通过因果中介分析在 A/B 测试中识别与估计直接与间接效应
应用统计
2020-06-23 v1 统计理论
统计方法学
统计理论
摘要
电子商务公司拥有众多在线产品，如自然搜索、赞助搜索和推荐模块，以满足客户需求。尽管这些产品各自为用户提供了与整体库存一部分交互的独特机会，但它们对用户而言是相似渠道，并竞争用户有限的时间与预算。为优化用户在电子商务平台上的整体体验，相较于单独理解并改进不同产品，重要的是深入洞察某一产品的变更会引致用户在其它产品中改变行为的证据，这可能源于这些产品功能相似。本文引入因果中介分析作为一种形式化统计工具以揭示底层因果机制。现有文献对 A/B 测试中常见的多个未观测且因果依赖中介变量情形鲜有指导。我们寻求一种新方法来识别此类场景下的处理直接与间接效应。最后，我们在 Etsy 真实 A/B 测试数据中展示了所提方法的有效性，并阐明了不同产品间的复杂关系。
引用
@article{arxiv.1906.09757,
title = {The Identification and Estimation of Direct and Indirect Effects in A/B Tests through Causal Mediation Analysis},
author = {Xuan Yin and Liangjie Hong},
journal= {arXiv preprint arXiv:1906.09757},
year = {2020}
}
备注
Accepted by The 25th ACM SIGKDD Conference on Knowledge Discovery and DataMining (KDD '19), August 4-8, 2019, Anchorage, AK, USA