相关与因果

因果关系表明X和Y彼此之间存在因果关系。它告诉 X 导致 Y。因果关系也被理解为基础。首先，因果关系是指两种可能性同时发生或相继发生。其次，它告诉这两个变量不仅共同发生，一个的存在驱动另一个显示。

相关性是统计学中的一个词，它指向两个意想不到的变量之间的联系程度。因此，两个数据组之间的相关性是它们相互比较的部分。如果 X 和 Y 增长到在确切的时期被观察到，这表明 X 和 Y 之间存在相关性。这并不表明 A 的理由 B 或反之亦然。它只是告诉当 X 被遵循时，Y 被观察到。他们共同进行或在确切的时间展示。

相关性与因果性的区别

理解相关性和因果关系之间的区别会产生巨大的影响——尤其是当有人对可能是错误的事情做出决定时。比如说，有人想知道上个月的每月活跃用户是否是由当前的 App Store 优化操作产生的，有理由在指令中尝试这个来确定它是相关还是因果关系。

相关性代表变量之间的联盟：当一个变量不同时，另一个变量也不同。相关性是变量之间联系的统计手。这些变量共同变化：它们共同变化。但这种协变不一定是由于直接的或避免的因果关系。

因果关系是指一个变量的变化导致另一个变量的变化；变量之间存在因果关系。这两个变量相互关联，并且它们之间也存在因果关系。相关性并不表示因果关系，但因果关系总是表示相关性。

相关类型

• 正相关：乐观的相关是当您看到 X 增加和 Y 也增加时。或者如果 X 下降，Y 也会下降。

• 负相关：负相关是指 X 的增加导致 Y 的减少，反之亦然。

• 无相关性：无相关性是指两个变量完全不相关，并且 X 的差异表明 Y 没有差异，反之亦然。

相关性与因果关系：如何判断某事是巧合还是因果关系

那么，有人如何尝试数据，以便对因果关系做出可靠的断言呢？有五种方法可以解决这个问题——从技术上讲，它们被称为调查方法。 （记录他们从最强大的技术到最无助的技术）。

• 随机和实验研究

人们喜欢在他们的电子商务应用程序中测试独特的购物教练的情况。观点是，在用户甚至可以查看和消费他们的东西之前有多个阶段，并且这种情况是一个有争议的话题，会阻止他们更频繁地购买。所以他们在他们的应用程序中重建了购物车，如果这会增加用户购买商品的机会，他们喜欢参观。

建立因果关系最方便的方法是组织随机研究。这是一个随机分配人员尝试测试组织的地方。

在实践方法中，有一个管理企业和一个实践小组，两者都具有匹配的条件，但测试一个自变量。通过随机分配某人来尝试测试公司，您可以避免尝试欣赏，因为选择了详细的结果而不是其他结果。

在示例中，一个人会随机分配用户尝试在自己的应用程序中制作原型的新购物车，而管理组将被指定使用现有（旧）购物车。

测试时间过后，查看数据，看看新购物车是否会引导更多投资。如果是这样，人们可以断言一个真正的因果关系：一个人的旧购物车限制了用户完成购买。对于内部利益相关者和决定与之分享结果的其他个人而言，结果将具有最多的事实，特别是因为随机化。

• 准实验研究

但是当有人不能随机分配用户进行分析的方法时会发生什么？这是一种准实验方法。准实验方法有六种，每一种都有不同的应用。这种技术的问题是，如果没有随机化，统计困难就变得毫无意义。人们不能绝对确定结果是由于变量或由于缺乏随机化而带来的问题变量。

准实验分析通常需要更高级的统计程序来获得必要的洞察力。研究人员也可以使用调查、访谈和观察笔记——所有这些都使数据分析过程复杂化。

假设人们正在测试您最新应用程序版本中的用户体验是否比旧 UX 更容易混淆。人们专门使用他们封闭的应用程序测试人员组。 Beta 测试组不是随机选择的，因为他们都举手以获取最新功能。因此，建立相关性与因果关系——或者在这种情况下，UX 令人信服的障碍——并不像使用随机测试分析时那样详细。

虽然科学家可能会因为不可信而忽略这些分析的影响，但人们收集的信息甚至可以让你很好地理解（想想趋势）。

• 相关研究

相关性研究是当人们试图解决两个变量是否相关时。如果 X 增长并且 Y 同样增长，那就是相关性。只要确定相关性并不表示因果关系，就可以了。

例如，人们选择渴望尝试更柔和的用户体验是否与更有用的应用股票评级具有强大的有利相关性。经过观察，人们发现一个上升，另一个也上升。他们并没有告诉 X（流畅的 UX）导致 Y（更合理的评级），他们告诉 X 与 Y 密切相关，也许能量甚至可以预料到它。那是一种相关性。

