chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

用增長(zhǎng)視角觀察行業(yè)動(dòng)態(tài)，洞察增長(zhǎng)契機(jī)。主要會(huì)從用戶價(jià)值、宏觀機(jī)會(huì)、商業(yè)模式、數(shù)據(jù)驅(qū)動(dòng)和營(yíng)銷(xiāo)技巧等五個(gè)維度中挑選合適的切入點(diǎn)，來(lái)盤(pán)點(diǎn)行業(yè)動(dòng)態(tài)給用戶增長(zhǎng)帶來(lái)的啟示。

上圖是我所理解的用戶增長(zhǎng)全局（姑且稱(chēng)“冰山圖”），大眾視野能看到的是各種營(yíng)銷(xiāo)策略，而在冰山之下，需要以用戶價(jià)值為基礎(chǔ)，需要對(duì)宏觀機(jī)會(huì)和商業(yè)模式產(chǎn)生洞察找到切入點(diǎn)，再依靠數(shù)據(jù)驅(qū)動(dòng)去更科學(xué)、更有效的落地增長(zhǎng)策略。

本篇從數(shù)據(jù)驅(qū)動(dòng)視角，針對(duì)用戶增長(zhǎng)領(lǐng)域一個(gè)常見(jiàn)的難題整理了一些已有研究和個(gè)人想法——不能做AB實(shí)驗(yàn)的時(shí)候，怎么評(píng)估效果？內(nèi)容主要針對(duì)產(chǎn)品經(jīng)理、產(chǎn)品運(yùn)營(yíng)，不涉及具體的技術(shù)實(shí)現(xiàn)，旨在拋磚引玉。文中難免有不當(dāng)之處，期待隨時(shí)交流。

我們知道，很多時(shí)候會(huì)因?yàn)槌杀締?wèn)題、時(shí)間問(wèn)題無(wú)法進(jìn)行完備的實(shí)驗(yàn)，該如何盡可能準(zhǔn)確評(píng)估某個(gè)增長(zhǎng)策略的效果呢？

先說(shuō)說(shuō)自然實(shí)驗(yàn)。自然實(shí)驗(yàn)（Natural Experiments）實(shí)際上是一種觀察性實(shí)驗(yàn)，不對(duì)任何用戶進(jìn)行干預(yù)，僅通過(guò)觀察“隨機(jī)”分組樣本的實(shí)驗(yàn)結(jié)果，進(jìn)行比較得出結(jié)論。請(qǐng)注意這里的“隨機(jī)”無(wú)法像隨機(jī)對(duì)照實(shí)驗(yàn)?zāi)菢油ㄟ^(guò)hash算法實(shí)現(xiàn)，而是基于經(jīng)驗(yàn)選擇兩個(gè)接近相似的群體。比如經(jīng)常需要評(píng)估一個(gè)緊急上線功能的效果，自然實(shí)驗(yàn)中的一組是使用某功能的用戶，另一組是不使用某功能的用戶。下面介紹的因果推斷、雙重差分就屬于自然實(shí)驗(yàn)。

因果推斷（causal inference）是一類(lèi)方法的統(tǒng)稱(chēng)，指通過(guò)各種數(shù)理手段，基于結(jié)果對(duì)其產(chǎn)生的原因進(jìn)行估計(jì)。本質(zhì)上隨機(jī)對(duì)照實(shí)驗(yàn)也是一種因果推斷的方法，并且是一種非常理想、直觀的方法，甚至被認(rèn)為是歸因分析的“黃金法則”。然而很多時(shí)候我們沒(méi)有辦法做理想的隨機(jī)對(duì)照實(shí)驗(yàn)，因果推斷中的其他方法，可以提供補(bǔ)充，下面簡(jiǎn)單介紹斷點(diǎn)回歸和傾向性得分匹配兩種。

