因果推論：準実験

因果推論：準実験' can be condensed to Causal Inference Quasi-experiment

プロダクトマネージャーがA/Bテストを行い忘れた場合、今何をすべきですか？

この記事は、因果推論のための準実験を使用する方法についての一連の記事の第1部（私がどのくらい長く話すかによってn部になる可能性があります）です。簡単に言うと、第1部では準実験の理由と方法、およびPSMなどのアプローチを適用する際に関わるニュアンスを説明します。第2部では、準実験の制約事項や、それに基づいた意思決定時に注意すべき点についてもっと詳しく話します。また、外挿バイアスを克服するのに役立つ異質な影響推定のフレームワークを提案します。第3部についてはまだ確定していません。

また、他の準実験について説明している記事に出くわすこともあるかもしれませんが、私なりの方法で説明しようとします。一読してみてください。

なぜ因果推論が必要なのですか？

製品や機能の開発とローンチのコストは、最終的には消費者へのポジティブな影響によって正当化されます。そのため、プロダクトマネージャーが「私たちの最新の機能ローンチによって売上が12%増加したことをお知らせすることを喜んでいます！」などと主張することは驚くべきことではありません。

素晴らしいと思われるかもしれませんが、正直に言って、ほとんどの上級マネージャーはそんな主張を真実として受け入れることに満足しています。今日の私の目標は、これらの主張の背後にある因果推論の方法をより深く理解するようにあなたを説得することです。因果推論をより理解することで、ユーザーや会社に対して製品や機能がもたらす影響をより適切に評価することができるようになります。

• ガンベルソフトマックスを使用した離散分布を持つ変分オートエンコーダ（VAE）
• 感情予測のためのFine-Tuned LLM — 分析と評価の方法
• Langchain、Weviate、およびStreamlitを使用してカスタムAIベースのチャットボットを構築する

ChatGPTがプロダクトにおいてなぜ因果推論が必要かについて述べていることを見てみましょう：

因果推論によって、製品チームはデータの相関を単に観察するだけでなく、製品のパフォーマンスに影響を与える因果メカニズムをより深く理解する力を持つようになります。（私が作成できるものよりも驚くほど簡潔に表現されています）

ここで本当に言及する価値のある一つの側面は、相関と因果関係の考え方です。

相関は因果関係を意味しません。（まだ目をそらさないでください）

正直に言って、私たちの多くがそれを言っていて、何を意味するのかわかっていると思っています。誰かが私たちに尋ねると…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!