Освой методы управления из Google, Facebook, Tesla и Amazon
group 39 equalizer 5

Корреляция и причинно–следственная связь 📊 — в чем разница этих понятий

🔥 Бизнес–обучение в вашем смартфоне Доступно в Google Play и App Store
Станьте крутым лидером и руководителем
  • Освойте методы управления из Google, Facebook, Tesla и Amazon.
  • Приобретите 14 управленческих компетенций, необходимых для работы руководителем в крупных компаниях и стартапах.
⚡️ НАЧАТЬ ОБУЧЕНИЕ
Корпоративные тренинги от 142 600 рублей

В чем разница между корреляцией и причинностью? Как это влияет на ваше управление продуктом?

Разберем на примерах, в чем заключается эта разница, почему она важна, и как это использовать в продуктовом менеджменте.

ПОЛУЧИТЕ БЕСПЛАТНО 100+ СТАРТАП–ИНСТРУМЕНТОВ
🔥 Доступ к Google–диску, со всеми материалами компании LeadStartup
  • Таблица расчета юнит–экономики стартапа и PnL компаний.
  • Постеры ведущих подходов к управлению — Agile, Scrum, LeanKanban.
  • Постеры методов запуска стартапов — Lean Startup и Customer Development.
  • ТОП 20 основополагающих книг по менеджменту и стартапам.
  • 100+ эссе по управлению разработкой новых продуктов.
  • Карта компетенций руководителя стартапа и digital–продуктов.
  • ... и еще сотня полезного материала и инструментов. Бесплатно.

Корреляция против причинности: понятие разницы для ваших продуктов

Хотя причинность и корреляция могут существовать одновременно, корреляция не подразумевает причинности.

Корреляция и причинность могут показаться обманчиво похожими. Но понимание различий между ними может стать решающим фактором, чтобы грамотно расставить приоритеты между бесполезной тратой усилий на ненужные функции и созданием продукта, о котором ваши клиенты не будут переставать мечтать.

В этой части мы сосредоточимся на корреляции и причинно–следственной связи, поскольку это относится конкретно к созданию цифровых продуктов и пониманию поведения пользователей. Это будет полезно менеджерам по продуктам, специалистам по анализу данных и аналитикам. Поможет сформировать правильные представления о развитии продукта, например, таких, как: влияние определенных функций на удержание клиентов и процесс взаимодействия с ними.

После прочтения этой статьи вы будете:

  • знать ключевые различия между корреляцией и причинно–следственной связью;

  • понимать основные различия между корреляцией и причинно–следственной связью;

  • иметь два надежных решения, которые ваша команда сможет использовать при проверке причинно–следственной связи.

Бесплатный вебинар — от идеи до первых продаж за 1 неделю, без бюджета
  • Упаковка ценностного предложения, расчет экономики и создание лендинга.
  • Техники бомж–маркетинга, для получения первых продаж без бюджета — сделаем несколько продаж прямо на вебинаре.

В чем разница между корреляцией и причинностью?

Несмотря на то, что причинность и корреляция могут существовать одновременно, корреляция не подразумевает причинности. Причинность явно применима к случаям, когда действие A вызывает результат B. С другой стороны, корреляция — это просто взаимодействие. Действие A относится к действию B, но одно событие не обязательно влечет за собой другое событие.

Корреляция и причинность

Корреляцию и причинность часто путают, потому что человеческий разум любит находить закономерности, даже когда их нет. Мы часто применяем эти паттерны, когда две переменные оказываются настолько тесно связанными, что одна зависит от другой. Это подразумевает причинно–следственную связь, в которой зависимое событие является результатом независимого события.

При этом, мы не можем просто подразумевать причинность, даже если видим два события, происходящих, казалось бы, вместе, перед нашими глазами. Во–первых, наши наблюдения носят абсолютно анекдотичный характер. Во–вторых, существует много других возможностей для ассоциации, в том числе:

  • Верно обратное: B на самом деле вызывает A;

  • Оба действительно коррелируют, но есть что–то еще;

  • A и B коррелируют, но на самом деле — они вызваны C;

  • Есть еще одна переменная: A действительно вызывает B — до тех пор, пока происходит D;

  • Происходит цепная реакция: A вызывает E, что приводит E к причине B (но вашими глазами вы видели только то, что A вызывает B).

Бесплатный вебинар — как не потерять деньги при запуске бизнеса
  • Lean Startup, Customer Development и Юнит–экономика.
  • Как получить деньги с первых продаж до запуска бизнеса.
  • Как формулировать сильные бизнес–идеи и гипотезы.

