在营销实践中，我们经常面临各种阈值决策：
- 价格阈值：定多少钱最合适？
- 促销阈值：满多少减多少效果最好？
- 广告阈值：投放多少才能达到最优 ROI？
今天介绍的断点回归设计 (Regression Discontinuity Design, RDD) 方法，可以帮助我们科学地回答这些问题。
什么是断点回归设计？
RDD 的核心思想是：利用某个阈值前后的变化来识别因果效应。
通俗理解
电商平台设置"满200减30"的促销活动。用户刚好花了200元和201元，享受到的优惠只差了30元，但实际支付只差了1元。
RDD 就是利用这种"刚好过线"和"刚好没过线"的对比，来估计促销活动的真实效果。
RDD 的两种类型
1. 精确断点回归 (Sharp RDD)
在阈值处，接受处理的概率从 0 跳到 100%。
2. 模糊断点回归 (Fuzzy RDD)
在阈值处，接受处理的概率发生显著变化，但不一定是 0 到 100%。
营销应用场景
场景1：最优定价
案例： 某在线课程定价分析
通过 RDD 分析发现：
- 价格从 99 元涨到 100 元时，转化率下降 15%
- 价格从 199 元涨到 200 元时，转化率下降 8%
- 最优价格：199 元
场景2：满减活动门槛
案例： 某电商平台"满减活动"分析
- 临界点在 100 元左右
- 低于 100 元时，用户购买意愿显著下降
- 最优门槛：100 元
场景3：广告投放阈值
案例： 某品牌的广告投放分析
通过 RDD 发现：
- 月预算 20 万元：ROI 2.8（临界点）
- 最优预算：20 万元/月
实际操作步骤
第一步：确定处理变量和阈值
第二步：收集数据
第三步：带宽选择
第四步：估计效果
第五步：稳健性检验
总结
断点回归设计 (RDD) 是发现最优营销策略的利器：
- 发现关键阈值：价格、预算、门槛的最优值
- 量化边际效应：临界点前后的效果差异
- 优化营销决策：基于数据而非直觉
掌握 RDD 方法，让你的营销策略更加精细化。
下期预告： 我们将讲解事件研究法，帮助评估品牌活动对市场的影响。敬请期待！
