详细内容或原文请订阅后点击阅览
分析零售销售转移以及因果影响：倒车的案例研究
应用因果推断来衡量产品不可用对零售销售转移的零售分析以及因果影响的分析：Carrefour的案例研究首先是迈向数据科学的案例研究。
来源:走向数据科学披露：我在家乐福工作。本文中表达的观点是我自己的。介绍的数据和示例是在我的雇主许可的情况下发布的，不包含任何机密信息。
披露：商店的分类是出售给客户的完整而多样的产品。基于各种因素，例如：经济状况，消费者趋势，盈利能力，质量或合规性问题，续签某些产品范围，股票水平，季节性变化等。
当商店货架上不再可用产品时，其一些销售可能会转移到其他产品。对于像家乐福这样的主要食品零售商而言，至关重要的是要准确地估算这种销售转变，以管理由于产品无法获得并近似损失而造成的损失的风险。
此测量是产品不可用的后果的指标。此外，它逐渐建立了销售转变影响估计的宝贵历史。
然而，估计销售转变很复杂。客户行为 - 受难以预测的情绪因素的影响 - 某些产品的季节性或引入新产品都会影响销售转变。此外，许多产品在所有商店中都无法同时获得，因此无法建立控制人群。
由Google团队开发的因果影响合成控制方法符合我们分析框架的特殊性。它使我们能够将产品不可用对影响因素的销售影响隔离，并且适用于准实验和观察性研究。基于贝叶斯结构性时间序列模型，因果影响执行反事实分析，计算出对销售的影响，因为在产品变得无法使用后观察到的销售之间的差异，并且通过合成控制，如果产品保留可用，则可以观察到的销售。
i）指定用例
图1： iv）模型设计 目标 8.7％图1：
iv）模型设计