这是读《简单统计学》的第 5-4 篇文章。

「啤酒与尿布」是段子，「食盐-人口」模型不靠谱，那基于相关性挖掘数据就没有价值了么？

有的。

下面这个案例就是通过挖掘用户数据的相关性，建立分析模型，帮助公司更好经营的。

你怀孕了，超市知道

2003 年左右，一名愤怒的男子走进明尼阿波利斯的塔吉特超市：

「我要见你们经理，

「我女儿还在上高中，你们却给她发婴儿衣服和婴儿床的优惠券？

「你们是怂恿她怀孕吗？」

超市经理很迷茫，他查看了邮箱，发现塔吉特确实给这个男人的女儿发过育儿用品的优惠券，甚至还有孕妇服的广告。

经理只好道歉，但是在几天后回访的时候，这名愤怒的男子却有点不好意思，因为他的女儿真的怀孕了。

那么，塔吉特是怎么发现孕期女性的呢？

通过数据挖掘，寻找相关性。

塔吉特的统计人员发现，女性在备孕期和怀孕后，会开始购买大量的营养素和没有味道的洗浴用品。

购买行为和用户身体状态有高度的相关性，而且，还有一定的因果逻辑。

统计人员找出了大约 25 种产品，并据此建立了「怀孕预测」模型，估算顾客的预产期。

上面那个愤怒男子的事件，就发生在「怀孕预测」模型建立一年后。

塔吉特这个「怀孕预测」模型的案例来自《纽约时报》的一篇报道，标题是《公司是怎么知道你的秘密的（How Companies Learn Your Secrets）》，作者是商业调查记者查尔斯·杜希格，他也是《习惯的力量》的作者。

单看作者是不是就比较可靠？

而且这个案例有名有姓，十分具体，只有这一个版本，比「啤酒与尿布」靠谱了 10000 个特朗普。

不过，在杜希格写了这篇新闻并且把新闻摘要发给塔吉特之后，塔吉特就把杜希格拉入了黑名单，拒绝他的任何采访。这个举动，意味深刻啊。

那么，这个「怀孕预测」模型有效吗？

新闻里说，在基于「怀孕预测」模型的营销活动开始后不久，塔吉特的母婴产品销量就出现了爆炸式增长。

2002 年至 2010 年期间，塔吉特的收入从 440 亿美元增长到 670 亿美元。2005 年，塔吉特总裁格雷格·施泰因哈费尔（Gregg Steinhafel）也说，「高度关注吸引特定客户群体（如母亲和婴儿）的产品」。

所以，这个基于相关性建立的模型，是有效的，经过了市场验证的。

这么看来，数据挖掘还是很有用的嘛。

不过，先别激动，我们要吸取下「食盐-人口」模型的教训，做出一点怀疑。

毕竟「怀孕预测」模型的因果逻辑并不是绝对的。

比如，开始购买营养素、没有味道的洗浴用品，一定是因为备孕、怀孕引起的吗？

答案当然是否定的。

事实上，在《纽约时报》那篇新闻的评论区，就有反例：

一位没有备孕怀孕的女士，因为总是购买没有香味的洗浴用品和偶尔购买大包的棉球，结果收到了一盒婴儿配方奶粉。

导致这种错误的原因很简单，模型只是模型，只能去寻找符合设定的行为模式，然后做出行动。

更何况这个模型只是根据「相关性」建立的。

由于这位女士的行为符合了预测模型的行为模式，所以系统就机械的邮寄促销产品。

所以，基于相关性的模型并不是 100% 可靠的，也有一定的概率出错。

切记，相关性不代表因果性。

怎么避免商业营销模型的骚扰

虽然相关性模型不是 100% 准确，但现在个人信息的泄露还是难免的。我们在线下线上消费时，也总会被要求填写各种隐私信息。

垃圾短信删也删不完，推销电话也一个接一个。

那，怎么避免营销模型的骚扰呢？

很多的商业分析模型、营销模型都是基于相关性建立的，那么减少相关行为、避免被模型跟踪到就可以了。

比如，用现金，这样消费行为就无法被记录。当然这在咱国内是比较难的。

比如，用虚拟身份。

下次商家收集你的信息的时候，可以写自己芳龄 18，博士毕业，年入 1 个亿。也可以写自己 108 岁，时尚前卫，喜欢打篮球。

混乱的信息会让营销模型难以发现行为模式，也就避免了促销信息。

比如，用小号。

电话填小号、邮箱填小号，微博、微信也设一个小号。这样所有的促销信息都会关联到小号上，即使模型发现你的行为符合了促销的要求，也找不到你。

还记得《容易上当的人，都是聪明人》里面提到的内容吗？

寻找模式是人类的天赋。通过套用模式，我们可以更大限度的消除未知、消除风险。

各种分析模型也是寻找模式，而且相比人类，更加死板、机械化。

从相关性中发现的模式，确实能建立有价值的分析模型，塔吉特就是案例。

但很多时候，模式，特别是基于相关性的模式，并不是 100% 有效的。

所以发现相关性之后，还要考虑下两件事情有没有因果逻辑。

切记，相关性不代表因果性。