.click_cnt * 100.0 / t.total_click, 2) AS click_ratio_pct
FROM recall_stats r
CROSS JOIN total_stats t
ORDER BY r.expose_cnt DESC;3.2 曝光/点击的独占率（Exclusive Rate）
定义：用于衡量召回链路的独特性价值——是否带来了其他链路无法覆盖的优质内容。
-- Step 1: 统计每个 (req, item) 的召回链路数量WITH item_recall_count AS ( SELECT request_id, item_id, COUNT(DISTINCT recall_name) AS recall_count
FROM rec_with_recall
GROUP BY request_id, item_id
),-- Step 2: 关联行为 + 独占标记merged_with_exclusive AS ( SELECT r.recall_name, r.request_id, r.item_id, b.is_expose, b.is_click, CASE WHEN c.recall_count = 1 THEN 1 ELSE 0 END AS is_exclusive
FROM rec_with_recall r
JOIN behavior_with_type b
ON r.request_id = b.request_id AND r.item_id = b.item_id
JOIN item_recall_count c
ON r.request_id = c.request_id AND r.item_id = c.item_id
)-- Step 3: 计算独占率SELECT recall_name, -- 曝光独占率 SUM(CASE WHEN is_expose = 1 AND is_exclusive = 1 THEN 1 ELSE 0 END) AS exclusive_expose, SUM(is_expose) AS total_expose, ROUND( SUM(CASE WHEN is_expose = 1 AND is_exclusive = 1 THEN 1 ELSE 0 END) * 100.0 / NULLIF(SUM(is_expose), 0), 2 ) AS expose_exclusive_rate_pct, -- 点击独占率 SUM(CASE WHEN is_click = 1 AND is_exclusive = 1 THEN 1 ELSE 0 END) AS exclusive_click, SUM(is_click) AS total_click, ROUND( SUM(CASE WHEN is_click = 1 AND is_exclusive = 1 THEN 1 ELSE 0 END) * 100.0 / NULLIF(SUM(is_click), 0), 2 ) AS click_exclusive_rate_pct
FROM merged_with_exclusive
GROUP BY recall_name
ORDER BY total_expose DESC;3.3 各召回链路的点击率（CTR）
说明：点击率（Click-Through Rate, CTR）是衡量召回链路推荐质量的核心指标，计算公式为：
CTR = 点击次数 / 曝光次数高 CTR 表示该召回链路返回的 item 更受用户欢迎，即使其曝光占比不高，也可能具有高价值。
-- 计算每个召回链路的点击率（CTR）SELECT recall_name, SUM(is_expose) AS expose_cnt, SUM(is_click) AS click_cnt, ROUND( SUM(is_click) * 100.0 / NULLIF(SUM(is_expose), 0), 2 ) AS ctr_pct -- 单位：%FROM merged_data
GROUP BY recall_name
ORDER BY ctr_pct DESC;四、常见问题与优化建议
在召回链路分析过程中，常遇到指标解读偏差、数据对不齐、结论难落地等问题。以下结合 影响力（曝光/点击占比）、独特性（独占率）、质量（CTR） 三大维度，提供实用建议。
4.1 如何综合评估一个召回链路的价值？
不要仅看单一指标！推荐使用 “三维度交叉分析法”：
召回链路特征 | 建议策略 | 说明 |
高 CTR + 高曝光占比 + 高独占率 | 重点保留并加强 | 质量高、覆盖广、内容独特，是核心优质链路（如个性化深度模型） |
高 CTR + 低曝光占比 + 高独占率 | 提升权重或扩大覆盖 | 能带来独特且高质量 item，但当前融合排序中被压制，建议提高打分或增加返回数量 |
高 CTR + 低曝光占比 + 低独占率 | 检查是否冗余 | 虽然质量好，但内容已被其他链路覆盖，可考虑合并或简化 |
低 CTR + 高曝光占比 + 低独占率 | 降权或下线 | 占用大量流量但效果差，且无独特价值（如过时的热门召回） |
低 CTR + 低曝光占比 + 高独占率 | 深入归因分析 | 可能是长尾/冷门内容，需判断是“低质”还是“用户兴趣未匹配”。可结合 CVR、停留时长等进一步验证 |
实操 tip：在 A/B 实验中，可对某类召回链路做 开关实验 或 权重调整实验，观察整体 CTR、人均点击数等大盘指标变化。
4.2 常见问题排查
Q1：为什么总曝光占比之和 > 100%？
原因：多路召回中，同一个 item 可能被多个链路同时召回（如
item_1001同时出现在savana_in和u2i中）。是否正常？ 正常！这正是多路召回的特点。
注意：计算 CTR 时仍按“该链路产生的曝光”计算，不受影响。
Q2：点击率为 NULL 或 0？
可能原因：
该召回链路无任何点击行为；
行为日志延迟，点击事件尚未上报；
request_id或item_id关联失败（检查字段类型、分区、时间窗口）。
建议：先验证
merged_data表中是否存在有效点击记录。
Q3：独占率很高但 CTR 很低？
可能是该链路专注于长尾/冷启动 item（如新商品、小众内容）。
建议：不要直接下线！可结合 转化率（CVR）、用户停留时长、多样性指标 综合判断其长期价值。