Correlation ≠ Causation

相关不是因果

冰淇淋卖得多的月份，溺水的人也多，
可冰淇淋没淹死过人。

44 / 79

一起发生就下结论

西打 14:20

数据显示，用了我们插件的用户留存更高，所以插件提升了留存。

多米诺 14:21

也可能是留存高的人更愿意装插件。

西打 14:21

……有区别吗？

多米诺 14:22

有。一个是插件让人留下，一个是留下的人才装插件。

数据只能告诉你两条线一起动，告诉不了你谁推的谁。想往前一步，得去找那个没画在图上的 Z。

先排除反向

西打 14:20

插件用户留存高，但装插件的人本来就更活跃。我做个分组对照再下结论。

多米诺 14:22

对，先看同活跃度的人里，装和不装有没有差别。

代价

怕把相关说成因果，干脆什么判断都不下，手里的数据就白收了。

例外

有机制能解释，有先后顺序，还有对照组，可以小心地说因果。