忽略常见原因谬误

两个现象同时波动，很容易只在两者之间找因果，却忽略了背后可能有一个共同的、看不见的第三方原因在同时驱动两者，这就是忽略常见原因谬误——比如冰激凌销量和电力使用都在夏天达到高峰，不代表制冷激凌耗电，而是天气炎热同时推高了两者。案例：某游戏社区App的DAU在9月1日突然大幅下滑，排查了产品故障、渠道质量、统计口径都没有答案，直到联想到用户主体是学生、9月1日正是开学日，才找到了真正的常见原因。发散：这类谬误特别容易在”只盯着两个指标本身”的排查思路里发生，突破口往往不在数据内部而在数据之外——先把已知的直接原因排查完之后，还要主动问一句”这两件事有没有共同的第三方原因”，尤其要联想到时间节点、用户群体属性这类容易被忽视的背景变量。