相关不等于因果，这句话说起来简单，做起来常被忽略。两个指标同步变化，可能是因果，也可能有共同原因，或者纯属巧合。基于相关做决策，风险不小。
观察性数据容易产生混杂。比如冰淇淋销量和溺水人数正相关，背后是气温在起作用。分析时要把混杂因素纳入模型，或通过分层、匹配控制其影响。
因果推断依赖实验或准实验设计。A/B 实验是黄金标准，随机化切断了混杂路径。无法做实验时，断点回归、双重差分、工具变量是常用替代方法。
做增长分析时尤其要小心。渠道投放增加、销量上升，不代表投放有效，可能是季节性因素。用因果方法验证，结论才可靠。
