第1章因果推断导论

一、因果推断导论：什么是因果推断，为什么做用户增长需要因果推断

几年前，我在一家互联网公司做用户增长。那时候团队每天盯着各种数据看板，忙得不可开交。有一次，我们给用户发了一波优惠券，发现领券用户的次日留存率提升了15%。

大家都很兴奋，觉得找到了增长密码。但我总觉得哪里不对劲。

后来我仔细一查，发现领券的用户本身活跃度就高。说白了，是活跃用户更愿意领券，而不是券让用户变活跃了。这个坑，我踩过不止一次。

从那以后，我开始认真研究因果推断。嗯，这玩意儿确实能救命。

因果推断，简单说就是回答「如果…会怎样」的问题。

举个例子：

这些问题，你没法直接观察到「反事实」——也就是那个没发生的世界。因果推断就是帮我们估算这个反事实的。

核心定义：因果推断是利用观测数据或实验数据，推断变量之间因果关系的一套方法论。它回答的是「干预会带来什么变化」，而不是「两个东西是不是一起变化」。

这是整个课程最基础、也最容易翻车的地方。我见过太多人在这上面栽跟头。

你想想看，如果只看相关关系做决策，会出什么问题？

我曾经接手一个项目，数据显示「用户浏览商品详情页的次数」和「下单转化率」强相关。团队想都没想，就决定让用户多看详情页。结果呢？转化率没涨，用户反而觉得烦，流失了。

为什么会这样？因为真正的原因是：想买的用户自然会多看详情页。而不是多看详情页让用户想买。方向搞反了。

做用户增长，本质上就是在做干预。你干预产品、干预渠道、干预策略，希望用户行为发生改变。

但问题来了：你怎么知道这个改变是你带来的？

我列几个常见场景：

没有因果推断，你做的增长就是「蒙着眼睛开车」。数据好看，但不知道是不是自己干的。

我的建议：在用户增长中，至少要把「相关性」和「因果性」分开。每次看到数据涨了，先问自己一句：这个涨，真的是我造成的吗？

因果推断不是玄学，它有严谨的数学框架。下面这张图是我自己总结的，每次做项目前都会看一眼。

这个框架我用了好几年。每次做增长项目，我都会先回到第一步：我到底想问什么因果问题？

讲个我自己的经历吧。

有一年我们做用户召回，给流失用户发短信。数据显示：收到短信的用户，回来比例是没收到短信用户的2倍。团队觉得效果很好，准备大规模推广。

我多问了一句：这两组用户是怎么分的？

结果发现，收到短信的用户是「最近有过登录但没下单」的，没收到的是「很久没登录」的。这两类用户本身活跃度就不一样，跟短信没关系。

后来我们重新做了随机实验，发现短信的实际效果只有之前估算的30%。

注意：没有随机化，就别轻易说因果。这是因果推断的第一条铁律。我见过太多项目因为忽略这一点，把钱砸在了没效果的地方。

这一章我们聊了三个核心点：

后面的章节，我会带你一步步掌握因果推断的具体方法。从A/B测试到双重差分，从工具变量到断点回归，每个方法我都会结合真实项目来讲。