3. 分流原理：随机化分流的数学基础、分流单元的选择与权衡

随机化分流是 A/B 实验的基石。其核心目标是通过概率机制将实验单元无偏地分配到对照组与实验组，确保组间除干预变量外，其他特征在统计意义上均衡可比。本章从数学原理出发，剖析分流单元的选择逻辑与工程权衡。

3.1 随机化分流的数学基础

随机化分流的本质是概率均等性与独立性。设总样本量为 N，实验组与对照组的分流比例为 p : (1-p)，则每个单元被分配到实验组的概率为 p，且分配事件相互独立。

数学上，分流过程可建模为伯努利试验序列。令 X_i 表示第 i 个单元的分组指示变量（1 为实验组，0 为对照组），则：

X_i ~ Bernoulli(p)
P(X_i = 1) = p
P(X_i = 0) = 1 - p

当 N 足够大时，实验组实际样本量 N_t 近似服从正态分布：

N_t ~ N(N·p, N·p·(1-p))

这意味着实际分流比例会在期望值附近波动，波动幅度随 N 增大而减小。为保证组间样本量均衡，实践中常采用分层区组随机化或哈希取模等确定性分流算法。

3.2 分流单元的选择与权衡

分流单元是随机化操作的最小粒度。常见选择包括用户、设备、会话三类，各有适用场景与风险。

3.3 分流单元选择的决策流程

选择分流单元需综合实验目标、指标类型、用户行为模式与工程成本。以下决策树可辅助判断：

1. 实验是否涉及用户身份或长期行为？（是 → 用户级；否 → 下一步）
2. 用户是否跨设备使用产品？（是 → 设备级；否 → 下一步）
3. 实验是否仅影响单次交互体验？（是 → 会话级；否 → 用户级）
4. 是否存在网络效应或社交干扰？（是 → 用户级或集群级；否 → 按上述规则）

3.4 分流单元与统计功效的关系

分流单元直接影响样本量计算与实验灵敏度。会话级分流因同一用户贡献多次观测，样本量虽大但存在组内相关性，需引入设计效应（Design Effect）调整：

DE = 1 + (m - 1) · ρ

其中：
m = 每个用户的平均会话数
ρ = 组内相关系数（同一用户不同会话间的指标相关性）

有效样本量 N_eff = 实际观测数 / DE。当 ρ 较大时，会话级分流的统计功效可能低于用户级分流。

3.5 分流单元选择与网络效应

当实验涉及社交互动、协同编辑、市场匹配等场景时，分流单元的选择需考虑网络效应。若同一社交网络中的用户被分入不同组，实验组的行为可能通过社交链路影响对照组，导致干扰偏差。

应对策略包括：

• 集群级分流：以社交群组、地理区域或学校为分流单元，保证集群内版本一致。
• 边干预：仅对用户间的交互链路施加干预，而非对用户本身。
• 两阶段随机化：先随机选择集群，再在集群内随机分配用户。

3.6 分流算法实现：哈希取模与一致性分流

工程实践中，哈希取模是最常用的确定性分流算法。其核心思想是将分流单元的唯一标识（如 user_id）通过哈希函数映射到固定空间，再对分流比例取模决定分组。

def hash_assign(user_id: str, total_buckets: int, experiment_buckets: int) -> str:
    """
    哈希取模分流算法
    :param user_id: 用户唯一标识
    :param total_buckets: 总桶数（通常为 100 或 1000）
    :param experiment_buckets: 实验组桶数
    :return: 'control' 或 'treatment'
    """
    import hashlib
    hash_val = int(hashlib.md5(user_id.encode()).hexdigest(), 16)
    bucket = hash_val % total_buckets
    return 'treatment' if bucket < experiment_buckets else 'control'

一致性分流（Consistent Hashing）用于解决实验版本迭代时用户分组变动的问题。当新增或移除实验组时，仅影响相邻桶的用户，保证大部分用户分组稳定。

3.7 分流单元选择的工程权衡总结

综合数学原理、统计功效与工程实现，分流单元的选择需在实验纯度、样本效率与实现成本之间取得平衡。以下矩阵可作为快速参考：