【沃頓商學院】商業分析 全套課程(客戶、運營、人力資源、會計) P9 - 9.[P009]07_causal-data-collection-and-su

財富導航
16粉絲
1 次觀看·2026年5月3日
到目前為止,我們談論的是探索性數據收集。
我們已經談過描述性數據收集。
接下來,我們想要進入因果數據的收集階段。
正如你所注意到的,這種數據收集方式
更為嚴格。
讓我給你一個例子。
當我們在思考自己的網站時,經常會這樣
在我們的公司中,我們會考慮登入頁面。
想想看,登陸頁面 A 是否優於登陸頁面 B?
我們如何確定這一點呢?
那裡也許正是你進行田野實驗之處。
某些客戶會看到登陸頁面A。
另一組客戶看到登入頁面 B。
他們會查看點擊率
然後決定哪個登陸頁面較好。
換句話說,我們正在試圖建立一個因果關係
在更換登陸頁面之間
並觀察點擊率。
這就是因果關係的本質。
這正是田野實驗的精髓所在。
因此,有很多公司允許您
進行此類A/B測試。
例如,當你開始思考A/B測試時
你需要開始區分
相關性與因果關係之間。
相關性是兩個變數之間的關係。
讓我們來看看價格與銷售情況。
銷售量與價格之間有相關性嗎?
很可能如此。
如果價格下跌,銷售額也可能隨之下降。
因果關係是指一個變數導致另一個變數產生影響。
相關性與因果關係並非同一回事。
讓我們舉一些具體的例子來試著理解
相關性與因果關係的差異。
首先,相關性與因果關係,
有三個要求
如果你開始思考因果推論。
首先,根本就存在關聯性嗎?
這基本上是X與Y之間關聯的證據。
假設 X 為價格,Y 為銷售量。
它們之間有關係嗎?
但這還不夠構成因果關係。
還有兩個其他要求。
一是時間上的先決條件。
X 必須在 Y 之前發生。
因此,如果你想表達價格變動推動銷售,
我們必須能夠說出價格的變動
發生在銷售變動之前。
最後,並不存在第三個因素同時推動這兩者。
換句話說,你需要加以控制
其他可能的因素。
那麼,讓我們舉個例子來試著理解一下
兩者之間的關係
它們之間的差異是什麼?
因此有一個流傳甚廣的故事說,股票,
例如,帶嬰兒。
它通常始於較寒冷的國家
他們過去曾看到,例如
一籮筐的股票正在經歷
突然降落在一棟房子上。
幾個月後,你看到屋裡多了一個嬰兒。
嗯,股票真的會帶來嬰兒嗎?
好吧,讓我們試著理解每個不同的元素
並查看是否真的存在因果關係。
如果你開始思考相關性,
嗯,也許存在某種關聯。
你看到一些房子,屋頂上放著股票。
你看到那棟房子裡有嬰兒。
他們有關係嗎?
它們有關聯。
但這是因果關係嗎?
這就是關鍵問題。
一方面,存在相關性。
股票與嬰兒同住一屋。
有時間上的先行詞嗎?
這也是真的。
股票進來了。
嬰兒會晚一點到。
但是否有一個第三個驅動力在同時推動這兩者?
這正是例如因果關係與相關性所處的位置
以不同的形式出現。
關鍵問題是什麼?
通常,當你開始思考時
關於股票為什麼會放在某個特定的房屋裡,
通常答案可能是,而這
在氣候較冷的國家,通常答案是
可能是那些房子更暖和。
然後你開始思考,為什麼那些房子會更暖和。
通常,那類房子可能會更暖和一些。
因為他們裡面有懷孕的女性。
換句話說,存在一個第三個因素,
房屋保持 reasonably 温暖,這一點
把股票放進去,並放在那棟房子的頂上。
你會看到那個房子裡幾個月後會有一個嬰兒出生。
所以這是關於相關性的,但絕對不是
關於因果關係。
所以這就是其中的關鍵差異。
你開始思考相關性與因果關係的問題。
現在,當你開始思考整個故事的時候,
你也開始考慮起許多其他公司來
可以幫助你區分這兩者。
區分這兩者的關鍵理念是
開始進行野外實驗。
換句話說,你從系統性地開始
操縱價格。
你開始系統性地操控登入頁面
看出它們可能造成的因果影響。
因此,市面上有許多公司
這將幫助你進行這些A-B測試。
一個簡單的例子可能是,如果你
開始思考兩個登陸頁面,登陸頁面 A
與登陸頁面 B 相比,你怎麼做?
