先别怀疑分组维度选错了,优先检查两边的分母是不是同一批访问。站长统计里出现“总体转化率下降、每个分组转化率却都上升”这类辛普森悖论,最常见的原因是分组后的分母被过滤条件改写,而总体分母仍是全量。把两个分母的取数口径对齐,矛盾往往当场消失。
假设某站点做一次落地页改版,站长统计的总体报表显示转化率从 4.0% 降到 3.4%,但按设备类型拆成桌面、移动两组后,两组转化率都比改版前高。这种“总体与所有分组方向相反”就是典型信号。
它不代表统计出错,而是提示你:总体和分组用的不是同一个分母。总体可能把改版期间新增的、几乎不转化的流量算了进去,而分组报表只覆盖了其中一部分。方向矛盾越整齐,越说明是口径问题而非真实业务变化。
能造成这种反转的原因基本归为两类,先分清再动手。
站长统计的分组报表常带默认过滤,比如只统计已识别设备、只保留有埋点的页面、只算登录用户。总体报表则可能包含未识别设备、未埋点页面或游客。结果是:总体分母里混进了大量低转化流量,分组分母里却没有它们,于是分组看起来更好。
即使分母口径一致,如果改版期间高转化分组的流量占比大幅下降,总体也会被拉低。此时分组内转化率可以同时上升,总体却下降。这是真实的权重效应,不是口径错误。
关键动作:把总体分母按分组维度完整拆开,核对各分组的分母之和是否等于总体分母。
这个动作的结果直接决定下一步:差额存在时,去查过滤条件而不是去改业务;差额为零时,去查各分组流量占比的时间趋势。
确认存在差额后,逐项对照两个报表的取数设置,重点看四类条件:时间范围是否一致、是否只统计已埋点页面、是否排除未识别设备、是否只包含登录用户。每去掉一个过滤条件就重新核对一次分母之和。
当某个条件去掉后差额归零,就锁定了那个改写分母的过滤项。此时把总体报表也套用同一条件,或把分组报表放开该条件,两者重新可比,结论才能合并使用。若始终无法归零,说明还有未列出的系统级默认过滤,需要回到报表的取数说明核对。
如果分母完全对得上,反转就是结构效应。做法是按分组统计改版前后的流量占比,看高转化分组的份额是否明显缩水。份额缩水而组内转化率上升,说明总体下滑是流量结构变化造成的,不是改版变差。
这时决策方向也要跟着变:不要因为总体数字就回滚改版,而应去查高转化分组的流量为什么减少——是投放渠道变化、入口位置调整,还是某类设备识别率下降。把权重问题当成转化问题处理,会改错地方。
假设改版前总体 10000 次访问、400 次转化;改版后总体 12000 次、408 次转化,总体转化率从 4.0% 降到 3.4%。按设备拆分后,桌面和移动两组转化率都上升。此时先算各分组分母之和:若只有 9000,而总体是 12000,差额 3000 就是新增的低转化流量,它们没进任何分组。这个差额说明问题出在分母口径,而不是设备表现。核对后若把 3000 纳入分组,反转通常消失。
换一种情况:分组分母之和正好 12000,但高转化分组占比从 60% 降到 40%,那反转来自权重,需要转向渠道与入口排查。
遇到分组与总体方向相反,先做分母求和核对,再决定查过滤还是查权重。这个顺序能避免把口径问题误判为业务问题。站长统计里任何一次跨报表比较,都应先确认分母是否同一批访问,再谈结论。把分母对齐后再看方向,才是可以拿去决策的数字。