4大方法，因果关系分析的总结，都在这了

小提示：您能找到这篇{4大方法，因果关系分析的总结，都在这了}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的4大方法，因果关系分析的总结，都在这了内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导语：因果关系是一个事件（即“因”）和第二个事件（即“果”）之间的关系，其中后一事件被认为是前一事件的结果。一般来说，因果还可以指一系列因素（因）和一个现象（果）之间的关系。对某个结果产生影响的任何事件都是该结果的一个因素。本文作者详细介绍了数据分析方法中的因果关系推断，我们一起来看一下。

因果关系推断，可以说是数据分析领域最难的问题之一，争吵很多年也没有定论。经常同学们被问到：“到底这个问题的原因是什么！”都会觉得分析起来很挠头，今天我们系统讲解下。

常见方法1：拆解法

最常见的用来求因果关系的方法，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）：

1. 把总获客数，按四个渠道拆解，发现A渠道获客最少。得到结论1：因为A渠道少了，所以总获客少了。
2. 把A渠道的获客，按获客流程拆解，拆解为展示页-落地页-转化三步，发现是转化环节少了，得到结论：因为A渠道的转化环节出了问题，所以总获客少了。
3. 小结：因为A渠道转化环节出问题，这是获客少的原因。

看起来回答的很完美，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？

• 我也没改文案呀？
• 投放经费也没少呀？
• 前后只差1天，为啥差异这么大？
• 为啥只有A变差了，其他又不变呢？

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）。

常见方法2：相关系数法

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）

很多同学一看就来劲了！于是把两个指标带进去算相关系数，而且还到处百度

• 相关系数0.99算不算大
• 相关系数0.9算不算大
• 相关系数0.8算不算大
• 相关系数0.7算不算大
• 反正相关系数足够大，就算是相关了！

这次有一个复杂的公式做支撑，应该很科学了吧

这么搞，很容易搞出来统计学领域经典的“龙脉梗”

1. 中国GDP年年涨
2. 我家门前的树年年涨
3. 把两个数据带进去，算出相关系数0.99
4. 所以我家门前的树是中国的龙脉！

相关分析、回归分析、聚类分析，本质上不是“分析”，而是计算。通过计算，得出两列数字或者几列数字之间的关系。至于这个关系到底有没有含义，计算公式本身就不负责解释了。因此套到现实中经常搞出来各种奇葩结果。

所有的统计学方法都有类似的问题，只能解释数据本身的关系，解释不了现实中的关系。更本质地看：是否所有业务行为，外部因素都能量化？完全不是。比如消费者对品牌的信任，比如产品体验好坏，比如文案感受，是很难量化到一个稳定、可靠的指标的。因此，用统计学方法，可以大范围地筛选过滤指标，但是很难推理出真实因果。

常见方法3：趋势分析法

既然复杂的方法不好用，有没有简单的办法？有！比如基于最朴素的感觉：既然A会引发B，那么A产生了B就防止形成舆情该产生，A结束了，B会慢慢结束（或者B死掉）。人们就此总结出了因果推断四大原则：

1. 原因发生在结果以前
2. 原因发生以后，结果发生
3. 原因持续期间，结果持续
4. 原因消失以后，结果消失

这样的推断，符合人们的直观逻辑。更重要的是需要的数据少！只要一个指标走势就能看图说话了。所以非常好用。

BUT，这么干有个很大的问题，就是无法剔除杂糅因素，只能观察到影响最大的那个因素。更无法看到隐藏在背后的深层因素。比如观察外因的时候，只能观察到天气、限行这种明显的因素；观察内因的时候，只能观察到降价这种因素。其他小因素根本观察不到。

因此，这种方法常常用来做排除法，剔除不合理的借口。比如：“你说天气不好业绩就不好，那为啥人家天气差照样有业绩！”至于到底推动业绩的因素是啥？不知道，还得用其他方法分析。

常见方法4：控制变量法

想剔除杂糅因素，最好的办法就是分组测试，把样本塞到密封箱子里，然后一组组地测试效果。比如我想测用户对不同文案响应率，理论上，我应该用同样的商品、价格、转化位置，选同一批人，同一个渠道，然后可以开测了：

但是测试手段也有问题：

1. 很难找到一模一样的两组人，完全剔除杂糅因素。
2. 很难穷尽目标用户类型，因此测来测去可能都是同一类人的意见。
3. 测试环境很难完全封闭，特别是要测试的是大促销、新品这种热门话题。
4. 很难在合法合规的情况下，完全搞差异化方案，涉嫌价格歧视与欺骗消费者，《反垄断法》和工商局都不是吃干饭的。
5. 消费者永远是趋利的，他们会自己想办法突破测试屏蔽，最后选优惠最大的方案。

导致的结果，就是这种测试，适合即时反馈的+封闭信息渠道+个性化推送的场景。是滴，就是类似打车软件、短视频软件的场景。稍微反馈速度慢一点，比如电商平台搞大数据杀熟，很容易在消费者换几个手机号登陆比价的时候被发现。最后还是哪个便宜买哪个……

为什么常见方法不管用

综上，我们会发现，在因果推断领域，几乎没有一种方法完全可靠，包括很多经典组建抖音视频团队工作计划的统计学方法和科学实验方法。为什么会这样？

再加上，企业里上班的人，都是有立场、有态度、有企图的。当他们张嘴问：“这个问题到底是因为什么产生的？”或者问“这个功劳到底是因为什么出来的？”的时候，他们的潜意识里装的就是：功劳是我的，多少得蹭一点，锅都是别人的，硬甩也得甩出去。因此即使有靠谱的方法，大家也不见得就愿意用，即使有结论，大家也会找其他理由搪塞。

所以面对因果推断的时候，要认真区分问题场景。如果涉及：设计、生产、研发等客观性高一些的部门，可以用各种科学方法认真推断。如果涉及：营销、运营、产品、销售这些主观性高的部门，可以参考我之前文章里教的方法，慢慢讨论。总之，结合商业场景，具体问题具体分析，才是解决问题之道。

#专栏作家#

接地气的陈老师，微信公众号：接地气学堂，专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

，基于CC0协议。