页面流量：访客被分配到不同版本时怎样识别样本污染

📍 WDQWDWQD987AAAAA:142.132.135.121
📱 Mozilla/5.0 (compatible; QlyzeBot/1.0; +https://app.qlyze.io/bot)
🔗 /a1da43836f12.html
📄

识别样本污染的关键不是看总流量涨跌，而是验证分流是否随机、各版本样本是否可比。一旦发现分配比例偏离预期、或某一版本的系统性差异集中出现，就不能直接把两版页面流量的差异归因于改动本身。

矛盾现象：总量没变，分版指标却整体偏移

假设你正在让旧页面逐步退出，只保留其中仍有价值的部分，于是把访客随机分到旧版和精简版。几天后总访问量基本持平，但精简版的停留时长、跳出率、转化率同时比旧版好出一截。这个结果有两种解释。

第一种是改动确实有效：精简版删掉了干扰内容，访客更快找到目标。第二种是样本污染：进入两个版本的访客本来就不是同一类人，差异来自分配环节，而不是页面本身。两种解释都会表现为“分版指标有差距”，只看结果无法区分。

样本污染最常见的来源是分配逻辑本身。检查进入分流的入口是否统一：如果旧版仍被旧链接、旧入口或旧合作关系持续带入访客，而新版只从站内新入口获得流量，那么两版面对的访客来源结构就不同。此时即便分配代码写的是各占一半，实际到达的样本也不可比。

可执行的动作是：记录每个版本访客的来源渠道、设备类型、新老访客比例，按入口分别对比。如果旧版明显多出某一类来源，而新版没有，说明污染发生在分流之前。下一步应先把入口统一或按来源分层后再比较，而不是继续扩大样本量。

分流逻辑正常时，各版本的实际分配比例应接近设定值。假设设定为五五分流，在样本量足够的前提下，两版占比长期大幅偏离，就提示分配环节可能出了问题，例如缓存、跳转或重定向让部分访客反复进入同一版本。

这里要注意一个判断边界：比例偏差本身不能单独证明污染。样本量小、统计波动、特定时段流量集中，都可能造成短期偏离。更可靠的证据是偏差是否稳定、是否与来源或设备相关。若某类设备总是进入同一版本，这比单纯的比例偏差更能说明问题。

要区分“改动有效”和“样本污染”，需要把差异拆到来源和分配两个层面。可以按以下顺序核对：

如果差异只在某个来源上出现，而该来源只进入其中一个版本，那更可能是样本污染；如果差异在所有来源、所有设备上都稳定出现，且分配比例正常，才更支持改动本身有效。

在旧内容或旧合作关系需要退出的场景里，污染往往来自“退出不彻底”：旧入口还在，但新版没有对应承接，导致两版访客结构不同。一个可行做法是先把旧入口全部指向同一分流层，再观察各版本是否可比。若统一入口后分版差异明显缩小，说明此前主要是样本污染；若差异仍然存在，才值得继续保留并放大精简版中有效的部分。

需要提醒的是，站内统计、搜索引擎报告与第三方估算的口径并不相同，某一指标归零或跳变也可能来自统计方式变化、抓取波动或过滤规则调整，不能只凭单一指标就断定分流正确或改动有效。识别样本污染的核心始终是：先证明样本可比，再谈版本差异。