Пример корреляции и причинно–следственной связи в аналитике продуктов

Вы можете ожидать, что установите причинно–следственную связь в своем продукте, где конкретные действия или поведение пользователя приводят к определенному результату.

Представьте себе: вы только что запустили новую версию вашего мобильного приложения. Вы делаете ключевую ставку на то, что удержание пользователей вашего продукта связано с социальной активностью в приложении. Вы просите свою команду разработать новую функцию, которая позволит пользователям присоединяться к «сообществу».

Через месяц после того, как вы запустите эту возможность и объявите о новой функции «сообщества», охват составит около 20% от процента всех пользователей. Интересуясь, влияют ли «сообщества» на удержание клиента, вы создаете две равные по размеру группы со случайно выбранными людьми. В одной группе есть только пользователи, присоединившиеся к «сообществам», а в другой — только пользователи, не присоединившиеся к «сообществам».

Ваш анализ принесет шокирующее открытие: пользователи, которые присоединились хотя бы к одному «сообществу», удерживаются со скоростью, намного превышающей удержание среднестатистического пользователя.

Почти 90% тех, кто присоединился к «сообществам», все еще находятся на уровне Дня-1 по сравнению с 50-тью % тех, кто этого не сделал. На 7-ой день вы видите 60% удержания в группе присоединившихся к «сообществу» и около 18-ти % удержания среди тех, кто в них не вступал в него. Это похоже на массовый переворот.

Но погодите–ка. Рациональный ВЫ знаете, что у вас недостаточно информации, чтобы сделать вывод о том, является ли присоединение к «сообществам» причиной для наилучшего процента удержания. Все, что вы знаете — это то, что эти две ситуации взаимосвязаны между собой.

Бесплатный вебинар — современные методологии управления из Google, Facebook, Tesla и Amazon
  • Основы Agile–мышления, фреймворка Scrum и Kanban–метода.
  • Будет полезно предпринимателям, менеджерам и профессионалам, которые хотят быть востребованными на рынке.

Как проверить причинно–следственную связь в вашем продукте

Причинно–следственные связи не происходят случайно.

Может возникнуть соблазн связать две переменные как “причину и следствие”. Но если делать это без подтверждения причинности и при в надежном анализе, процесс приведет к обширной проверке соотношения между зависимой и независимой переменными.

Ложноположительный эффект – явление, где причинно–следственная связь кажется существующей, но на самом деле ее нет. Это может произойти, если вы не будете тщательно проверять связь между зависимой и независимой переменными.

Ложноположительные данные являются проблемой при создании информации о продукте, поскольку без тщательного тестирования вы рискуете в дальнейшем принимать важные решения, относящиеся к продукту, на основании неверных сведений о поведении пользователя.

Это может ввести вас в заблуждение, создав иллюзию того, что вы понимаете связь между важными результатами и поведением пользователей.

Например, вы можете думать, что знаете, какое конкретное событие приводит к долгосрочному удержанию пользователя, но без тщательного тестирования вы рискуете принять важные решения в отношении продукта, полагаясь на неверные данные о поведении пользователя.

Проведите надежные эксперименты для определения причинно–следственной связи

Как только вы установите корреляцию, вы сможете проверить причинно–следственную связь. Сделать это можно, проведя тесты, которые “проверяют другие переменные и выявляют разницу”.

Два примера таких эксперимента или анализа, которые вы можете использовать для выявления причинно–следственной связи с вашим продуктом:

  • Проверка гипотез;

  • A/B/…-n эксперименты.

1. Проверка гипотез

Самое простое тестирование гипотезы будет включать: H0 (нулевую гипотезу) и H1 (вашу основную гипотезу). Вы также можете иметь вторичную гипотезу, третичную гипотезу и так далее.

Нулевая гипотеза является противоположностью вашей основной гипотезе. Почему? Пока вы не можете доказать свою основную гипотезу со 100% уверенностью (самое близкое, что вы можете получить, — это 99%), вы можете опровергнуть свою нулевую гипотезу.

Основная гипотеза указывает на причинно–следственную связь, которую вы исследуете, и должна распознавать независимую переменную и зависимую переменную.

Лучше всего – это для начала создать свой H1, а затем определить его противоположность и использовать ее для вашего H0. Ваш H1 должен определить соотношение, которое вы ожидаете между независимыми и зависимыми переменными.

Итак, если мы используем предыдущий пример влияния социальных функций на удержание внутри приложения, ваша независимая переменная будет присоединяться к «сообществам», а ваша зависимая переменная будет инструментом сохранения.

