桔妹导读： 在网约车行业中，有很多场景中都有着因果推断的相关应用，不仅仅是算法同学等在因果建模时运用到相关知识，很多业务同学在做相关决策时也经常用到。因此采用日常生活中常见的例子以及行业中的常见问题，对因果推断方向进行科普。

1. 因果推断科普介绍

本文大概从两个方面展开介绍：

• 因果性和相关性的定义以及区别。结合日常和业务上的例子有更直观的感受
• 因果推断的常用方法介绍，以及在不同场景下如何应用

为什么需要研究因果性？在花小猪的很多场景中，我们是希望能够做决策，来得到我们想要的结果。比如通过对哪些乘客发券，对哪些司机发任务来提高平台的呼叫和tsh。如果只知道相关关系而不知道因果关系，很多场景下达不到我们想要的效果。下面举几个比较典型的混淆因果和相关关系的case来说明这几个问题。

这就是误用相关性的第一种CASE——因果颠倒。医院的例子中：院长认为：穿病号服会导致用户患重病，脱病号服会让用户治愈业务中的例子：小明同学认为，投入B补会降低城市成交率，降低B补会提高城市成交率。

• 实际中的逻辑，其实大家很容易想到：是因果颠倒的。
• 因为用户患重病，所以需要穿病号服住院治疗，因为用户治愈恢复健康，所以脱去病号服办理出院手续。
• 城市供不应求，成交率不好，所以需要追加B补 拉动大盘的tsh。城市供大于求，成交率很好，无需要投入更多的B补。

生活中大家会遇到一些很神奇的事情。

• 比如有关注体育比赛的，是不是有这种感觉：每当我熬夜观看主队比赛的时候，主队就经常拉胯输球。经常看完后会骂：再看XX比赛我就是狗。有时候晚上睡过了错过比赛，醒来之后就是一场大胜。这时候作为一个合格的球迷：就会想到，能否拒绝观看主队比赛，提高主队胜率。

这其实是第二类错误，误用小样本巧合，当做因果性去做决策。事实上是：我今年没看NBA季后赛，还是湖人总冠军。之所以造成这样的感觉是因为：以比赛来说，我们喜欢的明星或者球队，会有代入感。我们的爱豆 那就是最好看的，我们的支持的球队那就是最强的。当带有这种心理，且熬夜起来看球，输球的时候，会放大这种输球的体验，让我们印象深刻，会记住这种时刻。

这是误用相关性的第三类错误。老板认为：冰淇淋销量是啤酒销量的因，通过促销冰淇淋来带动高利润的酒水。实际上的因果关系：因为夏天来了，天气变热了，冰淇淋的销量会大幅提升。同样，天气变热，喝酒撸串的人也变多了，所以啤酒也会销量提升。冬天来临时，老板低价冰淇淋卖破产了，啤酒销量也不见得能提升多少。这就是第三类错误：共同场外因素作用。

前面的三种类型一般会比较简单点，接下来的case是业务中比较常见的，也容易犯的错误。

• 在北京地区发现，海淀区的孩子们普遍成绩较好，成绩比石景山区能高出100分呢？小明的家长想：古有孟母三迁，现在为了小明的未来，是否也可以从石景山搬去海淀，这样小明的高考成家就能够100+呢？
• 运营同学在推广省钱卡，从数据中我们发现，购买省钱卡的人，前后两周对比，发现频次提升了30%以上。降低省钱卡的购卡门槛，让所有人都买省钱卡，这样大盘不就能做到40%的增长了吗？

▍以搬家为例

影响教育资源的有：教育资源更好（海淀区名校多，学区也多），搬家确实能够得到这个教育资源上优势。请好的家教，海淀区的家长们可能收入更高，能够请到质量更好、价格更贵的家教老师。这个并不是搬家就能够拿到的基因好，海淀区老师多，高知家庭也多，孩子们基因也好，这个也不是搬家就能够得到的。

▍以省钱卡为例

一种是沉默成本提频：花了9元，不赚回来不舒服 10%。一种是跨平台锁需求，竞对需求转化到我们平台。10%这种也是买卡导致的提频。还有一种是：乘客主动提频，也就是乘客因为工作等原因提前预知本周需要频繁打车出行，所以主动去买卡薅羊毛，这提频就不是买卡带来的20%。

2. 如何定量的评估因果效应

上面两个例子的原因可能还有更多，且对应的数值也是拍的。在业务中，我们经常需要去回答这些问题：买卡对提频的准确数字有多少，才能帮助我们更好的设计sku 和策略。

• 那如何能够定量的回答上述问题，且更好的指导业务同学科学决策呢？
• 做实验

▍怎么科学的做决策？—— 随机实验

为什么要做实验？

相关性和因果性在实际例子中往往互相耦合，很多因素可能会影响我们的观察指标对于因果性，我们希望知道，如果只改变A因素，其他环境均没有变化的话，结果B会怎么变化。

什么是随机试验？

• 随机实验是指对相似的样本，随机施加不同干预，观察结果。
• 对搬家的例子，找到父母学历相同、家庭收入类似的多个家庭，随机选择一半家庭搬家去海淀，观察小孩的高考分数的差距
• 对新冠疫苗，找到大量用户，随机一半接种疫苗（称为实验组），一半不接种疫苗（称为对照组），观察治愈率

▍最优选择要怎么做？—— 基于随机实验的因果推断

**▍随机试验总结 **

▍观测数据的因果推断

• 举例：如何评估成交率/未成交量和用户留存的关系？
• 直接计算未成交量和用户留存的相关性，会发现未成交量越高，留存越高。这是因为未成交量高的用户，发单量也一般比较高，对应高频用户本身留存率就较高。
• 最直接的方法是在有同样未成交量的用户中，找到两组关键特征完全一致的样本。但随着特征增加这个方法显然不可行。
• 方法：PSM IPTW等 (整体更加复杂且不一定置信，还是要更科学的做实验）

本文作者：