跳到正文
Li Tan
Essays

文章

关于测量、实验、因果推断,以及 AI 增强的数据工作。

2026 1 篇
  1. 我 pipeline 里藏着的幻觉 AI 写出来的代码看着对,有时候是对,经常不对。你的工作就是抓住它。AI 的上限,取决于你的 review 水平。 4 分钟
2025 9 篇
  1. A/B 之外:没法做实验,如何衡量真实的产品影响 当随机化不可能时,因果推断方法依然能揭示真实影响。这是我测量非典型产品变更的做法。 3 分钟
  2. 关于 DMA 测试的一些想法 设计真正能用的地理实验:从一线 DMA 测试经验里学到的事。 2 分钟
  3. 从 Insight 到行动 弥合分析和业务决策之间的裂缝:如何让你的发现真正推动改变。 3 分钟
  4. AI 准备好取代营销数据分析师了吗? 从一线使用者的视角看 AI 在营销分析里的当前能力和边界。剧透:你的饭碗暂时安全,但工作内容会变。 3 分钟
  5. 异常检测:一个实用速览 时间序列异常检测的实战指南。从最朴素的规则,到统计学方法。 2 分钟
  6. MTA 与 LTA 之间 理解多触点归因与末次触达归因的权衡。 3 分钟
  7. 给 VP 及以上汇报的经验谈 向资深高管呈现数据洞察学到的教训:如何在顶层高效沟通。 3 分钟
  8. 与代理商共建 MMM:入门提示 怎样和外部代理商合作做营销组合模型,而又不把方法论的控制权拱手让出。 2 分钟
  9. 营销是艺术还是科学? 这个永恒辩题,从一个数据分析师的视角看。为什么答案会影响你怎么测量。 3 分钟