Итак, ваша гипотеза может быть такой:

H1: если пользователь присоединяется к «сообществу» в рамках нашего продукта в первый месяц, то он будет оставаться клиентом более одного года

Затем отрицайте H1, чтобы сгенерировать нулевую гипотезу:

H0: нет никакой связи между присоединением к сообществу в приложении и удержанием пользователя

Цель заключается в том, чтобы наблюдать любое значимое различие между вашими гипотезами. Если вы можете отклонить нулевую гипотезу со статистической значимостью (в идеале с уверенностью не менее 95%), вы становитесь ближе к пониманию взаимосвязи между независимыми и зависимыми переменными.

В приведенном выше примере, если вы можете отклонить нулевую гипотезу, обнаружив, что присоединение к сообществу привело к более высоким коэффициентам сохранения (с поправкой на переменные, которые могут повлиять на ваши результаты), то вы, вероятно, можете заключить, что существует некоторая связь между «сообществами» и удержанием пользователей.

Чтобы проверить эту гипотезу, создайте уравнение, которое будет точно отражать связь между ожидаемой причиной (независимая переменная) и следствием (переменная результата). Если ваша модель позволяет вам добавить значение для вашей переменной и последовательно возвращать результат, который отражает фактические наблюдаемые данные, вы, вероятно, к чему–то пришли.

Когда использовать проверку гипотез?

Проверка гипотезы полезна, когда вы пытаетесь определить, действительно ли существует взаимосвязь между двумя переменными, а не полагаетесь на несуразные доказательства. Вы можете посмотреть историю собранных данных, чтобы выполнить продольный анализ, который рассматривает изменения с течением времени.

Например, вы можете проверить, являются ли первые пользователи с момента запуска вашего продукта крупнейшими промоутерами. Вы можете просмотреть паттерны, а также сравнить эту связь с работой продукта с течением времени.

Или можно запустить перекрестный анализ, который анализирует общую картину.

Это полезно, когда вы смотрите на последствия конкретного воздействия и результата, а не на изменения тенденций в течении определенного периода. В качестве примера можно изучить взаимосвязь между рекламными акциями, связанными с праздником, и количеством продаж.

2. A/B/n Эксперименты

В качестве альтернативы, A/B/n -тестирование может привести вас от корреляции к причинно–следственной связи. Посмотрите на каждую из ваших переменных, измените одну и посмотрите, что произойдет. Если ваш результат постоянно меняется (с той же тенденцией), вы нашли переменную, которая имеет значение.

Эндрю Чен говорит об этом так: «после того, как вы нашли модель, которая работает в вашем случае, следующий шаг – это попробовать проверить ее. Сделайте что–то, что определяет приоритет входной переменной и увеличивает его, возможно, за счет чего–то еще».

Он продолжает: «посмотрите, будут ли эти пользователи в результате более успешным. Если вы видите большую разницу при измерении вашего успеха, то вы к чему–то пришли. Если же нет, то, возможно, это не очень хорошая модель».

Когда речь заходит о том, что присоединение к «сообществам» приводит к повышению коэффициента сохранения, необходимо исключить все другие переменные, которые могут повлиять на результат.

Например, пользователи могли опираться на другой фактор или причину, что в конечном итоге и повлияло на процент сохранения.

Чтобы проверить наличие причинно–следственной связи, необходимо найти прямую связь между пользователями, присоединяющимися к сообществам, и теми, кто будет использовать ваше приложение в долгосрочной перспективе.

Начните с притока новых пользователей. Создайте возможность выбора для следующих 1000-и пользователей, которые зарегистрируются, а затем разделите их на две группы. Половина будет вынуждена присоединиться к «сообществам», когда они впервые зарегистрируются, а другая половина может регистрироваться без присоединения к «сообществу».

Проведите эксперимент в течение 30-ти дней, а затем сравните показатели сохранения между двумя группами.

Если вы обнаружите, что группа, которая была вынуждена присоединиться к сообществам, имеет более высокий уровень сохранения, то у вас есть доказательства, необходимые для подтверждения причинно–следственной связи между присоединением к «сообществам» и сохранением клиентов. Это соотношение, вероятно, стоит анализировать и дальше, чтобы понять, почему «сообщества» могут сохранять пользователей.

Вы не будете уверены во взаимосвязи, пока не выполните эти эксперименты.

Когда использовать A/B/n тесты?

A/B/n или сплит–тестирование, идеально подходит для сравнения влияния различных факторов (это может быть акция, функция продукта или стратегия контента).

Например, сплит–тест притока пользователей вашего продукта может сравнить эффективность различных стратегий, на основе определенных данных, включая:

  • Копирование вариаций;

  • Различные графики;

  • Использование стороннего приложения для автоматического распознавания имени и компании ваших пользователей;

  • Уменьшение количества полей в форме регистрации (если она у вас есть).