斷點(diǎn)回歸

斷點(diǎn)回歸是一個(gè)直觀的方法，結(jié)合例子來(lái)介紹：假設(shè)我們上線的是一個(gè)簽到得現(xiàn)金紅包的功能，簽到滿7天，才能獲得一個(gè)現(xiàn)金紅包，需要判斷簽到紅包對(duì)用戶的留存是否有正向作用。這個(gè)例子不能用隨機(jī)對(duì)照實(shí)驗(yàn)的原因，是因?yàn)樾枰o急上線，無(wú)法留一部分用戶（無(wú)簽到功能）作為對(duì)照組。斷點(diǎn)回歸顧名思義，找到6次簽到無(wú)紅包和7次簽到有紅包這個(gè)斷點(diǎn)，觀察簽到6次，與7次兩個(gè)用戶群體之間的留存率差異，如果差異顯著，說(shuō)明簽到紅包對(duì)于用戶留存有幫助；如果沒(méi)有顯著差異，則說(shuō)明簽到紅包對(duì)提升留存大概率是無(wú)效的。如下圖示例，可以看到本周簽到6次和7次之間存在一個(gè)下周留存率的斷點(diǎn)，可以說(shuō)明，簽到得紅包對(duì)于用戶的留存幫助明顯。

圖1 斷點(diǎn)回歸示例

傾向性得分匹配 

傾向性得分匹配（Propensity Score Matching，PSM），是另一種常用的因果推斷方法。PSM的核心在于“構(gòu)造”一個(gè)于策略組可比的“對(duì)照組”。可以類(lèi)比隨機(jī)對(duì)照實(shí)驗(yàn)，通過(guò)傾向性得分匹配構(gòu)造出一個(gè)對(duì)照組。如圖2，虛框?yàn)闃?gòu)造出來(lái)的實(shí)驗(yàn)組和對(duì)照組，實(shí)驗(yàn)組使用的是被策略命中的用戶群，而對(duì)照組是通過(guò)計(jì)算傾向性得分，從命中策略的用戶以外“匹配”出于實(shí)驗(yàn)組傾向性得分接近的用戶群。

圖2 通過(guò)因果推斷構(gòu)造實(shí)驗(yàn)組和對(duì)照組

進(jìn)行傾向性得分的計(jì)算和匹配，需要得到盡可能多的用戶特征，比如用戶屬性、用戶行為等詳細(xì)數(shù)據(jù)，每種特征被賦予權(quán)重，最終為每一位用戶計(jì)算出一個(gè)0到1之間的數(shù)值。匹配時(shí)，例如我們的策略命中人群得分為0.68，那就可以在備選人群中選擇得分在0.68附近，例如0.67~0.69的用戶群，作為“對(duì)照組”。PSM正是通過(guò)這種方式實(shí)現(xiàn)了對(duì)照組的“無(wú)中生有”，其準(zhǔn)確定性依賴(lài)于用戶特征的完備程度，理論上需要盡可能多的特征種類(lèi)，在匹配前除了看匹配分?jǐn)?shù)外，還需要檢驗(yàn)分?jǐn)?shù)的分布，以確保“實(shí)驗(yàn)組”和“對(duì)照組”的可比性。

雙重差分（Difference-in-Difference，DID）常用于政策效果評(píng)估。因?yàn)檎呦逻_(dá)通常是指定某些城市或區(qū)域執(zhí)行政策，無(wú)法做隨機(jī)對(duì)照實(shí)驗(yàn)，和PSM一樣只能采用構(gòu)造一個(gè)“對(duì)照組”的思路。由于城市樣本有限，我們甚至無(wú)法完成構(gòu)造，所以DID的思路是設(shè)法估算出政策的凈效果。類(lèi)比到用戶增長(zhǎng)，當(dāng)評(píng)估某個(gè)策略的凈效果時(shí)，需要首先排除時(shí)間因素以及其他策略的影響，下面用一個(gè)例子簡(jiǎn)單說(shuō)明。

