策略引导双流程用户模拟美团商家业务诊断

模拟群组级别的用户行为可以对商家策略进行可扩展的反事实评估，而无需进行昂贵的在线实验。然而，构建一个值得信赖的模拟器面临两个结构性挑战。首先，当离线环境和隐性习惯等未观察到的因素缺失时，信息不完整会导致基于推理的模拟器过度理性化。其次，机制二元性需要捕获可解释的偏好和隐含的统计规律，这是任何单一范式都无法单独实现的。我们提出了策略引导混合模拟（PGHS），这是一种双进程框架，可以从行为轨迹中挖掘可转移的决策策略并将其用作共享对齐层。该层锚定了一个基于 LLM 的推理分支，可防止过度合理化，以及一个基于 ML 的拟合分支，可吸收隐式规律。来自两个分支的组级预测被融合以进行互补校正。我们在美团上部署了 PGHS，有 101 个商家和超过 26,000 个轨迹。 PGHS 的组模拟误差为 8.80%，比基于最佳推理和基于拟合的基线分别提高了 45.8% 和 40.9%。