真实推荐系统很少只优化点击率，还要兼顾时长、转化、留存、多样性等目标。多目标融合就是把多个预估分数合成一个排序分，常见做法是线性加权，权重由业务目标决定。
线性加权的缺点是量纲和量级不一致，点击率在零点几，转化率可能在小数点后几位，直接相加会被大数值主导。通常先做归一化或取对数，再按业务重要性设权重。
更精细的做法是乘性融合，比如点击率乘以转化率得到期望转化，符合概率链式关系。也可以用学习法训练一个融合模型，以最终业务指标为标签，让模型自己学权重。
多目标之间往往冲突，比如提高点击率可能拉低时长。要设置护栏和约束，在保证体验底线的前提下优化主目标。融合权重应可配置、可实验，方便快速调整。
融合策略要结合场景分层，新用户、老用户、不同入口的目标权重可以不同。上线后用 A/B 实验验证整体收益，避免局部指标好看但全局受损。
