Facebook/Meta DS/DA面经中：父母parent加入后的影响 or 父母加入对小孩留存的影响

背景：19年找工作面试的时候，遇到这道老大难问题，当时真的很疑惑不知道怎么做，各种找资料找人问都没有答案，当时作为萌新还是比较痛苦的。如今已经从事DS工作两年了，对因果推断方法论和应用都有了一定的熟练度。现在再回顾这道题，把我的思路放在下面，希望帮到“迷路人”。

问题：meta分析发现，父母加入后似乎会让小孩减少玩facebook的时间甚至流失不来了。怎么去评估这个事情是否是真的？

个人解法：
一、前提假设：得先确认一个问题：能否做AB？理论上可能不好做AB，因为父母是否加入没办法被作为treatment去控制，你就算随机分流划分了一批实验组，也会有转化率极低导致实验无效的可能性。（当然转化率较低可以尝试PSM的方法这里不深究，我们就当作不太好做AB）。这里我们讨论利用历史数据怎么去评估这个事情？
. 1point3acres
二、传统对比方案（存在偏差）：
选定一个时间节点，比如5月1日，父母加入的小孩们（实验组） VS 父母一直没加入的小孩们（对照组），对比在接下来一周的指标，比如人均停留时长、人均分享次数、留存率等等。 【这种传统对比方法存在问题，没有随机分流导致实验组和对照组本身小孩行为就可能存在差异，导致结论失真】

三、优化的对比方案：【DID：Difference in Difference（双重差分法）】
同样的开局：选定一个时间节点，比如5月1日，父母加入的小孩们（实验组） VS 父母一直没加入的小孩们（对照组）。但不同的是，我不仅取5月1日后一周作为“AB test”，我还取5月1日前一周数据作“AA test”。利用“AB test”的值 减去 “AA test” 的值计算出DID均值差，还可对此均值差计算显著性。（DID的显著性怎么计算这里不赘述，DID的可靠性还需要用平行检验做一个评估确认，具体可在网上搜索快手双重差分方法论，想了解具体怎么实现可以再交流）。这样一来其实就解决了两个群组本身存在差异的问题。

总结：在互联网大厂里，大部分策略会通过AB实验去验证效果。但其实很多场景里有单纯AB解决不了的问题，比如treatment不可控、比如转化率太低等等，为此衍生出了很多其他的因果推断方法比如PSM、PSM-DID、合成控制法、工具变量法等等。

这个思路好好，想给楼主加分但加不了