歸因的目標是評估哪些因素可能造成觀察到的結果。分析時應先描述現象，再逐步排除其他解釋，不要一開始就把相關性當成因果關係。
3.1 四種常見分析路徑
漏斗分析檢查流程每一步的轉換與流失，找出問題集中在哪個環節。
分群分析把整體拆成不同客群，確認變化是否集中在特定族群。
對照排除比較不同期間、平台、區域或實驗組，排除共同因素與外部干擾。
交叉驗證使用不同資料來源、指標或分析方法，確認結論是否一致。
3.2 從總體到局部的分析順序
- 確認現象：指標真的變動了嗎？是否為資料口徑或追蹤異常？
- 定位範圍：哪個平台、客群、品類、流量來源或地區變化最大？
- 拆解構成：整體變化是由規模、比例，還是單位價值改變造成？
- 提出候選原因：列出可能機制與各自可觀察的證據。
- 排除替代解釋：檢查季節性、促銷、價格、流量組成、追蹤變更等因素。
- 驗證因果：若要宣稱某措施「造成」成效，優先使用隨機實驗；否則需清楚說明準實驗設計與限制。
3.3 相關不等於因果
例如，看到使用某功能的使用者購買率較高，不代表該功能一定提升購買率。也可能是高意圖使用者本來就更常使用該功能。
觀察：使用推薦模組的使用者購買率 8%，未使用者為 3%。
可能解釋：推薦模組有效；或高意圖使用者更常點擊推薦；或兩群人的流量來源、會員等級不同。
下一步：採用隨機分流，或至少依來源、裝置、新舊客等變數做分層比較。
可能解釋：推薦模組有效；或高意圖使用者更常點擊推薦；或兩群人的流量來源、會員等級不同。
下一步：採用隨機分流，或至少依來源、裝置、新舊客等變數做分層比較。
3.4 交叉驗證的實務方式
- 事件資料與訂單資料核對：行為事件的購買數是否接近實際訂單？
- 使用者與工作階段口徑核對：結論是否只在某一種統計單位成立？
- 不同時間窗核對：短期效果是否在較長期間仍存在？
- 定量與定性核對：數據顯示流失增加，訪談是否也反映相同阻礙？
分析與歸因：從看到變化到解釋變化HSUCHE 數據筆記 · 轉載請註明出處
