第二章　归因前置条件与数据准备：数据源确认、埋点规范、时间窗口、样本量要求

归因分析的可信度完全取决于数据基础的完整性、准确性与一致性。在开展任何归因计算之前，必须系统性地完成数据源确认、埋点规范审查、时间窗口设定与样本量校验四项前置准备。本章按照标准操作流程（SOP）提供从数据就绪到归因启动的完整操作指引，确保每一环节可执行、可验证、可追溯。

2.1　适用场景

本章操作适用于以下典型场景：

• 新功能上线评估——AI 功能首次发布后，需要量化其对核心指标（转化率、留存、GMV 等）的影响。
• 功能迭代优化——已有功能的重大版本更新，需要评估新版本的效果提升幅度。
• 资源投入决策——多团队并行开发的功能，需要归因分析以确定资源分配优先级。
• 跨团队协作归因——涉及产品、算法、运营、工程多方的归因项目，需要统一数据基础与口径。

2.2　前置条件

开始本章操作前，需确认以下条件已全部满足：

1. 归因目标与 KPI 已明确定义（参考第一章输出）。
2. 归因模型已选定（首次点击 / 末次点击 / 多触点 / 时间衰减等）。
3. 数据源系统可访问（业务数据库、埋点系统、日志系统、第三方平台 API）。
4. 数据访问权限已获取（至少具备读权限，建议具备临时写权限用于校验）。
5. 埋点规范文档已归档（事件定义、参数说明、触发条件、版本记录）。

2.3　操作步骤

步骤一：数据源确认与评估

梳理所有可能包含归因所需信息的数据源，评估其完整性、准确性与时效性。使用以下清单逐一核对：

完成确认后，输出 数据源确认清单，标记每个数据源的状态（正常 / 异常 / 不可用）。

步骤二：埋点规范审查与对齐

将实际埋点数据与埋点规范文档进行比对，确保 事件命名、参数定义、触发时机 三者完全一致。采用以下操作流程：

1. 导出最近 7 天的原始埋点数据（JSON 格式），提取事件名与参数集合。
2. 与埋点规范文档逐条比对，记录差异。
3. 对差异项进行分级（阻断性 / 非阻断性），阻断性差异必须修复后方可进入下一步。

// 埋点规范对比样例（JSON 格式）
// 规范定义的事件结构
{
  "event": "ai_feature_click",
  "params": {
    "feature_id": "string",
    "source_page": "string",
    "timestamp": "int64"
  }
}

// 实际采集到的事件（发现 missing field: source_page）
{
  "event": "ai_feature_click",
  "params": {
    "feature_id": "rec_123",
    "timestamp": 1712054400000
  }
}
// → 阻断性差异：缺少 source_page，归因无法定位来源

输出 埋点规范对齐报告，记录差异项、修复责任人及修复时间。

步骤三：时间窗口设定

根据归因目标与业务特性，定义 归因周期、回溯窗口 和 转化延迟 三个核心参数。参考下表确定初始值：

输出 时间窗口定义文档，包含参数取值、设定理由及后续调整触发条件。

步骤四：样本量计算与校验

基于预期最小效应量与统计显著性要求，计算归因分析所需的最小样本量。使用以下参考公式（两样本比例检验）：

n = (Z_α/2 + Z_β)² × [p₁(1-p₁) + p₂(1-p₂)] / (p₁ - p₂)²

其中：
  Z_α/2 = 1.96  （α = 0.05，双尾）
  Z_β   = 0.84  （β = 0.20，统计功效 80%）
  p₁    = 对照组预期转化率
  p₂    = 实验组预期转化率（p₁ + 最小效应量）

实际操作中可使用 Python 快速计算：

import math

def min_sample_size(p1, p2, alpha=0.05, beta=0.20):
    z_alpha = 1.96  # 双尾
    z_beta = 0.84
    p = (p1 + p2) / 2
    numerator = (z_alpha + z_beta)**2 * (p1*(1-p1) + p2*(1-p2))
    denominator = (p1 - p2)**2
    return math.ceil(numerator / denominator)

# 示例：对照组 3% 转化率，预期提升 0.5 个百分点
print(min_sample_size(0.030, 0.035))  # 输出: 10241

输出 样本量计算报告，包含参数取值、计算结果与实际可用样本量的对比。

步骤五：数据质量预检查

在正式进入归因计算前，执行四项数据质量检查：

输出 数据质量检查报告，标记每项检查结果（通过 / 警告 / 失败）。

2.4　输入输出物

2.5　责任边界

2.6　记录材料

以下记录材料须在数据准备阶段完整填写并存档，作为归因项目的可追溯凭证：

• 数据源确认清单（含系统名称、版本、访问方式、状态标记）
• 埋点规范比对表（含事件名、参数字段、触发条件、差异等级、修复记录）
• 时间窗口定义记录（含参数取值、设定理由、调整历史）
• 样本量计算过程表（含输入参数、中间计算步骤、最终结果）
• 数据质量检查表（含检查项、抽样记录、通过/失败标记）

2.7　异常处理

2.8　验收标准

本章前置准备工作完成并满足以下全部标准后，方可进入下一章（归因模型配置与计算）：