• 单学科研究

单学科方法更常用于心理学和教学，因为它涉及一个独特的主题。这个问题不是控制和测试公司，而是作为他或她自己的权力。调查员担心试图调整患者的行为或思想。

在移动营销中，单一主题分析的形式可能是要求一个不同的用户尝试新应用质量的可用性。人们可以让他们在现有应用程序上执行一项测量几个持续时间，然后让他们尝试对新应用程序性能进行重复测量。组织数据并查看活动是否在旧应用程序或新应用程序上快速完成。

显然，此方法使用来自一位用户的数据。他们的知识不能推广到所有用户，无论多么适合完美的买家角色。这就是为什么这种类型的分析在商业中很少使用的原因之一。

• 故事

可悲的是，轶事是我们必须证明因果关系的所有证据。您的精力来自支持人员：“客户认为新的用户界面很难使用。这就是他们卸载的原因。” 客户 X 在 Twitter 上：“我们试图在你的应用程序上购买产品，这导致我的手机崩溃！”这里的问题是：虽然他们可能有一个有效的痛苦点，并且可能会在一个有效（并且高度情绪化）的方式，这些故事并不能在没有怀疑 X 导致 Y 的情况下证实。它们实际上只是此时的谣言，并且比其他选择的重要性要低。

移动分析中的相关性与因果性

那么，我们从所有这些相关性和因果关系实例中认识到了什么？有一些方法可以尝试两个变量是相互生成还是相互正相关。如果他们对显示因果关系很严格，那么他们必须使用在大多数事实中显示他们的数据和结果的测试过程。从意想不到的实验程序开始，向下执行他们的课程。并始终观察他们如何相信甚至口头表达您的预测。

有一句拉丁谚语说：“Post hoc, ergo propter hoc”，意思是：“在此之后，因此因此。”观点是，通过在另一个之前传达一个评论，您表明前者推动了后者的发生。 （“他将我的应用评为零星。没有人下载我的应用。”）事实是，它可能只是一种相关性或纯粹的并发性。

如何检查相关性与。因果关系

作为移动营销人员，我们每天都会根据数据做出判断。这些结论指导用户保持使用应用程序或卸载它们。这就是为什么人们在遇到数据时必须绝对相信并小心可能的相关性与因果关系问题。

一个统计短语，用于指导 2 个意外变量之间的联系程度。因此，两个信息集之间的相关性是它们相互比较的数量。

示例问题

问题1：我父亲刚刚向我抱怨：“发短信时，我的手机键盘卡住了。”这个问题与因果关系或相关性有关吗？

回答：

A short look at his smartphone affirmed my doubt: there are four-game apps open at the same time plus WhatsApp and YouTube. The action of attempting to send a text message wasn’t generating the freeze, the lack of RAM was. But my father instantly related it with the last step he was doing before the freeze.

Father was indicating causation where there was only a correlation.

Lack of RAM ⇢  Causation ⇢  Phone Freez ⇢ Correlation ⇢  Text Messaging won’t Work                                              

问题 2： 白天夫人在哪里。罗伊去慢跑了，夫人。罗伊在路上看到更多的汽车。“这是一种因果关系是授权的还是未经授权的？

回答：

Mrs, Roy personally, not Compelling more autos to drive outdoors on the road when she goes jogging. It’s just that because she goes jogging outside, Mrs, Roy sees more autos than when she stays at home. This connection is not cause-and-effect because of neither the autos nor she affects each other.

问题3：查布拉先生喝茶的日子，查布拉先生感觉精力充沛“这是因果关系是授权的还是未经授权的？

回答：

Mr, chhabra can sense more energy because of the tea, sure. But it can also be because Mr, chhabra goes to the tea shop to drink tea, and Mr, chhabra is more energetic at the tea shop than at home when there are a million distractions. This cause-and-effect IS NOT authorized.

问题 4：Sagar 先生锻炼后，Sagar 先生感到身体疲惫。这种因果关系是经过授权的还是未经授权的？

回答：

This is cause-and-effect because Mr, Sagar intentionally forces his body to physical tiredness when doing exercise. The strengths Mr, Sagar used to exercise are exhaustion (effect) after he exercise (cause). This cause-and-effect is authorized.

问题5：当Puja夫人每天喂狗超过3次时，她的狗变重了，这是因果关系吗？

回答：

Mrs, Puja’s dog gets heavier because she is feeding it more. This is a cause and effect. Mrs, Puja feeding her dog treats is the cause and the effect is her dog becomes a little heavier.