实用型因果推断方法在互联网中的实践.pdf

1、分享人：李少斌分享主题：实用型因果推断方法在互联网中的实践录为什么需要因果推断为什么需要因果推断 因果推断是什么 因果推断如何驱动业务改善Insight Vs Science Insight 是指通过观察观察、分析分析、经验经验、直直觉觉等方式，获得对某个问题、现象、情况或事物本质的深入理解和领悟。Science 是科学是一种基于实证实证和逻辑推理逻辑推理的知识体系，以系统化、规范化和可重可重复性复性的方式来研究自然现象、社会现象和人类思维等方面的知识。-From ChatGPT从新户留存分析看Insight Vs Science Insight 访问过美妆品类的用户留存率高 访问类目数越多留

2、存率越高 有内流播放的用户留存率高 Science ABtest 匹配 PSMPSM-DID DMLDRLQuestion：如何提升小红书新用户的留存率？：如何提升小红书新用户的留存率？Data仅靠Insight和AB-test存在的问题预测预测Vs决策决策相关相关Vs因果因果 ATE Vs HTEAverage Treatment EffectHeterogeneous Treatment Effect相关性 因果性访问美妆留存率高？高留存的用户群体访问了美妆 or 美妆作品提升了用户留存率一个用户访问了美妆、访问了10个类目、使用了内流播放-高概率留存用户要提升用户留存率:增加美妆作品曝光

3、占比？内容多样性？内流功能入口前置？-？增加美妆作品曝光占比？录 为什么需要因果推断因果推断是什么因果推断是什么 因果推断如何驱动业务改善解决因果问题的科学框架流派 Joshua D.Angrist Economist Double machinelearning、Instrumental Variables、Panel Data and Fixed Effects、Regression Discontinuity Design、2SLS Donald B.Rubin Statistician Potential Outcome Model Rubin Causal ModelIPWABtes

4、t Judea Pearl Computer Scientist Causal Graph Model、Backdoor Criterion、Frontdoor Criterion、Do-calculus、Pearl Causal Hierarchy(Association,Intervention,Counterfactuals)解决因果问题的科学框架流派 Joshua D.Angrist Economist Regression、Instrumental Variables、Panel Data and Fixed Effects、DID、2SLS、Regression Discontin

5、uity Design Judea Pearl Computer Scientist Causal Graph Model、Backdoor Criterion、Frontdoor Criterion、Do-calculus、Pearl Causal Hierarchy(Association,Intervention,Counterfactuals)Donald B.Rubin Statistician Potential Outcome Model Rubin Causal ModelIPWABtest计算机科学（Causal Graph Model、DAG）WXYXZYChainFork

6、CollideZXYX 三 YX Y|ZX 三 YX Y|WX YX 三 Y|ZX、Y 既有相关性也有因果性X、Y 有相关性但无因果性示例：W为天气，X为溺水率，Y为冰激凌销量X、Y不相关，但在conditionz的情况下，X、Y相关select bias计算机科学（Causal Graph Model、DAG 与 ABtest）Question：如何提升小红书新用户的留存率？：如何提升小红书新用户的留存率？DataTXYDAGABtestTXYABtest:XY的留存率,:进入内流影响T1实验组留存率：+T0对照组留存率：ATE=T1-T0=X：性别T：是否进入内流Y:留存率计算机科学（Do