在商业应用中,对异质处理效应的估计可以帮助回答以下问题:对谁有大或小的处理效应?处理对哪个分组产生有利或不利影响?
数据分析 36 计(23):长期转化率 A/B 实验的问题,用边际结构模型纠正后结论反转
与“理想化随机试验”相对应的 A/B 测试对比,注意到随机试验设计的观点通常过于简化。对于大规模进行的 A/B 测试,尤其是长时间进行的测试,很少能满足理想化随机试验的假设。
数据分析 36 计(22):分析师入门常见错误 “幸存者偏差”,如何用匹配和加权法规避
这里介绍因果推断中的两个方法——匹配和逆概率加权。并将其和直接回归方法的结论进行对比,看看相关和因果的结论到底会差异多少。
数据分析 36 计(18):Shopify 如何使用准实验和反事实来优化产品
在Shopify,我们相信了解因果关系是探寻业务价值最大化的关键。由于因果关系可以验证整个业务战略是否有效,因此我们旨在识别出数据现象背后真正的原因。
数据分析 36 计(12):做不了 AB 测试,如何量化评估营销、产品改版等对业务的效果
营销活动效果分析,产品改版效果评估一直是互联网产品上线后分析师需要量化评估的重要任务,通过评估产品价值并从结果中学习来不断验证产品迭代方向,使其业务走向更加清晰。
数据分析 36 计(9):倾向得分匹配法 (PSM) 量化评估效果分析
“倾向性得分” 的定义很直观,是一个用户属于实验组的 “倾向性”:$e(x)=Pr[T=1|X]=Pr[T=1]$。具有不同特征 (Corvariates) 的用户被干预 (Tre...
数据分析 36 计(8):断点回归 (RDD) 评估产品设计效果
断点回归设计可以控制观察到的混杂因素,也可以控制未观察到的混杂因素的影响。