1. 因果推断基础：从相关到因果，为什么广告投放需要因果思维？
1.1 相关 ≠ 因果：一个让我翻过车的例子
先讲个我自己的故事。
几年前，我负责一个信息流广告的投放优化。某天，我发现一个有趣的现象：用户点击广告后，转化率反而下降了。当时团队里有人提议：「那我们把点击率压下来，不就能提升转化率了吗？」
听起来很有道理，对吧？
但我总觉得哪里不对劲。我仔细一查，发现点击率高的用户，其实是那些「随便看看」的新用户。他们点得多，但买得少。而老用户呢？他们直接搜索品牌词下单，根本不点广告。
你看，点击和转化之间，只是「相关」，不是「因果」。如果当时真把点击率压下去，那新用户就彻底流失了，长期来看反而会伤害业务。
这就是因果思维的第一课：别被表面的相关性骗了。
核心观点：相关性只告诉我们「两个变量一起变化」，因果性才告诉我们「改变A，B会怎么变」。广告投放中，我们真正需要的是后者。
1.2 广告投放里的「因果陷阱」
我见过太多团队掉进类似的坑里。举几个常见的：
- 「曝光越多，转化越好」 —— 但曝光多的用户，本来就是对品牌更感兴趣的人。你增加曝光，可能只是浪费预算。
- 「周末投放效果更好」 —— 但周末用户本来就有更多时间购物。你调整出价策略，可能只是「搭便车」。
- 「高消费用户更忠诚」 —— 但高消费用户可能只是「薅羊毛」的。你给他们发优惠券，反而降低了利润。
这些问题的本质是什么？混淆了「选择偏差」和「因果效应」。
用户的行为，不是随机发生的。他们自己选择了「点广告」、「周末购物」、「高消费」。你看到的「效果」，其实是用户自身特征带来的，而不是你的广告策略带来的。
避坑指南：我曾经接手过一个项目，老板要求「把广告投给点击率最高的用户」。结果呢？ROI反而下降了。因为那些用户是「点击狂魔」，他们点完就走，根本不买。这就是典型的「选择偏差」—— 你选中的用户，本身就不具备转化意愿。
1.3 因果图模型：一张图理清所有关系
那怎么解决这个问题？我个人的习惯是，先画一张因果图。
因果图，说白了就是一张「变量关系地图」。它用箭头表示「谁影响谁」。比如，广告投放的因果图可能是这样的：
这张图告诉我们什么？
- 广告策略 直接影响 点击行为（箭头1）
- 点击行为 直接影响 转化（箭头2）
- 用户特征 同时影响 点击行为 和 转化（箭头3和4）
注意看箭头3和4。这就是「混淆变量」—— 用户特征同时影响了点击和转化。如果你只看「点击→转化」这条路径，就会高估点击的效果。因为那些点击的人，本身就更可能转化。
我的经验：每次做投放策略调整前，我都会先画一张因果图。哪怕只是草稿，也能帮我理清「哪些变量是真正的干预手段，哪些是混淆因素」。这比直接跑A/B测试要高效得多。
1.4 为什么广告投放需要因果思维？
你想想看，广告投放的本质是什么？是「干预」用户的行为。
你调整出价、更换素材、改变定向，都是在「干预」。而干预的效果，必须用因果思维来评估。
| 场景 | 相关思维（错误） | 因果思维（正确） |
|---|---|---|
| 优化出价 | 出价越高，曝光越多 | 出价高会吸引更多曝光，但也会吸引低质量流量 |
| 素材测试 | 点击率高的素材就是好素材 | 点击率高可能是「标题党」，转化率才是关键 |
| 人群定向 | 高消费人群转化率高 | 高消费人群可能已经被竞品洗过，需要重新评估 |
| 预算分配 | ROI高的渠道多投钱 | ROI高可能是因为渠道本身流量质量好，而不是你的广告好 |
说白了，相关思维只能告诉你「发生了什么」，因果思维才能告诉你「为什么发生」以及「怎么改变」。
1.5 因果推断的三大核心任务
在广告投放中，因果推断主要解决三个问题：
- 归因：这个转化，到底是谁的功劳？是广告A，还是广告B，还是自然流量？
- 预测：如果我增加10%的预算，转化会提升多少？
- 反事实：如果我不投这个广告，用户会买吗？
这三个问题，每一个都离不开因果图。比如归因问题，你需要知道「用户路径」中哪些节点是真正的因果节点，哪些只是「路过」的。
举个例子：用户先看了你的品牌广告，然后搜索品牌词，最后下单。如果你只看「搜索→下单」这一环，就会把功劳全算给搜索广告。但实际上是品牌广告「种草」在先。因果图能帮你理清这个链条。
1.6 一个小练习：画出你的投放因果图
我建议你现在就试试。拿一张纸，或者打开一个画图工具，画出你当前广告投放的因果图。
步骤很简单：
- 列出所有你认为相关的变量（出价、素材、定向、点击、转化、用户特征、时间、竞品动作...）
- 用箭头表示「谁影响谁」
- 找出那些「同时影响多个变量」的节点（这些就是混淆变量）
画完之后，你会发现很多「想当然」的假设其实站不住脚。比如，你可能一直以为「素材质量」直接影响「转化」，但画完图才发现，素材其实是通过「点击」间接影响「转化」的。那优化素材时，就应该优先关注点击率，而不是转化率。
一个小技巧：因果图不需要一开始就完美。我通常先画一个「粗糙版」，然后跑一次小规模实验，根据数据反馈再调整。迭代几次后，图就会越来越准。
1.7 总结：因果思维是广告优化的「底层操作系统」
好了，这一章的内容就到这里。总结一下：
- 相关 ≠ 因果，广告投放中到处都是「伪相关」的陷阱
- 因果图是理清变量关系的最佳工具，能帮你找到真正的「干预点」
- 因果思维解决的是「归因、预测、反事实」这三个核心问题
下一章，我会带你深入因果图的核心概念：节点、边、路径、d-分离。这些听起来有点抽象，但我会用广告投放的真实案例来讲解，保证你能听懂。
嗯，先消化一下这一章的内容。画一张因果图试试看，你会发现新世界的。