В прошлых постах мы говорили про вопросы, результаты и мышление. Теперь про механику, которая делает выводы убедительными.
На самом деле, вся статья Cool People — это аккуратно замаскированный difference-in-differences (DiD), даже если авторы не называют его так напрямую.
1️⃣ Где здесь difference-in-difference
Есть две оси сравнения:
Ось 1 — тип оценки
cool
good
Ось 2 — наличие признака
есть (cool / good)
нет (not cool / not good)
Авторы считают:
разницу cool – not cool
разницу good – not good
А потом сравнивают эти две разницы между собой.
Формально:
(cool − not cool) − (good − not good)
убираем «общую положительность»,
оставляем специфический эффект крутости.
2️⃣ Почему это сильнее обычного сравнения средних
Если бы авторы просто показали, что «у крутых выше экстраверсия», то мы бы не знали: это эффект крутости,
или просто эффект позитивной оценки человека.
3️⃣ Почему их визуализация — эталон
Ключевые графики в статье выглядят просто:
точки = размер эффекта,
линии = 95% доверительные интервалы,
синий = cool vs not cool,
красный = good vs not good.
Но в них есть три важных качества:
1. Видно размер эффекта, а не только факт
Глаз сразу считывает: где эффект большой, где маленький, где перекрываются интервалы. Никаких «таблиц на 3 экрана».
2. Видна логика сравнения
На одном графике сразу оба эффекта, и расстояние между ними. Читателю не нужно «держать в голове» несколько чисел.
3. График отвечает на вопрос статьи
График не декоративный. Он буквально визуализирует гипотезу: «Какие признаки больше про cool, чем про good?»
Это редкое качество, когда визуализация не про данные, а про вопрос.
4️⃣ Что из этого взять в прод-аналитику
Практические уроки:
сравнивайте разницы, а не уровни;
визуализируйте эффекты, а не сырые метрики;
показывайте доверие к оценке, а не только среднее;
делайте график так, чтобы он сам отвечал на главный вопрос.
📌 Если график требует долгого объяснения — он плохой.