После запуска нескольких вариантов адаптации продукта вы сможете посмотреть на результаты, чтобы сравнить такие показатели, как: коэффициент отсева, конверсию и даже сохранение.

Заключение и рекомендации

Действуйте, основываясь на правильных корреляциях, для устойчивого роста продукта

Мы всегда ищем закономерности вокруг нас, потому наша цель по умолчанию — быть в готовыми объяснить все, что мы видим. Однако, если причинность не может быть четко определена, следует предположить, что мы видим только корреляцию.

События, которые кажутся связанными, если придерживаться здравого смысла, не могут рассматриваться как причинные, если вы не можете доказать их четкую и прямую связь.

Хотя причинность и корреляция могут существовать одновременно, корреляция не подразумевает причинности.

Чем более опытным вы становитесь в определении истинных корреляций внутри вашего продукта, тем лучше вы будете расставлять приоритеты в ваших усилиях, направленных на вовлечение и удержание пользователей.

Agile Scrum тренинг
⭐️ — Качественное корпоративное обучение Agile–практикам управления
от 142 600 рублей Россия Европа Китай
Lean Startup Customer Development Юнит–экономика Jobs To Be Done MVP за 2 месяца Agile Scrum Design Thinking OKR Growth Hacking Lean Product Management LeanKanban
⚡ Ответим вам по электронной почте в течение 30 минут
По телефону — мгновенно, ежедневно с 9:00 до 20:00
— Обожаем работать на результат с теми, кто отвечает за EBITDA, ROI, CLTV, прирост доли рынка и продажи.
⭐️
Проводим корпоративное обучение Agile–практикам управления и обучаем продуктовому мышлению
ВТБ
HomeCredit
TUI
Лаборатория Знаний
Cauri Payment Systems
Play!
Musicabinet
Мандариновая Лиса
DETTKI
MIRRAR
Lanit интеграция
LaNature
NAMM
MMS
120 Секунд
12 Storeez
Альфа Банк
AMS
BAT
CTF
DTK
ICL
IKEA
KT.Team
KT.Team
MTS
OTK
Platron
Platron
Ростелеком
Toyota Bank
VSB
VSLH
X5
Сбербанк
Universal University

Enterprise Agile Coach

Обучаем Agile–коучей в крупных организациях работе в сложных условиях, крупных проектах и ограничениях.
Enterprise Agile Coach

Certified Agile Professional

Базовый тренинг по гибким подходам к управлению — Agile, Scrum и Kanban, с обучением самостоятельному внедрению.
Certified Agile Professional

Lean Customer Development

Обучаем методологии развития потребителей из кремниевой долины, для роста конверсий и продаж.
Lean Customer Development

Дизайн Мышление

Обучаем методу быстрого создания и тестирования новых продуктов и решений, в тесном контакте с потребителями.
Дизайн Мышление

GetKanban Game

Обучаем основам Канбан–метода через игровой симулятор GetKanban — оставляем вам комплекты после обучения.
GetKanban Game

Growth Hacking

Обучаем запуску петель роста продуктовых и экономических метрик, в связке с онлайн–маркетингом.
Growth Hacking

Jobs To Be Done

Вы научитесь понимать для решения каких задач клиенты покупают и используют ваши продукты.
Jobs To Be Done

Kanban System Design

Программа обучения Kanban–методу, с созданием канбан–досок, форматов тикетов и воркшопом по внедрению.
Kanban System Design

Professional Scrum Product Owner

Обучение роли Владельца Продукта в Scrum — управлению продуктом с позиции бизнеса и продуктовым метрикам.
Professional Scrum Product Owner

Lean Startup Professional

Обучение бережливому запуску новых продуктов — проходим путь от идеи до продаж за 1 неделю.
Lean Startup Professional

OKR — Objectives & Key Results

Базовый тренинг по методологии выравнивания всех сотрудников компании вокруг амбициозных целей.
OKR — Objectives & Key Results

Professional Scrum Foundations

Обучение сотрудников теории и практике Скрама, с проработкой процесса внедрения и первого спринта.
Professional Scrum Foundations

Professional Scrum Master

Обучение Скрам–мастеров запуску «пилотных» команд и достижению быстрых побед при внедрении Скрама.
Professional Scrum Master

Проведение «кастдева»

Проведем проблемные и глубинные интервью с клиентами — системное исследование ваших потребителей.
Проведение «кастдева»

Проведение ретроспективы

Проведем ретроспективу для вашей компании, с целью выработки шагов по улучшению процессов и культуры.
Проведение ретроспективы

Трекинг продуктовых команд

На протяжении трёх месяцев будем помогать вашим продуктовым командам достигать кратного роста прибыли.
Трекинг продуктовых команд