A5SEO分析，访客被分配到不同版本时怎样识别样本污染
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /0daef7da6269.html
📄
A5SEO分析，访客被分配到不同版本时怎样识别样本污染
先给结论：在A5SEO分析里，识别样本污染的关键不是看总量差多少，而是先确认每个访客是否被稳定分配到同一版本。只要同一访客、同一会话或同一来源在不同时间落入不同版本，后面的对比就同时混入了人群差异和分流差异，结论不能直接照搬到规模化场景。此时应优先保留分流日志，再决定是改写对比口径还是退出这轮对比。
先判断污染来自分流，还是来自人群本身
样本污染有两种常见来源。第一种是分流不稳定：同一个访客第一次看到A版，第二次看到B版，或者同一来源的访客被随机切到两边。第二种是人群不均衡：分流本身稳定，但两版拿到的访客在设备、地域、入口页或意图上明显不同。两者都会让指标出现差异，但处理方式不同。
可区分的证据是分流日志与访客标识的对应关系。假设一个短例子：某落地页把新访客按随机数分到A、B两版，日志里同一匿名标识在两次访问中分别命中A和B。这个现象说明分流层没有保持稳定，属于污染来源一。反过来，如果同一标识始终命中同一版本，但B版来自移动端的比例明显更高，那更可能是人群不均衡，属于来源二。这个例子只用于说明判断方法，不代表任何真实项目结果。
需要强调的是，第三方估算流量、搜索引擎报告与站内统计口径不同，不能把其中任何一个数字直接当作分流正确性的证明。分流是否稳定，要看访客标识与版本分配是否一致，而不是看总访问量是否接近。
保留、改写还是退出：三种取舍的适用前提
识别出污染来源后，不必急着下结论，可以按下面的条件选择动作。
- 保留：分流稳定、人群差异可解释，且差异不影响你要回答的问题。例如你只关心表单提交这一末端动作，而两版在设备分布上的差异已被单独分层查看。此时可以保留数据，但要在结论里写明分层条件。
- 改写：分流稳定，但人群不均衡。可以把对比改成同设备、同来源、同入口页内的比较，或把不均衡变量作为分层维度单独看。改写的前提是每个分层里有足够样本，否则只是把污染挪到更小的格子里。
- 退出：同一访客或同一会话被反复分配到不同版本，且无法从日志还原稳定分组。此时继续对比只会放大噪声，退出这轮对比、先修分流逻辑，比硬解释差异更省事。
三种动作不是必须全选。多数情况下，先判断分流是否稳定，再决定改写还是退出，比直接保留全部数据更稳妥。
用一条可核查的证据链替代单指标判断
识别样本污染时，建议按以下顺序收集证据，而不是只盯一个指标：
- 确认访客标识是否在多次访问中保持同一版本分配。
- 确认同一会话内是否出现版本切换。
- 确认两版在设备、地域、来源、入口页上的分布是否接近。
- 确认分流日志的时间戳是否与统计口径的时间范围一致。
这条链的作用是区分“分流坏了”和“人群本来就不一样”。如果第1、2步就发现版本漂移，后面几步只能说明污染程度，不能证明对比有效。如果第1、2步稳定，而第3步显示分布差异明显，那么下一步应做分层改写，而不是直接退出。
还要注意：请求量、抓取量或某项统计归零，不能单独证明分流处理正确。归零也可能来自统计口径变化、日志延迟或过滤规则调整。把归零当作唯一证据，容易把口径问题误判成分流问题。
规模化前必须写清的边界
个别样本成立，不等于规模化后仍成立。小样本里分流稳定，可能是因为访客量小、路径单一；一旦放量，来源结构、设备结构和访问时段都会变化，原本稳定的分组可能被冲散。因此，在把结论用于更大范围前，至少写清三条边界：
- 结论只适用于分流日志能稳定对应访客标识的场景。
- 结论只适用于人群分布差异已被分层查看或可解释的场景。
- 结论不适用于同一会话内出现版本切换的场景。
如果这三条里有任何一条不成立，先不要照搬结论。实际动作是：把分流日志按访客标识重新聚合，检查版本漂移比例；如果漂移集中在某个来源或某个时段，就先把该来源或时段单独隔离，再决定是否继续对比。这个动作的结果会直接影响下一步——漂移可控就改写分层口径，漂移不可控就退出并先修分流逻辑。
样本污染不会因为多跑几天就自动消失，它只会被更多数据掩盖。先确认分配是否稳定，再决定保留、改写还是退出，才是A5SEO分析里更可靠的顺序。