區分哪一頁更好?
好吧,這正是你理想中希望做到的事。
一組來到您網站的客戶
將看到登陸頁面 A。另一組客戶隨機
選中的用戶將看到另一個登入頁面,即登入頁面 B。
然後隨著時間的推移,你會看到點擊率,
你看到那些購買記錄了。
這有助於你判斷哪個登陸頁面更優。
這正是許多公司幫助你完成的事情。
例如,Optimizely 是一家公司
這將幫助你進行此項A/B測試。
它會幫助你了解哪個登陸頁面更優。
換句話說,將整體登陸頁面貨幣化
並找出你應該前往的頁面
向您的客戶展示。
還有許多其他公司也是如此
做同樣事情的。
整體而言,當你觀察這個特定的領域時,
許多公司正開始幫助其他公司。
就著陸頁面設計而言,
就網頁整體優化而言,
如此類推。
因此,有很多公司
協助您進行行動裝置的A-B測試。
這裡的重點是什麼?
基本上,在您的行動裝置網站上,
你也想回答哪些登陸頁面更好,
應該顯示哪個圖示,以此類推。
因此,像 Optimizely 這樣的公司可以幫助您實現這一點。
它還擁有許多其他公司。
這可能會做同樣的事。
例如,Limplum 是另一家公司
這確實做同樣的事。
而且還有許多其他競爭對手。
總體而言,當你開始思考時
關於這些不同公司的定價方案,
他們的創業計畫通常都是免費的。
因此,你完全可以獨立進行大量的A/B測試。
如果你開始思考你的整體登陸頁面,
你開始思考整個購買漏斗的問題,
那就是你開始支付大筆金額的時候。
哪一個是企業版?
那麼,問題有哪些種類呢?
這種類型的資料可以回答哪些問題?
第一個是網站優化。
什麼樣的網站、什麼樣的登陸頁面,
應該顯示什麼圖示,以及諸如此類的事
它們應該如何優化?
其次,你可以開始考慮移動應用程式設計。
許多公司正推出行動應用程式。
它們應該如何設計才最為理想?
當然,你也可以將其推向極端。
你可以開始思考了
一般來說,你應該如何設計這個應用程式?
但你也可以開始思考
應用程式有哪些版本?
應向不同客戶展示。
極端的情況將是一對一的行銷。
廣義來說,這些公司都協助您蒐集資料。
透過野外實驗。
換句話說,你正在系統性地操縱
登陸頁面,你可能會操縱結帳頁面,
如此類推,試圖理解
這些系統性變更如何
導致客戶行為的改變。
到目前為止,我們在這個模組中完成了哪些工作?
我們已經探討了三種不同類型的資料收集方法。
(QtCore)
三種不同類型的行銷決策。
首先,我們從探索性數據收集開始
我們談到焦點小組的時候
我們談到了網全域旅游社群。
然後我們進入了描述性數據收集的階段
我們談到問卷調查的時候
我們談到了銷售點資料,
我們談到了與媒體規劃相關的資料。
以此類推。
然後我們最終談到了因果關係。
換句話說,我們討論了田野實驗
以及其他協助您進行現場實驗的公司。
因此,當你開始思考整體概要時
這個模組的內容是關於資料的。
但更重要的是,這是一種協同效應。
你需要回答的問題類型之間
以及最適合回答該問題的資料類型。
務必仔細思考協同效應的重要性
當你開始思考數據的類型時
你想要得到的。
如果你想回答的問題
更具探索性。
你可以進行焦點小組,也可以進行網絡社群。
如果你想要回答的問題類型
更具描述性,換句話說,
你想要具體的數字
就佔有率而言,就話語佔有率而言
然後你需要收集的數據類型
與探索性數據截然不同。
最後,如果你需要回答的問題是
具有更強的因果性,例如,
如果我更改我的登陸頁面,會發生什麼情況?
然後你需要收集的數據類型
更接近於田間試驗。
因此,保持管理目標非常重要。
並考慮數據收集的類型
因為它們具有高度的協同效應。
謝謝。
