上周,我们有机会看到Moz创始人Rand Fishkin在名为“为什么伟大的营销者必须是伟大的怀疑论者”的会议上举行法庭。虽然整个演示文稿很棒(正如Fishkin所期望的那样),但其中一个部分特别引起了我们的注意:

相关性与因果关系之间的差异。

作为数据科学家和分析师,这是我们工作线中极为重要的区别。不了解两者之间的差异会导致首席执行官,营销副总裁和销售经理做出他们自己的事情 认为 是正确的决定。实际上,如果不了解相关性和因果关系之间的区别,那么这些决策可能是错误的,而且成本高昂。

不要犯那些错误。请继续阅读以获取有关关联和因果关系之间巨大差异以及如何发现它们的入门知识。

定义

  • 相关性– 两件或多件东西的相互关系。在统计和数据分析中,定义进一步完善。相关性(通常表示为数字)描述了两个或多个变量之间关系的大小和方向。

  • 因果关系– 指示一个事件是另一事件发生的结果。也称为“因果”–第二件事被理解为第一件事的直接后果

为什么这在销售和营销数据分析中如此重要

销售和市场经理分析数据以从他们所做的事情中得出可行的见解,以便他们可以调整它们以提高效率或效果–“这项运动在产生潜在客户方面有多有效?” “当我的潜在客户代表将每日通话量增加20%时会发生什么?”

错误地解释某些行动的因果关系或推论效应可能会产生错误的效应,从而基于这种分析而产生后续决策的多米诺骨牌效应。如果您沿着错误的路径走了一步,那么随后的每一步(基于您对路径的初始和错误选择)都会使您离想要的地方越来越远。

在演讲中,兰德·菲什金(Rand Fishkin)强调说,最好的营销人员和销售副总裁对数据分析持怀疑态度。他还打破了他认为不好的怀疑者和好的怀疑者之间的区别:

  • 持怀疑态度的人 不要质疑什么是真正的因果关系,什么仅仅是相关的因果关系。在进行实验或分析时,他们认为一个信念增强数据点足够证据,并寻求其他验证(或无效)。

  • 好怀疑论者 知道两者之间的区别,并且这种关联并不意味着因果关系。他们试图找出背后的背后原因的原因。他们不怕–甚至欢迎它!–证明他们的假设是错误的。

让我们看一个真实的销售示例。假设某个销售组织的外向勘探团队的每个代表每天都要进行100次拨号。希望扩大销售渠道的销售经理决定将每日配额增加20%–现在,每个代表每天可以拨打120个电话。

在实施了这一新的每日配额后一周,该管道的数量大大增加,比前一周的管道数量增长了20%。销售经理很高兴!在进行更多的调用与生成更多的管道之间似乎存在直接的关联。这位引以为傲的销售经理向首席执行官致辞,称他使销售渠道增长了20%,因为他将销售代表的每日通话配额增加了20%。

但是,如果管道的增加与配额的增加完全没有关系怎么办?也许不断增长的渠道可以归因于新的清理清单,该清单也与新配额目标在同一周推出。也许是该清单是管道增加的真正原因,而不是要求更高的配额。

持怀疑态度的人会看到第一个数据点 似乎 肯定他的假设–“更多的表盘将导致更多的渠道!”–并带到银行(和首席执行官)。另一方面,一个好的怀疑论者会注意到这种相关性,并尝试向下钻取以找到真正的因果变量(如果有)。

这可能包括对具有相同列表的较小配额进行A / B测试,具有不同列表的较大配额进行A / B测试,在这些列表上同时具有最佳和表现欠佳的销售代表等。只有通过测试并进行更多测试,他才能确定哪些内容不断增长的管道的真正原因是,以及他如何在未来重用它。

 

在数据分析中做出错误和决策的最大问题之一是将这些错误加进未来的决策中。因此,关键是早日成为足够好的怀疑论者,并了解相关性和因果关系之间的差异,这样您就不会首先犯下第一个错误或承担假设。

成为一个好的怀疑论者。了解关联和因果关系之间的区别。

 

最近的帖子