价格变动建模—异质效应估计—毛利护栏决策法

工具成熟且流程可代码化，但因果识别、变量选择和平台价格合规需要分析人员与法务复核，暂不适合无人监督执行。

可Agent化数据体检、特征生成、重叠性检查、模型运行和报告生成；因果图确认、不可观测混杂判断、价格发布必须设置强制人工审批。

EconML提供双重机器学习、因果森林等异质处理效应估计器及示例，可把价格或优惠视为处理变量并估计不同样本的条件平均处理效应。可迁移到淘宝、拼多多的部分是处理变量定义、协变量控制、重叠性检查、效应区间估计和异质性分群；模型不能替代随机实验，也不能自动证明因果识别假设成立。

输出格式：价格处理效应报告、分群效应表、置信区间、稳健性检查结果和待验证调价候选

执行示例：对拼多多某日用品近120天的优惠券曝光进行建模，控制活动、广告和星期效应后发现新客小额券的转化效应为正，但在高广告成本流量中贡献毛利区间跨零，因此只建议对自然流量新客开展受控复验。