因果推断在电商运营中的归因实践
📚 共计 30 章节
01
因果推断入门
为什么电商运营需要因果推断？从相关关系到因果关系的跨越。
思维转变
核心概念
02
潜在结果框架
个体处理效应、平均处理效应、条件平均处理效应。
框架
ATE
03
混淆偏差
什么是混淆变量？辛普森悖论在电商中的体现。
偏差
辛普森悖论
04
随机对照试验
A/B测试的原理、假设检验、统计显著性。
A/B测试
假设检验
05
A/B测试实战
样本量计算、分流策略、AA测试、常见陷阱。
实战
陷阱
06
观察性研究
为什么不能总做A/B测试？自然实验与准实验。
观察性
准实验
07
匹配方法
倾向性得分匹配(PSM)原理与电商案例。
PSM
匹配
08
PSM实战
Python实现PSM，评估优惠券发放效果。
Python
优惠券
09
逆概率加权
IPTW估计量，处理选择偏差。
IPTW
加权
10
双重差分法
DID原理，平行趋势假设。
DID
平行趋势
11
DID实战
评估大促活动对GMV的因果效应。
大促
GMV
12
断点回归
RDD原理，清晰断点与模糊断点。
RDD
断点
13
RDD实战
评估满减门槛对客单价的影响。
满减
客单价
14
工具变量法
IV原理，寻找合适的工具变量。
IV
工具变量
15
IV实战
用天气作为工具变量评估广告投放效果。
天气IV
广告
16
因果树
Causal Forest，异质性处理效应估计。
Causal Forest
异质性
17
Uplift模型
增量响应模型，识别营销敏感用户。
Uplift
增量
18
Uplift实战
使用Meta-Learner进行用户分层。
Meta-Learner
分层
19
因果图模型
DAG，后门准则与前门准则。
DAG
后门准则
20
DAG实战
用DoWhy库构建因果图并识别效应。
DoWhy
因果图
21
多触点归因
最后一次点击、线性归因、时间衰减归因。
归因模型
触点
22
基于Shapley值的归因
合作博弈论在归因中的应用。
Shapley
博弈论
23
基于因果推断的归因
反事实归因与增量归因。
反事实
增量归因
24
归因实战
Python实现多渠道归因模型对比。
多渠道
Python
25
增量实验
Ghost Ads实验，测量广告增量价值。
Ghost Ads
增量
26
地理实验
Geo实验，评估区域营销活动效果。
Geo实验
区域
27
敏感性与稳健性检验
未观测混淆、安慰剂检验。
稳健性
安慰剂
28
因果推断在推荐系统中的应用
反事实推荐评估。
推荐系统
反事实
29
因果推断在定价策略中的应用
价格弹性与因果效应。
定价
价格弹性
30
课程总结
因果推断的局限性与未来趋势。
总结
趋势