因果關系推斷，可以說是數據分析領域最難的問題之一，爭吵很多年也沒有定論。經常同學們被問到：“到底這個問題的原因是什么！”大家都會覺得分析起來很撓頭，今天我們系統(tǒng)講解下。

一、常見方法1：拆解法

最常見的用來求因果關系的方法，是拆解法。把一個結果指標，從多個角度拆解，找到影響它的原因。舉例：昨天有4個推廣渠道，一共獲客100，今天只獲客80，問為啥獲客少了。

圖片

拆解法做法（如上圖）：

1、把總獲客數，按四個渠道拆解，發(fā)現A渠道獲客最少。得到結論1：因為A渠道少了，所以總獲客少了。

2、把A渠道的獲客，按獲客流程拆解，拆解為展示頁-落地頁-轉化三步，發(fā)現是轉化環(huán)節(jié)少了，得到結論：因為A渠道的轉化環(huán)節(jié)出了問題，所以總獲客少了。

3、小結：因為A渠道轉化環(huán)節(jié)出問題，這是獲客少的原因。

看起來回答得很完美，原因找到了！

可這種答法經不起業(yè)務部門再問一句：那為什么A轉化差了呢？

• 我也沒改文案呀？
• 投放經費也沒少呀？
• 前后只差1天，為啥差異這么大？
• 為啥只有A變差了，其他又不變呢？

一個都回答不上來……

所謂的拆解法，本質上只是通過細分，鎖定了問題發(fā)生的位置。并不能找到元兇。所以常常被用來發(fā)現問題，而不是解釋問題（如下圖）。

圖片

二、常見方法2：相關系數法

統(tǒng)計學里有相關分析的方法。而且有個看起來很復雜公式（如下圖）：

圖片

很多同學一看就來勁了！于是把兩個指標帶進去算相關系數，而且還到處Chat GPT一下：

● 相關系數0.99算不算大

● 相關系數0.9算不算大

● 相關系數0.8算不算大

● 相關系數0.7算不算大

● 反正相關系數足夠大，就算是相關了！

這次有一個復雜的公式做支撐，應該很科學了吧？

這么搞，很容易搞出來統(tǒng)計學領域經典的“龍脈梗”

1、中國GDP年年漲

2、我家門前的樹年年漲

3、把兩個數據帶進去，算出相關系數0.99

4、所以我家門前的樹是中國的龍脈！

相關分析、回歸分析、聚類分析，本質上不是“分析”，而是計算。通過計算，得出兩列數字或者幾列數字之間的關系。至于這個關系到底有沒有含義，計算公式本身就不負責解釋了。因此套到現實中經常搞出來各種奇葩結果。

所有的統(tǒng)計學方法都有類似的問題，只能解釋數據本身的關系，解釋不了現實中的關系。更本質地看：是否所有業(yè)務行為，外部因素都能量化？完全不是。比如消費者對品牌的信任，比如產品體驗好壞，比如文案感受，是很難量化到一個穩(wěn)定、可靠的指標的。因此，用統(tǒng)計學方法，可以大范圍地篩選過濾指標，但是很難推理出真實因果。

圖片

三、常見方法3：趨勢分析法

既然復雜的方法不好用，有沒有簡單的辦法？有！比如基于最樸素的感覺：既然A會引發(fā)B，那么A產生了B就該產生，A結束了，B會慢慢結束（或者B死掉）。人們就此總結出了因果推斷四大原則。

四大原則：

1、原因發(fā)生在結果以前

2、原因發(fā)生以后，結果發(fā)生

3、原因持續(xù)期間，結果持續(xù)

4、原因消失以后，結果消失

這樣的推斷，符合人們的直觀邏輯。更重要的是需要的數據少！只要一個指標走勢就能看圖說話了。所以非常好用。

圖片

BUT，這么干有個很大的問題，就是無法剔除雜糅因素，只能觀察到影響最大的那個因素。更無法看到隱藏在背后的深層因素。比如觀察外因的時候，只能觀察到天氣、限行這種明顯的因素；觀察內因的時候，只能觀察到降價這種因素。其他小因素根本觀察不到。

因此，這種方法常常用來做排除法，剔除不合理的借口。比如：“你說天氣不好業(yè)績就不好，那為啥人家天氣差照樣有業(yè)績！”至于到底推動業(yè)績的因素是啥？不知道，還得用其他方法分析。

圖片

四、常見方法4：控制變量法

想剔除雜糅因素，最好的辦法就是分組測試，把樣本塞到密封箱子里，然后一組組地測試效果。比如我想測用戶對不同文案響應率，理論上，我應該用同樣的商品、價格、轉化位置，選同一批人，同一個渠道，然后可以開測了：

圖片

但是測試手段也有問題：

1、很難找到一模一樣的兩組人，完全剔除雜糅因素。

2、很難窮盡目標用戶類型，因此測來測去可能都是同一類人的意見。

3、測試環(huán)境很難完全封閉，特別是要測試的是大促銷、新品這種熱門話題。4、很難在合法合規(guī)的情況下，完全搞差異化方案，涉嫌價格歧視與欺騙消費者，《反壟斷法》和工商局都不是吃干飯的。

5、消費者永遠是趨利的，他們會自己想辦法突破測試屏蔽，最后選優(yōu)惠最大的方案。

導致的結果，就是這種測試，適合即時反饋的+封閉信息渠道+個性化推送的場景。是滴，就是類似打車軟件、短視頻軟件的場景。稍微反饋速度慢一點，比如電商平臺搞大數據殺熟，很容易在消費者換幾個手機號登陸比價的時候被發(fā)現。最后還是哪個便宜買哪個……

圖片

五、為什么常見方法不管用

綜上，我們會發(fā)現，在因果推斷領域，幾乎沒有一種方法完全可靠，包括很多經典的統(tǒng)計學方法和科學實驗方法。為什么會這樣？

因為本質上，企業(yè)經營是個社會科學問題，不是自然科學問題。自然科學領域，是有一些物理、化學、數學等基礎原理支撐的，這些原理是穩(wěn)定、科學、可量化的，因此可以通過數據統(tǒng)計+科學實驗，慢慢地發(fā)現背后的自然規(guī)律。社會科學問題完全不是這樣！社會科學問題本身就是多因素共同影響，容易被人操控改變，感性且沖動的。因此在社會科學領域，很難直接套用自然科學的方法解決問題。

再加上，企業(yè)里上班的人，都是有立場、有態(tài)度、有企圖的。當他們張嘴問：“這個問題到底是因為什么產生的？”或者問“這個功勞到底是因為什么出來的？”的時候，他們的潛意識里裝的就是：功勞是我的，多少得蹭一點，鍋都是別人的，硬甩也得甩出去。因此即使有靠譜的方法，大家也不見得就愿意用，即使有結論，大家也會找其他理由搪塞。