推荐和广告场景往往同时关心点击、转化、停留、复访等多个目标。只优化点击容易推标题党，点击高但转化差；只优化转化则可能曝光不足，样本稀疏，模型难以训练。
常见做法是多目标模型共享底层特征，各任务输出独立预估，再通过加权公式融合成最终排序分。权重反映业务偏好，可通过线上实验调整，但手工调权费时且难覆盖所有场景。
另一种思路是把融合权重也交给模型学习，用业务约束或点击转化联合目标训练。也有方法把转化预估作为点击预估的条件概率，建模为点击乘以点击后转化，结构上更贴合行为链路。
样本稀疏是转化目标的难点。可以用全空间建模、迁移学习或辅助任务来缓解，把点击数据中的信息迁移到转化任务。负样本定义也要谨慎，曝光未点击和点击未转化含义不同。
评估时不能只看单一目标。应同时观察点击率、转化率、客单价和用户体验指标，警惕此消彼长被平均值掩盖。分人群、分类目看平衡效果，比整体指标更有指导意义。
