历史背景。 自2020年代以来，电子商务的演变将焦点从即时交付（当日送达）转向可持续物流，订单合并减少碳足迹和最后一公里的成本。早期实验亚马逊日和类似服务表明，交付的自愿合并吸引了低紧迫性消费的用户，这在评估对产品指标的影响时创造了内生性。传统的A/B测试方法在强制合并情况下变得不适用，因为物流基础设施需要对整个区域进行大规模的路线优化，而不是针对个别用户。
问题陈述。 在实施合并系统（例如，仅在星期二和星期五交付）时，出现了缺乏随机分配的问题：在实施区域中的用户在地理位置距离仓库和耐心等待程度上系统性不同。此外，存在空间溢出（spillover）风险，当用户在没有合并的情况下将交付地址更改为工作或亲友的地方，打破了SUTVA（稳定单位处理值假设）。需求的季节性和高收入地区的物流优化启动相关性进一步扭曲了对真实因果效应的评估。
详细解决方案。 为了隔离效应，采用阶段性差异中的差异（DiD）方法，按物流区域逐步实施（推进），其中实施前的时期作为实施后的对照。通过事件研究分析度量在实施时刻之前的动态趋势是重要的，以确保未来的处理组和控制组之间没有差异化趋势。为每个区域构建合成控制，选择具有类似历史订单动态的捐赠区域，但不计划实施，从而模拟反事实并提高评估的稳健性。
为了修正部分合规性，使用工具变量回归（IV回归），其中工具变量（Z）是用户所属的实施区域（分配），预测实际使用合并（D），而结果（Y）是留存或购买频率。这使得能够评估LATE（局部平均处理效应）——对因实施而改变行为的用户（合规者）的影响，与**ITT（意图处理效应）**形成对比，后者显示服务提供的效果。通过商品类别（冲动商品与囤积商品）进行异质性分析有助于将真实需求下降与跨期替代（intertemporal substitution）区分开。
一个家电市场在三个大城市启动了交付合并的试点，旨在降低30%的物流成本。分析人员在比较接受合并的用户（处理组）和拒绝的用户（控制组）时面临扭曲：采用者有更低的历史购买频率和更高的平均交易额，这显示出计划购买者的自我选择。简单比较会显示出虚假的留存率下降，而实际上，行为可能是稳定的，但由于选择偏差而被扭曲。
第一个选项 — 在区域内部实施前后的指标直接比较（前后分析）。优点在于实施简单，且无需从其他区域收集数据即可快速获得结果。缺点很明显：无法将合并效应与需求的季节波动和用户基础的整体增长趋势分开，从而在启动时期与节假日或促销活动重合时导致系统性估计偏差。
第二个选项 涉及在固定日期对实施区域和非实施区域进行横断面比较。优点包括通过单一数据切片控制时间趋势的可能性，以及不需要控件区域的长历史。缺点与选择实施区域标准相关，这些标准是高订单密度和用户忠诚度，这导致选择偏差比例偏重，使得组别在基础特征上不可比。
第三个选项 使用阶段性DiD与倾向得分匹配和合成控制。优点在于可以将非实施区域用作对照组，从而保持区域和时间固定效应，而匹配改善了与前期趋势特征的可比性。缺点包括在时间上具有异质效应时验证平行趋势假设的复杂性和相邻区域之间的空间相关性风险，其中用户可能会更改交付地址。
选择的解决方案和结果： 选择了第三种方法，并在物流区域边界（RDD样式边界分析）中额外使用IV回归以确保局部有效性。这使得能够隔离来自购物行为和服务水平的区域差异效应。分析显示，合并的真实效应是交易频率下降8%（而不是简单分析得出的15%），但由于合并小额订单，平均交易额增长了22%。留存率保持在控制组水平，证明了扩展服务到其他区域的可行性，预计将产生经济效益。
通过实施，公司将物流成本降低了35%，通过优化路线补偿了订单频率的下降，提升了平均交易额。基于所得系数的预测模型能够计算出在不同人口密度的新区域启动的盈亏平衡点。该方法论被接受为评估物流创新的标准，特别是在无法进行经典A/B测试的情况下。
如何区分客户购买频率的真实下降与跨期替代（intertemporal substitution），当用户只是将购买推迟到下一个交付窗口时？
候选人的回答往往忽视需求的动态特征，并假设月份内的频率下降等同于客户流失。需要通过较长滞后（180天以上）分析用户队列，并区分商品类别：对于易腐烂或冲动型商品（零食、配件），推迟等同于流失；而对于计划购买（家电），这只是时间上的转移。从方法论上讲，应使用分布滞后模型或通过计算基于定期消费类的物品的家庭库存天数指标来分析“囤积”行为。如果90天内产品总数减少——说明需求流失；如果总数保持不变，但订单间隔增加——则为替代现象。
如何考虑空间污染（spillover effects），当用户在没有合并的情况下将交货地址更改为工作或朋友在相邻区域，以便更快获取商品？
标准的DiD假定处理组对控制组没有影响，但在实际中，“处理”组的用户可能会借用“控制”组的地址进行紧急订单，从而向上扭曲控制指标。解决方案是地理过滤：仅分析那些“稳定”家庭地址的用户（历史>6个月未更改），并排除混合订单（在另一区域交付）。另一个选择是使用空间DiD，权重与到区域边界的距离成反比，或仅分析距离边界>50公里的区域（donut RDD），在这些区域，溢出最小。
如何在部分合规性（partial compliance）背景下正确解释ITT（意图处理效应）与LATE（局部平均处理效应）之间的差异，尤其是当并非所有用户在实施区域内都使用合并时？
候选人经常混淆“服务提供效应”和“实际使用效应”。ITT评估在实施区域内所有用户的效果，包括那些忽视了该功能的用户，适用于扩展业务案例。LATE（通过工具变量回归，工具为“区域内服务存在”）仅评估对合规者的效果——那些因实施而改变行为的用户。如果合规性较低（例如，30%使用合并），则ITT相比于该功能用户的真实效应会被低估3倍。报告两者的数据很重要：ITT用于预测扩展的整体业务影响，LATE则用于理解对特定采取决策的用户细分的价值。