1导言

双11期间上线某功用/活动，用户注册后参加能给大盘带来买卖增量吗？ 事务第一反应大概率是说“会！”。那么，某活动/功用上线与大盘买卖提升之间的确存在因果联系吗？假如真实存在，详细增量是多少？

2剖析过程

为了判别之间的详细联络，能够从5个过程、2种常见判别办法进行剖析。

2.1 清晰原因是什么

从前文可知，双11期间事务上线了某活动/功用。

2.2 清晰成果是什么

给大盘带来了更多买卖用户/订单/gmv。

2.3 承认3个要害

是否纯属巧合？不好点评，从趋势上来看，该活动上线之后大盘付出人数的确同期在进步；但正值大促，即便不做活动大盘买卖大概率也会增长。

• 是否存在同时影响原因和成果的第三变量？ 一个参加了活动的用户，比起没有参加活动的用户，自身活泼度或老练度更高，而平台活泼和买卖老练对是否产生购买是很要害的要素。所以，存在第三变量。

• 是否存在逆向因果联系？ 到底是活动刺激使更多用户下单？仍是高概率下单的用户更有意愿参加这项活动？

2.4 制造反事实

假如双11期间没有上线这个活动，大盘买卖量会不会减少？

2.5 调整到可比较状况

很明显，假如将大促期间参加了活动和不参加活动的人分成两组，因为参加活动的用户更活泼更老练，而不参加活动的用户质量相对较差，这种明显挑选性偏差的存在，导致直接比照是不公平的，不存在可比性。有必要把两组数据调整到能够比较的状况，分组用户上要真正体现出“随机”性。常见的有2种判别办法，包括随机对照试验、两层查分法。可依据实际布景条件挑选使用。

• 随机对照试验，即通常所说的AB测验。假定大促期间采用了ab试验，活动上线时将大盘所有用户随机分成的两组，一组能够参加活动（干涉组），另一组不能参加活动（对照组），然后经过观察两组用户在大促期间的买卖体现，比照得出终究的定论。

• 两层差分法，适用于没有做实际随机对照的场景，例如大促期间全量上线了该活动。第三部分会重点介绍该办法的使用。

3两层差分法

3.1 基本思想

在没有随机试验的状况下去模拟一种随机分配试验。锁定目标用户，模拟试验分组，然后跟踪不同用户组在受活动干涉前后的大盘买卖体现。

条件假定

• 一直不注册参加的用户 VS 有注册/参加的用户的场域效应相同，即目标指标的趋势平行；

• 遭到干涉期间，没有出现影响目标值的“其他改变”。

图示

3.2 核算逻辑

3.3 详细过程

3.3.1 分组

将全部的样本数据分为两大组，分组逻辑是依据是否遭到营销活动干涉。 试验组：遭到营销活动的干涉影响，依据影响程度又能够分为「平销已注册」影响复购动支，「平销未注册->大促新注册」 影响注册和动支。 对照组：没有遭到同一活动的干涉影响，体现为用户「一直未注册」。

3.3.2 目标选定

确认观测的目标指标，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，观察不同分组在10.10-11.11期间的户均gmv改变趋势是否一起。

• 10.10日新注册用户、10.11-11.10期间半途新注册用户在接近10.10日阶段与波动较大，与其他分组差异较大，不作为后续剖析可用分组。

• 一直未注册、一直注册、双11当天新注册三个分组的用户，在10.10-11.10期间改变趋势一起、差异基本保持稳定。可作为后续剖析可用分组。

3.3.4 差分

验证完满意假定条件后进行两次差分，第一次差分得出干涉前后总差异，第2次差分得到干涉净效应。

• 第1次差分： 别离对在干涉前后进行两次差分（相减）得到两组差值，代表试验组与对照组在干涉前后别离的相对联系；

• 第2次差分： 对两组差值进行第2次差分，然后消除试验组与对照组原生的差异，终究得到干涉带来的净效应。

3.3.5 办法小结

优点： 较为客观的去除场域影响，剥离出由营销活动干涉下带来的大盘增量。能基本解决“大促期做的营销活动对于大盘的影响”。

缺乏： （1）大盘收益，同一时间段多个活动一起干涉时，无法剥离单个活动效益大小。如，11.11当天，针对新客既做了活动1，又做了活动2，则无法别离评估活动1、活动2的作用。

（2）无法包括“所有”增量。如平销期与大促期之间新增用户、半途注册的用户体现。