目标用户分析：分组后结论与总体相反时怎样查分母
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /f36082a20a31.html
📄
目标用户分析：分组后结论与总体相反时怎样查分母
先别急着推翻总体结论，也别急着相信分组结论。分组与总体方向相反，最常见的原因是两组的分母不同：总体按“全部进入页面的人”算，分组却按“完成了某个前置动作的人”算。先把每个数字的分母写出来，再决定要不要合并或拆分。
第一步：把每个百分比还原成分子和分母
假设你手里有一张转化表：总体转化率 12%，其中新访客 8%、老访客 20%。这看起来矛盾，其实可能只是老访客的基数小。把 12% 写成“120 / 1000”，把 8% 写成“40 / 500”，把 20% 写成“80 / 400”，三者立刻能对上。此时总体更像两组按人数加权的平均，而不是一个独立事实。
实际操作是：在表格里新增两列，一列填分子（完成目标的人数），一列填分母（进入该分组的人数）。凡是只给了百分比的单元格，都补回绝对数。补不回来的，先标记为“口径待查”，不要参与结论比较。
第二步：确认三处分母是否指同一批人
同一张表里出现相反结论，通常卡在三个位置：
- 时间分母：总体用的是整月，分组用的是最近七天。
- 入口分母：总体包含所有来源，分组只统计了站内搜索进入的人。
- 去重分母：总体按设备去重，分组按访问次数计数，同一人可能被算多次。
判断方法很直接：把每个分母的筛选条件写成一句话。如果两句话描述的不是同一批人，相反结论就不成立，只是两个不同问题的答案。这一步做完，你才能判断是该修正分组，还是该修正总体。
第三步：用辛普森式反转做一次分母核对
下面是一个假设例子，数字只用于说明比较方法。某页面总体转化 10%（100 / 1000）。拆成移动端和桌面端后：移动端 5%（20 / 400），桌面端 13.3%（80 / 600）。分组都低于总体，看起来“总体被高估了”。但把分母换成“完成注册的人”：移动端 20 / 100（20%），桌面端 80 / 500（16%），方向又反了。
原因在于，两处分母对应的漏斗层级不同。第一组分母是“进入页面的人”，第二组分母是“完成注册的人”。哪个分母更接近你的决策问题，就用哪个。若你要判断投放渠道的拉新效率，用“进入页面的人”；若你要判断注册后的付费意愿，用“完成注册的人”。
第四步：把候选分母做成可核对的证据链
不要只写“口径不同”就结束。留下能复核的痕迹：原始导出文件、筛选条件、生成时间、去重规则。第三方估算流量、搜索引擎报告与站内统计口径不同，三者对不上时，优先以站内日志或后台明细为准，同时保留另外两份作为旁证。请求量或某项统计归零，也可能是埋点未触发、过滤器误伤或导出区间为空，不能单独证明处理正确。
一个可执行动作是：给每个分母编号，例如 D1=全部进入页面的人，D2=完成注册的人，D3=完成注册且七日内回访的人。之后所有结论都标注用的是哪个编号。这样下次再出现相反结论，你能直接定位是分母换了，还是结论真的变了。
第五步：根据决策代价选择保留哪个结论
如果两个分母都成立，就要看用错哪个代价更大。用于预算分配时，错用分母会直接放大或缩小某个渠道的收益预期，此时应选与预算消耗同一批人的分母。用于产品改版判断时，错用分母会把“注册后流失”误判成“页面不吸引人”，此时应选与改版动作直接相关的那一层分母。
选择之后，把另一套分母的结果作为备注保留，而不是删除。备注能提醒你：这个结论只在特定分母下成立。若后续数据出现反转，先检查分母定义有没有被改动，再检查分组人数有没有跨层混入。完成这一步，下一步才是决定是否调整分组维度或补充埋点。
