本文介绍了一种新的在线广告营销组合模型（MMM），可以预测品牌店的总成交量（GMV），并帮助决策者调整广告渠道的预算分配。该模型集成了Granger因果性和变分推断框架，可以自动发现可解释的因果结构，并产生更准确的GMV预测。实验结果表明，该模型在因果结构学习和GMV预测方面有显著改进。

我们提出了一种新颖的方法，利用神经关系推断来学习关系图，以从观测数据中推断事件相互作用，并同时学习动态模式。我们的方法在变分推断框架下对事件相互作用进行推理，并利用基于强度的学习来搜索原型路径以对比关系约束。在三个真实世界数据集上的大量实验证明了我们的模型在事件序列建模任务中捕捉事件相互作用的有效性。