目标群体分析，怎样记录改动前后的基线
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /59613f8b60e1.html
📄
目标群体分析，怎样记录改动前后的基线
记录改动前后的基线，关键不是把改动当天所有数字截一张图，而是先固定同一批目标群体、同一统计口径和同一观察窗口，再分别保存改动前与改动后的原始数据、分组定义和采集时间。缺少其中任何一项，前后对比都可能把人群变化、季节波动或统计口径变化误判成改动效果。
常见误解：把改动前后的截图当成基线
很多人做目标群体分析时，习惯在改版前截一张后台总览，改版后再截一张，然后直接比较总量。这种做法的问题在于，截图只保留了结果，没有保留口径。比如改动前统计的是“访问过某页面的全部用户”，改动后统计的是“完成某关键行为的用户”，两个数字即使同源，也不属于同一群体。
更隐蔽的问题是群体本身会流动。改动可能吸引新用户进入，也可能让原有用户离开。如果只看总量，新增和流失会互相抵消，看不出哪一类目标群体真正发生了变化。因此基线必须记录“谁被算进来”，而不只是“一共有多少”。
先定义目标群体和统计口径
在动手记录之前，先把下面几项写成固定文本，后续每次采集都照此执行：
- 群体定义：例如“近30天内至少完成一次核心行为的注册用户”，写清时间窗和行为条件。
- 数据来源：站内统计、搜索引擎报告或第三方估算要分开标注，不能混在一张表里直接相减。
- 指标口径：分子是什么、分母是什么、去重规则是什么，逐条写明。
- 观察窗口：改动前取哪几天，改动后取哪几天，是否避开节假日或大促。
这些内容看起来琐碎，但它们决定了改动后的数字能不能和改动前放在一起比较。口径一旦变化，基线就失效了。
用分层记录代替单一总数
目标群体分析最怕把不同人群揉成一个总数。可行的做法是按维度分层记录，每一层都保留改动前和改动后的值。例如：
- 新用户与回访用户分开记录；
- 不同来源渠道分开记录；
- 不同设备类型分开记录；
- 核心行为完成者与未完成者分开记录。
分层之后，即使总量没有明显变化，也可能看到某一层明显上升、另一层明显下降。这种结构变化往往比总量更能说明改动影响了谁。
可执行步骤：建立一份基线记录表
假设你要对一个已有页面做结构调整，可以按以下步骤操作：
- 改动前，确定统计周期，例如连续14天，并记录起止日期。
- 按上述维度导出分层数据，保存原始文件，不要只保留汇总后的数字。
- 在记录表中写明每列的含义、数据来源和导出时间。
- 改动上线后，保持同一口径，采集同样长度的观察窗口。
- 对比时先检查口径是否一致，再比较各层变化，最后才看总量。
如果改动后某层数据缺失，不要用其他层的数据推算补齐，而应标注为缺失，并说明缺失原因。缺失本身也是判断结论可靠性的依据。
判断结果时要注意的条件
即使基线记录完整，也不能直接断定变化由改动引起。以下情况会让对比失真：
- 改动前后覆盖的日期处于不同季节或促销周期；
- 同期还上线了其他改动，无法区分各自影响；
- 数据来源在中途更换，例如从站内统计换成第三方估算；
- 目标群体的定义在改动后被悄悄调整。
遇到这些情况，应把结论限定为“在该口径和该窗口下观察到的变化”，而不是“改动导致了该变化”。如果条件允许，保留一个未改动的对照群体或对照页面，能帮助排除部分外部波动。
下一步，先把你当前项目里正在使用的群体定义和指标口径写成一页说明，再按这份说明补录改动前的分层数据。口径写不清楚的地方，就是后续对比最容易出错的地方。
