3、分流方案的重要性：为什么需要分流方案、分流不当导致的辛普森悖论、分流对实验可信度的影响

3.1 为什么需要分流方案：实验可信度的基石

在 MRM（成熟关系管理）框架下，A/B 实验是驱动策略迭代、用户运营与产品优化的核心决策工具。分流方案决定了实验的“第一性原理”——随机化与可比性是否成立。没有严谨的分流方案，实验结论将失去统计意义，甚至误导业务方向。

分流方案的核心价值体现在以下三个层面：

3.2 分流不当导致的辛普森悖论：一个经典的统计陷阱

辛普森悖论（Simpson's Paradox）是指：在分组数据中呈现的趋势，在合并数据后发生逆转甚至消失。在 A/B 实验中，分流不当是触发该悖论的最常见原因。

以下是一个典型的 MRM 场景案例：某平台测试“新会员权益页”对次月留存率的影响。

悖论解析： 由于分流方案未按用户活跃度进行分层随机化，导致高活跃用户大量涌入实验组（800 vs 200），低活跃用户大量涌入对照组（200 vs 800）。虽然每个分层内新页面均提升 5%，但合并后实验组被高活跃用户“拉高”，对照组被低活跃用户“拉低”，造成虚假的 +26% 效果。

3.3 分流对实验可信度的直接影响

分流方案的质量直接决定了实验的内部效度（结论是否真实反映因果关系）与外部效度（结论能否推广到全量用户）。以下从三个维度拆解其影响机制：

3.3.1 随机性破坏 → 选择偏差

如果分流方案依赖用户 ID 奇偶、时间窗口、设备类型等非随机规则，实验组与对照组在未观测变量上必然存在差异。例如：按“注册时间奇偶”分流，可能导致实验组中老用户占比过高，而老用户对策略的敏感度与新用户完全不同。

3.3.2 样本污染 → 网络效应干扰

在 MRM 场景中，用户之间存在社交关系或业务协同。如果分流方案未考虑“用户群组隔离”，实验组策略可能通过用户互动“传染”到对照组，导致对照组被污染，实验效应被低估或高估。

3.3.3 流量分配不均 → 统计功效不足

分流方案决定了实验组与对照组的样本量比例。常见的 50:50 分配并非总是最优。当预期效应量较小时，需要更大的实验组样本量才能达到足够的统计功效（通常要求 80% 以上）。分流方案必须预先进行功效分析。

3.4 小结：分流方案是实验体系的“第一性原理”

在 MRM 框架下，分流方案不是实验流程中的一个“可选步骤”，而是决定实验成败的元规则。辛普森悖论警示我们：即使分层内效果一致，不当的分流也能制造出完全相反的总体结论。而分流对实验可信度的三层影响——选择偏差、网络效应干扰、统计功效不足——任何一个都足以让实验结论失去决策价值。