拆解、相关、实验、匹配……四种因果推断方法一次讲透！十年数据老司机拆解优劣，附真实踩坑案例，帮你选对模型、找准真因，不再被业务追问哑口无言。
很多人，都怕被问到：“到底导致问题的原因是什么！”大家都会觉得多种因素相互交织，很难分析清楚。今天介绍4种常见办法，从土办法到模型都有！
最常见的方法是：拆解法。
把一个结果指标，从多个角度拆解，找到影响它的原因。举例：昨天有4个推广渠道，一共获客100，今天只获客80，问为啥获客少了。
拆解法做法（如上图）：
总结：因为A渠道转化环节出问题，这是获客少的原因。
看起来回答得很完美，原因找到了！可这种答法经不起业务部门再问一句：那为什么A转化差了呢？
一个都回答不上来……所谓的拆解法，本质上只是通过细分，锁定了问题发生的位置。并不能找到元凶。所以常常被用来发现问题，而不是解释问题（如下图）
统计学里有相关分析的方法。而且有个看起来很复杂公式（如下图）：
这次有一个复杂的公式做支撑，应该很科学了吧？但是！这么搞，很容易搞出来统计学领域经典的“龙脉梗”
相关分析，本质上不是“分析”，而是计算。
只要两列数字保持相同/相反走势，就能算出来很高的相关系数。至于这个相关系数在现实中，到底有没有含义，就不管那么多了。
因此，相关分析可以大范围地筛选指标，过滤掉纸面上不相关的，真正的因果分析还要深入做（如下图）
从本质上看，因果推断问题难解，是因为有多重因素共同作用。因此，朴素的解题思路，就是：控制其他因素的影响，只测试我们关心的那个因素的影响。
我们可以把影响因素记作X，结果记为Y，分析目标是得出X→Y的效果如何控制影响因素呢？最好的办法就是做随机实验！随机实验被称作因果推断的黄金法则。
只要随机分组做的足够充分，就能生成两个一模一样的个体，从而剔除其他因素影响。之后，对其中一组施加我们想要的影响，另一组不施加影响。然后观察两组指标差异（如下图）
但是，实际工作中开展ABtest会很复杂，因为需要产品准备不同设计，开发做不同版本，工作量太大。
而且当测试的因素很多时，因素之间可能存在：
所以，一定要提前做好功课：
最好是提前做好分析，找到问题最大的点以后再逐一测试
综上来看，随机试验方法很好，但是需要较多前期准备，且可能涉嫌区别对待用户，不太适合在线下开展，更适合在线上开展（它区别对待了，你也难感受到）
很多场景没法上ABtest，比如线下门店，不可能同一个商品，一个客户来了收30，另一个收20，会被投诉到工商局的！此时可以用匹配法，常见的，比如：DID：找发展趋势相同的匹配，对比政策影响效果PSM：先算评分模型，找评分接近的匹配，对比效果RDD：以某个特殊时间点（比如18岁成人礼），做前后时间对比
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。