第 28 题：长期价值（LTV）评估，Cohort 分析 vs 因果推断方法的适用边界？
题目
长期价值(LTV)评估，Cohort分析 vs 因果推断方法的适用边界？
完整讲解
一、LTV 评估目标
估计用户/群组的长期价值（如总付费、留存、生命周期贡献），用于资源配置、补贴与运营决策；难点在于长期需等待、混淆（如活跃用户本身就更可能付费）。
二、Cohort 分析
- 做法：按** cohort**（如注册时间、首次行为时间）分组，跟踪各组随时间的累积指标（留存、付费、LTV 曲线）；比较不同策略/产品下的 cohort 曲线。
- 适用：描述性、趋势对比、自然实验前后对比；不控制混淆，只能看相关性。适用于「策略或产品明显按时间/批次切换」、且混淆较弱的场景。
- 边界：无法回答「若没上这个策略，LTV 会怎样」；选择偏置、同期其他因素会干扰。
三、因果推断方法
- 做法：PSM（倾向得分匹配）、DID（双重差分）、IV（工具变量）、Uplift 模型等，估计因果效应——策略对 LTV 的净影响。
- 适用：需要因果结论、做预算与 ROI 决策时；有随机化或可假设「条件独立」的混淆控制时。
- 边界：需满足识别假设（无未观测混淆、SUTVA 等）；数据与设计要求高；长期结果观测晚、损耗大，因果估计方差大。
四、选用
- Cohort：快速看趋势、做描述、自然实验的初步对比；不强调因果时用。
- 因果方法：要做策略归因、预算分配、AB 解读时用；有随机化优先 RCT，否则 PSM/DID 等，并明确假设与局限。
面试要点
- Cohort：按群组跟踪曲线，描述与对比；不控混淆，相关非因果。
- 因果方法：PSM/DID/IV 等，估策略净效应；需识别假设与数据。
- 边界：描述用 Cohort；归因与决策用因果方法。
记忆要点
- Cohort = 群组+时间曲线，描述性。因果 = 效应估计，需假设。
- 适用：趋势用 Cohort；归因与 ROI 用因果。