指标归因下钻维度组合爆炸：6 维 63 种组合全量算贡献度扛不住，怎么剪枝？

【背景】 做了 15 年算法，近两年主要精力在指标体系与归因分析。负责一个 B 端 SaaS 的核心大盘，一级指标约 15 个，每个指标可下钻的维度有 6 个：产品模块、用户层级（新/老/付费）、地区、渠道、设备类型、行业。业务方要求「指标异动时自动给出 Top-N 贡献度归因」，落到数仓 ADS 层，T+1 跑批。

【现象（具体）】 6 个维度做全组合是 2^6 - 1 = 63 种非空组合（实际还要剔除「设备类型×行业」这类无意义组合）。我在 ClickHouse 上跑全量贡献度（加法分解：每个维度值对指标变动的贡献 ≈ 该值在异动期的占比差 × 异动期指标值），单次跑批 P95 耗时 40+ 分钟，业务方期望 < 10 分钟。更糟的是组合之间贡献度会重叠（同一用户同时命中「新客×付费」和「新客」），Top-N 排序里出现重复归因，业务方直接质疑数据。

【已尝试的排查与结果】

1. 改成单维度 + 两两维度（C(6,1)+C(6,2)=21 种组合），耗时降到 12 分钟，接近线，但业务方反馈「三因素交互解释不了为什么掉」；
2. 用 Shapley 值做全维度交互归因，理论上无重叠，但 6 维 Shapley 要算 2^6 次边际贡献，跑批直接超时；
3. 用「贪心逐维拆解」（每次选贡献最大的维度切一刀，递归），耗时能压到 8 分钟，但结果对维度顺序敏感，换一次维度优先级 Top-3 就变，业务方不信任。

【期望得到的答案形态】 不追求"完美归因"，希望拿到可落地的取舍：

• 维度组合的剪枝策略：哪些组合必须保留、哪些可以安全丢弃，有没有经验性的"维度重要性排序"方法；
• 贡献度重叠的处理：是接受单维度归因 + 两两交互，还是有更轻量的无重叠分解方案（如 Oaxaca 分解、Adtributor 这类），各自量级与适用边界；
• 贪心拆解的顺序敏感问题怎么消掉（固定顺序？多顺序投票？）。 最好能给出一个具体的组合数 + 跑批耗时的量级估算，以及你们团队最终选了哪个方案、为什么。