共计 1662 个字符，预计需要花费 5 分钟才能阅读完成。
1 引言
双 11 期间上线某性能 / 流动，用户开明后参加能给大盘带来交易增量吗？
业务第一反馈大概率是说“会！”。那么，某流动 / 性能上线与大盘交易晋升之间的确存在因果关系吗？如果实在存在，具体增量是多少？
2 剖析过程
为了判断之间的具体分割，能够从 5 个步骤、2 种常见判断办法进行剖析。
2.1 明确起因是什么
从前文可知，双 11 期间业务上线了某流动 / 性能。
2.2 明确后果是什么
给大盘带来了更多交易用户 / 订单 /gmv。
2.3 确认 3 个要点
是否纯属巧合？不好评估，从趋势上来看，该流动上线之后大盘领取人数的确同期在进步；但正值大促，即便不做流动大盘交易大概率也会增长。
- 是否存在同时影响起因和后果的第三变量？ 一个参加了流动的用户，比起没有加入流动的用户，自身活跃度或成熟度更高，而平台沉闷和交易成熟对是否产生购买是很要害的因素。所以，存在第三变量。
- 是否存在逆向因果关系？ 到底是流动刺激使更多用户下单？还是高概率下单的用户更有志愿参加这项流动？
2.4 制作反事实
如果双 11 期间没有上线这个流动，大盘交易量会不会缩小？
2.5 调整到可比拟状态
很显著，如果将大促期间参加了流动和不参加流动的人分成两组，因为参加流动的用户更沉闷更成熟，而不参加流动的用户品质绝对较差，这种显著选择性偏差的存在，导致间接比照是不偏心的，不存在可比性。必须把两组数据调整到能够比拟的状态，分组用户上要真正体现出“随机”性。常见的有 2 种判断办法，包含随机对照试验、双重查分法。可依据理论背景条件抉择应用。
- 随机对照试验，即通常所说的 AB 测试。假如大促期间采纳了 ab 试验，流动上线时将大盘所有用户随机分成的两组，一组可能加入流动（干涉组），另一组不能加入流动（对照组），而后通过观察两组用户在大促期间的交易体现，比照得出最初的论断。
-
双重差分法，实用于没有做理论随机对照的场景，例如大促期间全量上线了该流动。第三局部会重点介绍该办法的应用。
3 双重差分法
3.1 根本思维
在没有随机试验的状况上来模仿一种随机调配试验。锁定目标用户，模拟实验分组，而后跟踪不同用户组在受流动干涉前后的大盘交易体现。
前提假如
- 始终不开明参加的用户 VS 有开明 / 参加的用户的场域效应雷同，即指标指标的趋势平行；
- 受到干涉期间，没有呈现影响目标值的“其余变动”。
图示
3.2 计算逻辑
3.3 具体步骤
3.3.1 分组
将全副的样本数据分为两大组，分组逻辑是依据是否受到营销流动干涉。
实验组：受到营销流动的干涉影响，依据影响水平又能够分为「平销已开明」影响复购动支，「平销未开明 -> 大促新开通」影响开明和动支。
对照组：没有受到同一流动的干涉影响，体现为用户「始终未开明」。
3.3.2 指标选定
确定观测的指标指标，大盘动支率、户均大盘 gmv。
3.3.3 验证分组合理性
随机圈选平销期（10.10 为例）用户，察看不同分组在 10.10-11.11 期间的户均 gmv 变化趋势是否统一。
- 10.10 日新开通用户、10.11-11.10 期间中途新开通用户在邻近 10.10 日阶段与稳定较大，与其余分组差别较大，不作为后续剖析可用分组。
- 始终未开明、始终开明、双 11 当天新开通三个分组的用户，在 10.10-11.10 期间变化趋势统一、差别根本保持稳定。可作为后续剖析可用分组。
3.3.4 差分
验证完满足假如前提后进行两次差分，第一次差分得出干涉前后总差别，第二次差分失去干涉净效应。
- 第 1 次差分： 别离对在干涉前后进行两次差分（相减）失去两组差值，代表实验组与对照组在干涉前后别离的绝对关系；
-
第 2 次差分： 对两组差值进行第二次差分，从而打消实验组与对照组原生的差别，最终失去干涉带来的净效应。
3.3.5 办法小结
长处： 较为主观的去除场域影响，剥离出由营销流动干涉下带来的大盘增量。能根本解决“大促期做的营销流动对于大盘的影响”。
有余：
（1）大盘收益，同一时间段多个流动独特干涉时，无奈剥离单个流动效益大小。如，11.11 当天，针对新客既做了流动 1，又做了流动 2，则无奈别离评估流动 1、流动 2 的成果。
（2）无奈涵盖“所有”增量。如平销期与大促期之间新增用户、中途开明的用户体现。