夏天一到,冰淇淋销量往上冲,溺水事故的新闻也跟着变多。两条曲线几乎同步上扬。要是有人据此断言“吃冰淇淋会让人溺水”,你大概会觉得这人思路有问题。可同样荒唐的推理,每天都在数据报表、后台看板和商业复盘里悄悄上演,只不过换了种说法。因果推断,就是专门用来拆穿这类假象的一套工具。
一起变化,不等于一个导致了另一个
相关性说的是“这两件事同时变动”,因果说的是“我改变了这个,那个才跟着变”。冰淇淋和溺水背后其实躲着第三个角色:气温。天热了,买冰淇淋的人多;天热了,下水游泳的人也多。气温一升高,两条曲线自然一起抬头,彼此却毫不相干。这类躲在幕后的变量,业内叫混杂因素。
判断因果,最朴素的一问是:“如果当初没做这件事,结果会不会不一样?”问题是,这个“如果”永远看不到,你只能经历一种结果。因果推断做的就是想办法把那个看不到的版本“模拟”出来。
机器算得准,为什么说不清“为什么”
现在的推荐系统和预测模型,找规律的本身很强:给足数据,它能告诉你明天谁最可能下单。但它学到的是关联,不是原因。某类视频完播率高,可能真是内容好看,也可能只是爱看这类内容的人本来就扎堆。模型不区分这两者,它只认数字。于是运营照着“高完播率题材”猛推,效果却不理想,因为它学到的是结果,没有学到原因。
还有一种更让人费解的情况:把所有人混在一起算,A 方案赢;按人群拆开看,每一组都是 B 方案赢。这叫辛普森悖论,本质是不同人群的比例在影响结果。不看因果结构,光盯着汇总数字,结论可能完全反过来。
分成两组做对比:随机实验为什么最可靠
最可靠的办法其实很朴素:抛硬币。把用户随机分成两组,一组看旧版本,一组看新版本,其他条件尽量保持一致,然后比结果。这就是常说的 A/B 测试。它之所以可信,是因为随机分组把已知的和未知的混杂因素都大致平衡了,就像煮两锅汤,除了盐,别的都一样,尝出差别才好说差别是盐造成的。
但现实里不是什么都测得了。改动成本高、用户会抱怨、有些事压根没法随机分配。于是研究者转向观察性数据,用各种“事后补足”的手段:双重差分看两组人在变化前后的差距之差;倾向得分匹配给处理组找一群条件相近的“替身”作对照;断点回归则借助某条人为分界线两侧的微小差异,比如分数刚过线和刚没过线的人。名字听着复杂,核心都是同一件事:尽力还原一场没做成的实验。
它其实一直在你身边发生
- 电商大促:优惠券带来的销量上涨,多少是真的被优惠券打动的,多少是本来就要买、顺手省了一笔的
- 产品改版:新界面点击率上升,是设计有效,还是恰好遇上节假日流量
- 内容平台:某个题材火了,是推荐推出来的,还是用户本来就爱看
- 游戏运营:版本更新后留存回暖,该归功于新玩法,还是同期那一波投放
这些问题的答案,直接决定预算往哪儿投、功能要不要留。判断错了,钱和人力也会跟着错配。
短板也不回避
因果推断不是万能的。它通常需要人先画一张因果图,说清谁影响谁、谁被谁影响;图里漏掉一个关键变量,后面全歪。实验本身有成本,也可能影响用户体验。更关键的是外部效度:今天在这批用户、这个季节成立的结论,换个场景未必还站得住。还有人一看到因果图就以为找到了真相,其实那只是当前认知下最合理的一张草图。
所以它更像一副眼镜,而不是一台答案机。戴上它,你会开始对“两个数字一起涨”保持警惕,会追问一句:是不是有什么东西,同时推动了它们?