圖3 雙重差分示例

如圖3，策略人群是我們要分析的目標(biāo)人群，因?yàn)闆](méi)有對(duì)照組，我們依據(jù)經(jīng)驗(yàn)選擇了各方面接近的作為參照人群。圖中可見(jiàn)，需要觀察的指標(biāo)，在策略下發(fā)前后發(fā)生了較大變化（圖中a1和b1分別為策略人群策略下發(fā)前后的指標(biāo)均值，a2和b2為參照人群指標(biāo)均值）?，F(xiàn)在需要分析策略效果，如果直接對(duì)比策略人群前后指標(biāo)，得到

策略效果 = a1 - b1

顯然，這個(gè)差異中包含了指標(biāo)隨時(shí)間的波動(dòng)情況，需要消除掉。而理論上，如果這個(gè)參照人群和策略人群足夠相似，時(shí)間因素的影響對(duì)于參照人群也同樣存在，進(jìn)一步得到

策略效果 = (a1 - b1) - (a2 - b2)

類(lèi)似的，其他策略的影響，在這里也同樣存在于對(duì)照人群，可以在第二次作差是消除掉。

以上方法有一個(gè)前提，需要兩個(gè)人群滿足“共同趨勢(shì)假設(shè)”的條件，即當(dāng)受到外接影響時(shí)，策略人群和對(duì)照組有同樣的變化趨勢(shì)。此外，參照人群的選取有很多主觀性，難以保證嚴(yán)格相似和可比，所以總體上雙重差分建議作為一種快速獲得定性結(jié)論的方法，其計(jì)算得到的策略效果僅作為參考。雙重差分之外，還有三重差分的方法，引入了另外一個(gè)策略組但原理類(lèi)似，感興趣的讀者可以自行了解。

因果推斷和雙重差分之外，邊際效果歸因也可以用于定性判斷策略是否有效。這種方法基于一個(gè)假設(shè)：如果策略對(duì)用戶有影響，加大策略的力度能夠看到觀測(cè)指標(biāo)發(fā)生相應(yīng)變化。例如圖4中，可以看到隨著策略力度加大，觀測(cè)指標(biāo)同步提升，說(shuō)明策略是有效的，而沒(méi)有明顯變化則說(shuō)明策略是無(wú)效的。

圖4 邊際效果歸因示例

本質(zhì)上，邊際效果歸因是基于預(yù)設(shè)的因果關(guān)系去做假設(shè)驗(yàn)證，除了改變策略力度外，下發(fā)頻次、時(shí)間等可能改變策略效果的因素，都可以作為變量去進(jìn)行驗(yàn)證。如果可以做隨機(jī)對(duì)照實(shí)驗(yàn)，這樣可以得到嚴(yán)謹(jǐn)?shù)亩拷Y(jié)論；如果不能做，即只能針對(duì)所有用戶都去下發(fā)，則需要考慮下發(fā)間隔時(shí)間等因素（會(huì)對(duì)用戶造成持續(xù)打擾，影響效果）。所以，邊際歸因的方法，也僅僅是一種無(wú)法做隨機(jī)對(duì)照實(shí)驗(yàn)的補(bǔ)充。

對(duì)以上方法做一個(gè)小結(jié)：如果條件和成本允許，盡可能使用隨機(jī)對(duì)照實(shí)驗(yàn)；如果無(wú)法進(jìn)行隨機(jī)對(duì)照實(shí)驗(yàn)，可以嘗試探索因果推斷、用傾向得分匹配的方法獲得接近于實(shí)驗(yàn)的結(jié)論；如果只想得到一些定性的結(jié)論，可以使用雙重差分和邊際效果歸因。

預(yù)告：增長(zhǎng)觀察的下一篇，將針對(duì)內(nèi)容消費(fèi)中的數(shù)據(jù)驅(qū)動(dòng)策略，做具體的思考和探討。

也許現(xiàn)在你還用不到，可以轉(zhuǎn)給需要的TA~