一图讲清因果推断方法论，无法 AB 测试时分析的万能钥匙

1. 背景

2. 效果量化评估方法

3. 因果推断方法和适用场景

下图汇总了目前解决各个分析场景的方法论框架：

这里介绍几种方法的适用场景，双重差分分析方法，推断在进行干预前后实验组与对照组之间的结果差异。方法的典型用例是在特定城市推广营销活动或新产品功能。比较推广城市和未推广城市在同一时间段上的结果差距，那么这个差距值即为该事件的真实效果。

另一种非常典型的因果推断方法，称为断点回归方法，该方法将一连续值进行分段，查看在断点处是否有结果变量上的差异。例如研究定价的不同水平如何影响用户购买决策。

倾向得分匹配法，产品经理在会上展示新加了某功能后的用户复购数据。其中使用新功能的用户群复购率比未使用的用户群高20%。于是认为该功能提高了用户复购率，想在产品上全面推广该功能。作为数据分析师如何去评估分析该效果？数据主要包括三方面：用户的特征变量、是否使用功能，是否发生复购。按照1:1的匹配比例，最终匹配上1116对用户数据。其中处理组中的用户复购率为24%，对照组为13%，两组的差距显著。因此从数据角度证明该功能确实能提高复购率。但是归因为功能提高的复购率应该为11%，而不是20%。

再比如合成控制法和贝叶斯结构时间序列方法，原理在于干预事件发生前后结果变量时间序列数据是否有显著变化，这种方法称为中断时间序列设计。这种方法通常用在产品复盘时指标分析。

数据运营36计(二)：如何用合成控制法判断策略实施效果