1. 课程导论：什么是AB测试组合风险人群切片

1.1 什么是组合风险人群切片

在AB测试中，组合风险人群切片（Composite Risk Segment）是指将多个用户维度的风险特征（如历史行为、设备属性、地域分布、活跃度等）进行交叉组合，形成具有高敏感度与高特异性的子人群，用于评估实验效果在不同风险层级下的异质性。

传统AB测试通常只关注整体指标（如整体转化率、整体留存率），但忽略了不同用户群体对实验变体的差异化响应。组合风险人群切片通过多维度交叉，精准定位“高风险”与“低风险”用户群，帮助数据科学家识别实验效果的局部放大效应或隐藏的负向影响。

1.2 为什么需要组合风险人群切片

在真实业务场景中，AB测试面临三大挑战：

• 辛普森悖论：整体指标无显著变化，但各子人群效果方向相反，导致错误决策。
• 统计功效稀释：极端用户（如高活跃用户）的噪声掩盖了真实效果。
• 风险暴露不均：实验变体可能对“低活跃+新设备”用户产生负向影响，但整体被正向用户淹没。

组合风险人群切片通过结构化分层，解决了上述问题：

1.3 组合风险人群切片的核心流程

下图展示了从原始用户数据到风险切片输出的完整链路：

1.4 课程目标

完成本课程后，你将掌握以下核心能力：

1. 理论层：理解组合风险人群切片的数学原理与统计基础（风险评分、交叉熵、分层检验）。
2. 工程层：使用Python（pandas、scipy、statsmodels）实现自动化切片生成与AB测试结果计算。
3. 业务层：设计符合业务场景的风险特征体系，避免常见陷阱（如数据泄露、多重比较校正）。
4. 决策层：基于切片结果制定分人群灰度发布策略，降低实验风险。

1.5 适用人群

本课程面向以下角色：

1.6 课程内容概览

本课程共30章，分为四大模块：

• 模块一（第1~5章）：基础概念与数学原理——风险评分、交叉组合、多重比较校正。
• 模块二（第6~15章）：工程实现——数据预处理、特征工程、切片生成、自动化流水线。
• 模块三（第16~25章）：高级应用——时序风险切片、因果推断、多臂实验、贝叶斯方法。
• 模块四（第26~30章）：实战案例与避坑指南——电商、金融、内容推荐三大场景完整代码与复盘。