于是我決定給大家講講數據分析中，相關關系和因果關系的坑。

看數據有新的有趣發現，給個大大的鼓勵！

但是要搞清楚問題，再對癥下藥，不能頭疼醫頭腳疼醫腳。

“數據只能告訴我們相關關系，而不是因果關系”

暈的話，容我舉個栗子

比如說HR要立項研究降低員工流失率。

• 低離職率部門，工作10小時/天

• 高離職率部門，工作7小時/天

項目負責人很激動，發現了規律——離職率和工作時間負相關哇！

于是，他發文規定高離職率部門工作10小時才能下班。

過段日子，結果很可能是，被人為延長了工作時間的部門，離職率進一步惡化。

顯然，正常情況下，工作時間A和離職率B之間并不存在因果關系，但它們都受到員工對工作喜好度X影響：

• 喜愛自己的工作，更愿意花時間在工作上

• 不喜歡工作，則換工作的意愿與行動力更強

當你人為大幅提升了工作時間超出了人們可承受的閾值，則會導致本來就不怎么喜歡這份工作的人從中立態度變為抵觸態度，心生厭煩，自尋短見尋找下家。

再回來審視一下你的社區活躍度數據，新戶回帖量A和留存天數B存在正相關關系。不能直接下判斷A→B

應該思考的是行為背后的動因：

• 用戶為什么而來？

• 他們為什么流失？

• 影響B的真正機制是怎樣的？

有可能，新用戶習慣是每天回N篇帖子（目前N=1）——所以你看到活躍天數長的新用戶，自然回帖量多，所以這是B→A（新戶回帖量A=新戶活躍天數B*新戶日均回帖量N）。你去鼓勵用戶多回帖，有可能只是改變了日均發帖量N↑，這種行為只能導致新戶回帖總量A↑，而對于新戶活躍天數B沒有影響。

有可能，用戶來社區的目的是獲取有價值信息——找到的感興趣的內容越多，則回復越多；找到的感興趣的內容越多，則活躍天數越長；你找到的這兩個指標都是對社區內容偏好X的因變量，而非互為因果（我上文說的X→A，X→B）——如果真相是這樣，那你應該考慮如何引導新用戶表達內容偏好更快找到他需要的高價值內容。盲目在行為層面鼓勵用戶回復，會提升水帖占比，提升用戶找到有價值信息的難度，可能會損害用戶對社區內容的偏好程度，反而降低了用戶的活躍天數。

有可能，用戶來社區的目的是讓自己買車這件事兒不這么寂寞，想要融入一個群體——回帖越多，認識新朋友的概率越大，融入社區的概率越大，因此活躍天數越長（A→X→B）——如果你發現了認識新朋友是回帖數量A與活躍天數B之間非常重要的中介變量，就沒必要舍近求遠去影響A，直接在X上做文章就行了，比如說是不是可以給新用戶推薦一些社區的又愛交朋友又有水平的熱心用戶，推薦他們去跟這些人互動交朋友？

餓肚子的總結陳詞

瞧，我在餓肚子的情況下，很快就能舉出3種看起來符合邏輯的可能性——當然我也知道，也都是假設，在我們徹底做完分析、調研前，沒有人知道真相是什么。

建議你再看看用戶的回帖時間分布數據，以及找處于流失臨界點的用戶做做調研，好好聊聊，看看背后的真相到底是什么，搞清楚了再出能夠治本的方案。

數據的啟示，就像給我們在黑暗森林尋寶時開了一盞路燈。歡欣鼓舞是應該的，但是要時刻提醒自己，被燈照亮的并不是這個森林的全部，那些打開寶藏的機關與致命的陷阱，都往往藏在明暗交界的地帶，需要我們行動起來，進一步觀察、思考、確認。

姑婆那些事兒推廣服務 點擊 :http://www.3377on.com/news/4585.html

大家都愛搜:ASM 互聯網資訊類類有話說App推廣運營經驗線下推廣活動推薦微信營銷姑婆專題姑婆圈ASO校園推廣地推ASO100渠道刷量校園運營團隊

姑婆那些事兒(www.3377on.com)是互聯網推廣運營知識分享平臺,關注移動推廣(android,ios)運營,網站推廣運營、校園推廣及互聯網領域最新動態 。歡迎關注我們的微信(gupo520),新浪微博(姑婆那些事兒)。

版權聲明:本文來源于互聯網,僅作分享學習之用,姑婆那些事兒負責整理推薦。文章僅代表原作者獨立觀點,不代表本平臺運營者觀點與立場。如有版權問題,請聯系姑婆那些事兒—小秘書(微信號:gpxms001)協商解決