相关文章链接：
一图讲清因果推断方法论，无法 AB 测试时分析的万能钥匙
数据运营36计(一)：生存分析与用户行为如何联系起来
数据运营36计(二)：如何用合成控制法判断策略实施效果
数据运营36计(三)：熵权法如何确定指标权重构建评价体系
数据运营36计(四)：互联网广告渠道归因分析之Shapley Value
数据运营36计(五)：马尔可夫链对营销渠道归因建模，R语言实现
数据运营36计(六)：BG/NBD概率模型预测用户生命周期LTV，Python实现
数据分析36计(七)：营销增益模型(uplift model)如何识别营销敏感用户群，Python实现
数据运营36计(八)：断点回归(RDD)评估产品设计效果
数据分析36计(九)：倾向得分匹配法(PSM)量化评估效果分析
数据分析36计(十)：Facebook开源时间序列预测算法 Prophet在分析师中热门使用
数据分析36计(11)：如何用贝叶斯概率准确提供业务方营销转化率
数据分析36计(12)：做不了AB测试，如何量化评估营销、产品改版等对业务的效果
数据分析36计(13)：中介模型利用问卷数据探究用户心理过程，产品优化思路来源
数据分析36计(14)：A/B测试中的10个陷阱，一不注意就白做
数据分析36计(15)：这个序贯检验方法让 A/B 实验节约一半样本量
数据分析36计(16)：和 A/B 测试同等重要的观察性研究：群组研究 VS 病例-对照方法
数据分析36计(17)：Uber的 A/B 实验平台搭建
数据分析36计(18)：Shopify如何使用准实验和反事实来优化产品
数据分析36计(19)：美国生鲜配送平台【Instacart】如何实现按时配送——使用分位数回归
数据分析36计(20)：优化新财年广告预算，乘法营销组合模型的Python实现
数据分析36计(21)：Uber、Netflix 常用倍差法模型量化营销活动、产品改版影响效果
数据分析36计(22)：分析师入门常见错误 "幸存者偏差"，如何用匹配和加权法规避
数据分析36计(23)：长期转化率 A/B 实验的问题，用边际结构模型纠正后结论反转
数据分析36计(24)：因果推断结合机器学习估计个体处理效应
数据分析36计(25)：微软开源 DoWhy 之因果分析快速入门
数据分析36计(26)：传统行业数据分析，沃尔玛如何用马尔可夫链优化拣货流程
数据分析36计(27)：分析师与用户研究员，玩转定量研究和定性研究，落地研究结论
数据分析36计(28)：Python 使用 Flask+Docker， 100行代码内实现机器学习实时预测