1.一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，包括：数据采集层、身份解析层、决策旅程图分析引擎、跨模态联合嵌入与因果推断引擎以及决策支持与自适应优化层；其中：数据采集层包括网站采集SDK、移动应用采集SDK、线下终端采集单元、第三方系统接入网关、事件标准化与时间对齐单元以及去标识化与合规处理单元；用于按照统一事件模型采集网页浏览、移动端应用操作、线下交易、社交互动与调查问卷数据，对每条事件附加时间戳、渠道标签与设备标识，并执行哈希、加密或脱敏处理以及去重与质量校验，生成标准化事件流并输出至身份解析层；

身份解析层包括本地特征提取单元、差分隐私加噪单元、联邦度量学习模型训练单元和嵌入聚类单元，各数据提供方在本地提取用户标识特征并加入噪声，利用联邦学习训练改进马氏距离度量模型，通过对比学习将同一用户在不同渠道的特征映射到统一向量空间并进行聚类，生成统一虚拟ID；

决策旅程图分析引擎包括异构图构建单元、图注意力神经网络训练单元和摩擦指数计算单元，用于根据统一虚拟ID将用户行为事件构建为异构有向图，训练图注意力神经网络获得节点嵌入和边权重，计算节点的结构摩擦指数，并根据摩擦指数识别转化障碍节点；

摩擦指数计算单元采用如下公式计算摩擦指数

，

其中j为被评估的节点索引，E为图的有向边集合， 为入边， 为出边， 和分别为节点p到节点j的注意力权重和节点j到节点q的注意力权重， ，为节点p和节点q的转化潜力系数， 为节点j的度；当 超过预设阈值θ时，判定节点j为转化阻碍节点；

跨模态联合嵌入与因果推断引擎包括自编码器单元、因果推断单元和综合价值计算单元，所述自编码器单元将用户行为嵌入和态度文本嵌入联合学习得到隐变量，并通过跨重构损失捕捉显性与隐性数据关联；所述因果推断单元采用因果森林模型计算态度因素对购买行为的因果效应；所述综合价值计算单元根据综合价值函数公式输出用户价值评分；

综合价值函数公式如下

，

其中i为用户索引， 为用户级行为嵌入，为用户级态度文本嵌入， 和 为 ，的非线性打分函数， 为因果推断单元估计的用户i的个体因果效应， 为用户i所经历路径中的摩擦指数，，，，为权重系数且 ， 为Sigmoid函数；

决策支持与自适应优化层用于根据节点的摩擦指数和用户价值评分自动生成营销干预措施，执行A/B测试并将反馈结果用于更新身份解析模型、图注意力神经网络模型和价值函数参数，实现自适应优化。

2.根据权利要求1所述的一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，所述差分隐私加噪单元对各特征维度添加拉普拉斯噪声 ，其中Δ为敏感度， 为隐私预算，保证单个用户的贡献难以被识别。

3.根据权利要求1所述的一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，所述联邦度量学习模型训练单元采用对比损失函数，其中Pos为正样本集合，即同

一用户在不同渠道生成的记录对，Neg为负样本集合，即不同用户的记录对，和 为用户i、k在各渠道提取的多维特征向量， 为间隔阈值，通过在聚合服务器聚合加噪梯度更新正定权重矩阵 和尺度系数。

4.根据权利要求1所述的一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，所述图注意力神经网络训练单元采用注意力权重计算公式，

并通过自监督任务预测下一事件类型和转化概率以训练节点嵌入和边权重，其中p和q为图中事件节点索引， 为节点p到节点q的注意力权重， 为节点q的邻居集合， 、和 分别为节点p、q和r的嵌入向量， 为可学习的线性变换矩阵，为可学习的注意力向量， 为带泄露系数的线性整流函数。

5.根据权利要求1所述的一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，所述自编码器单元包括两个编码器和两个解码器，通过重构损失和跨重构损失同时优化行为嵌入和态度嵌入的表示；所述因果森林模型通过双重机器学习估计态度因素的平均因果效应。

6.根据权利要求1所述的一种全渠道消费者行为追踪与市场调查一体化平台，其特征在于，所述决策支持与自适应优化层执行以下步骤：根据节点摩擦指数和用户价值评分确定干预节点及干预方式；通过在线A/B测试收集干预效果，更新潜力系数、注意力权重和综合价值函数权重；在新数据到达时动态更新身份解析模型、图注意力神经网络模型、自编码器和因果森林模型，实现平台的自适应优化。