你的产品经理忘记进行A/B测试… 现在怎么办？
本文是关于使用准实验进行因果推论的一系列文章的第1部分，根据我会无意中冗长的程度而定。简要地说，第1部分将解释准实验的原因和方法，以及应用PSM等方法时涉及的细微差别。在第2部分中，我将更多地谈论准实验的局限性以及在基于准实验进行决策时应该注意的事项。我还将提出一个用于异质影响估计的框架，可以帮助克服外推偏差。至于第3部分…我还不确定。
你可能也看过其他解释准实验的文章，但我仍然打算用我的方式来解释。读一下吧。
为什么需要因果推论？
开发和推出产品和功能的成本最终是通过对消费者的积极影响来证明的。因此，听到产品经理提出各种各样的主张，比如“我们非常高兴地宣布，我们最新推出的功能导致了12％的收入增长！”并不令人意外。
听起来很棒，老实说，大多数高级经理都很乐意接受这些说法作为真理。我今天的目标是说服你深入研究这些主张背后的因果推论方法。通过更好地理解因果推论，你将更好地评估产品和功能为用户和公司带来的影响。
让我们看看ChatGPT对为什么产品需要因果推论的看法：
因果推论赋予产品团队超越简单观察数据相关性的能力，建立对驱动产品性能的因果机制的更深入理解。（毫不奇怪，已经比我能产生的任何东西更简明地表达了）
这里真正值得一提的一个方面是相关性和因果关系的概念。
相关性不意味着因果关系。（现在别翻白眼）
说实话，我们中有很多人都会这么说，并认为自己知道它的意思。当有人问我们…