比较是破解观察数据最有效的工具，但比较有前提：两组得可比。 星巴仕的降价组四家里三家在社区，未降组四家里三家在商圈——两组不在同一个战场上。 这一篇讲比较法的三个条件，以及缺了可比性之后，比较会怎样骗人。
上一篇拿到了两组总额变化，看上去降价更糟。这一篇要问的是：这个「看上去」站不站得住。 「可比性」这个概念会一直用到第 11 章（误差）——那里讲的是模型的误差，这里讲的是比较的误差。
一、只看自己，看不出因果
最朴素的比法是「前后比」：这家店去年 120 万，今年 102 万，跌了 15%，所以降价有害。 问题在于，这一年整个行业都在跌。15% 里有多少是降价造成的，有多少是大环境，这个比法分不开。 没有对照，就没有归因。 前后比只能告诉你「变了」，不能告诉你「为什么变」。
二、两组得在同一个战场上
于是有了组间比：降价的四家对没降的四家。可这个比法要求两组尽量像。
| 维度 | 降价组 | 未降组 | 像不像 |
|---|---|---|---|
| 门店数 | 4 家 | 4 家 | 像 |
| 社区店占比 | 3／4 = 75% | 1／4 = 25% | 不像 |
| 2014 规模 | 400 万 | 390 万 | 像 |
规模差不多，店址差得远。而店址恰恰是决定客流的东西。
三、比较法的三个条件
同时性：两组比的是同一段时间。跨年比会把季节、政策、竞品全混进来。 可比性：除了要研究的因素，两组在别的方面尽量一致。 有对照：至少有一组没被处理，用来给出「什么都不做会怎样」这个背景值。
三条里最容易缺的是第二条。因为它不像缺对照那样一眼能看出来，它藏在字段里。
四、缺了可比性会怎样
缺可比性不会报错，它会安安静静地给你一个错结论。 星巴仕这个例子就是：降价组跌 12.4%，未降组跌 7.5%，看上去降价有害 4.9 个百分点。 实际上降价在两类店里都是更好的选择。方向被彻底颠倒了，而报表上看不出任何异常。
五、可比性可以补
补的办法有两个：一是把两组拆成同类再比（下一篇做），二是重新分组（第 2.7 篇做）。 前者适合数据已经收完的情况，后者要能重来一次。 能重来的时候，一定要重来——因为拆分只能处理你想得到的那些差异。
六、动手 Demo：比较法：破解观察数据的法宝
先算两组总额变化，再算两组的店址构成。第二个表才是关键。 看完你会明白：第一张表的差值，量的是店址，不是降价。
stores = [('S01', 'community', True, 120.0), ('S02', 'community', True, 110.0),
('S03', 'community', True, 90.0), ('S04', 'downtown', True, 80.0),
('S05', 'downtown', False, 130.0), ('S06', 'downtown', False, 100.0),
('S07', 'downtown', False, 85.0), ('S08', 'community', False, 75.0)]
rate = {('community', True): -0.15, ('community', False): -0.18,
('downtown', True): -0.02, ('downtown', False): -0.05}
now = [s[3] * (1 + rate[(s[1], s[2])]) for s in stores]
print('组 家数 社区店 商圈店 变化')
for cut in (True, False):
idx = [i for i, s in enumerate(stores) if s[2] == cut]
com = len([i for i in idx if stores[i][1] == 'community'])
a, b = sum(stores[i][3] for i in idx), sum(now[i] for i in idx)
print('%-6s %d %d %d %+.1f%%'
% ('cut' if cut else 'keep', len(idx), com, len(idx) - com,
(b / a - 1) * 100))
实跑输出：
--------------------------------------------------------------------
比较法：破解观察数据的法宝
--------------------------------------------------------------------
① 只看自己，看不出因果
--------------------------------------------------------------------
有人会说：降价那四家跌了 12.4%，不降价那四家跌了 7.5%，差别一目了然。
可这个比法有一个前提：两组店除了降不降价，别的都一样。
这个前提成立吗？先看店址。
② 两组的店址构成完全不同
--------------------------------------------------------------------
| 组 | 门店数 | 社区店 | 商圈店 |
|---|:---:|:---:|:---:|
| 降价 | 4 家 | 3 家（75%） | 1 家（25%） |
| 没降 | 4 家 | 1 家（25%） | 3 家（75%） |
降价组四家里三家在社区，没降组四家里三家在商圈。
两组根本不在同一个战场上。
③ 比较法的三个条件
--------------------------------------------------------------------
| 条件 | 意思 | 这里满足吗 |
|---|---|---|
| **同时性** | 两组在同一段时间里比 | 满足 |
| **可比性** | 两组除研究因素外尽量像 | **不满足**，店址差太多 |
| **有对照** | 有一组没被处理 | 满足，但有偏 |
! 比较是破解观察数据的法宝，可比性就是这个法宝的把手——把手断了，法宝就废了。
④ 那还能不能救
--------------------------------------------------------------------
能，但要往下拆：把「店址」这个变量固定住，在同类店内部比。
这就是下一篇要做的「拆分数据块，管理混杂因素」。
降价组社区店 3 家，未降组 1 家——这个差比销售额的差重要得多。 先查分组均衡，再看结果差异，这个顺序不能反。反了就会把一个店址差异当成降价效果。
30 秒实验
- 把降价组改成全在商圈、未降组全在社区，两组的总额变化会不会调个个儿？
- 只保留商圈店（四家），重算两组变化，差值还剩多少？
- 想一想：如果两组连规模也不一样（400 万对 200 万），该怎么比才公平？
常见误区
- 只做前后比：没有对照组，把行业趋势全算成了自己的功劳或罪过。
- 用总额比而不看结构：总额 = 规模 × 变化率，规模差异会被误读成效果差异。
- 以为「样本量一样」就等于可比：4 家对 4 家只是数量齐，结构可能完全不同。
- 先看结果后查分组：这会让你的判断被第一眼看到的差值锚住，后面再怎么查都带着偏见。
自测三问（点开对答案）
1. 比较法的三个条件是什么？ —— 同时性、可比性、有对照。最容易缺的是可比性，因为它藏在字段里，不报错。 2. 为什么「降价组跌得更多」这个结论是错的？ —— 因为降价组里社区店占 75%，而未降组只占 25%，社区店本身跌得更多。差值量的是店址。 3. 缺可比性时，报表上会出现异常吗？ —— 不会。它会安静地给一个错结论，数字干净、逻辑通顺，只有把数据拆开才会露馅。可比性缺在店址上，那就要把店址拆开。 拆之前先看一眼手里的另一份数据——那份问卷，它藏着一个更隐蔽的错误。
- ☐ （本篇完，下一篇 2.3 价值感与典型客户）