2. 情景分析基础：什么是情景分析、情景分析在实验设计中的角色、用户行为路径与关键场景识别
2.1 什么是情景分析
情景分析（Scenario Analysis）是一种系统化的用户研究方法，通过构建具体的、有上下文的使用场景，来理解用户在产品或服务中的行为动机、操作流程与决策逻辑。在A/B实验的语境下，情景分析帮助我们回答三个核心问题：
- 用户在什么情境下触发实验？ —— 环境、时间、设备、情绪状态。
- 用户带着什么目标进入实验？ —— 任务导向 vs. 探索导向。
- 实验改动如何影响用户的完整行为链？ —— 不仅仅是点击率，还包括后续留存与转化。
关键认知： 情景分析不是“猜测用户在想什么”，而是基于数据（埋点、日志、用户访谈）还原出可验证的行为上下文。没有情景分析支撑的A/B实验，本质上是盲目的变量对比。
2.2 情景分析在实验设计中的角色
情景分析在实验设计流程中处于“定义问题”与“设计假设”之间的桥梁位置。它确保实验变量不是拍脑袋想出来的，而是从真实用户行为路径中提炼出的干预点。
| 实验阶段 | 情景分析的角色 | 输出物 |
|---|---|---|
| 问题定义 | 识别用户流失或转化卡点的具体上下文 | 关键场景清单 |
| 假设生成 | 基于场景推导“如果…那么…”的实验假设 | 情景-假设映射表 |
| 变量设计 | 确定在哪个场景节点上修改UI/逻辑 | 实验变量定义文档 |
| 分流策略 | 决定按用户属性、行为序列还是实时场景分流 | 分流层与分流单元设计 |
| 结果解读 | 解释实验效果在不同情景下的异质性 | 情景化分析报告 |
实践要点： 每次实验设计前，至少列出3个最可能影响实验结果的用户情景。如果实验效果在这些情景下预期方向相反，则需要考虑分层分流或情景化实验设计。
2.3 用户行为路径与关键场景识别
用户行为路径（User Journey）是情景分析的核心输入。我们需要将用户从进入产品到完成核心目标的完整路径拆解为可观测的阶段，并在每个阶段识别出“关键场景”——即那些对实验效果敏感、用户决策权重高的节点。
2.3.1 行为路径的通用框架
以电商类产品为例，典型的用户行为路径包含以下阶段：
- 触达 —— 用户通过搜索、推荐、广告或直接访问进入产品首页或落地页。
- 浏览 —— 用户在列表页、分类页或搜索结果页中筛选和浏览商品。
- 评估 —— 用户进入商品详情页，查看价格、评价、规格等信息。
- 决策 —— 用户将商品加入购物车或直接进入结算流程。
- 转化 —— 用户完成支付、注册或目标动作。
- 留存/复访 —— 用户后续再次进入产品，形成长期行为。
2.3.2 关键场景识别矩阵
在每个路径阶段中，我们需要通过以下维度来识别哪些场景值得纳入实验设计：
| 维度 | 评估问题 | 高优先级场景特征 |
|---|---|---|
| 流量规模 | 该场景覆盖多少用户？ | 日均UV > 10,000 |
| 转化敏感度 | 该场景的微小改动是否显著影响转化率？ | 历史实验在该场景的效应量 > 5% |
| 用户决策密度 | 用户在该场景需要做多少个关键决策？ | 决策点 >= 3个 |
| 行为异质性 | 不同用户群体在该场景的行为差异是否明显？ | 新老用户/设备类型的行为差异 > 20% |
| 可干预性 | 产品团队能否在该场景施加可控的UI或逻辑改动？ | 有明确的UI组件或业务规则可修改 |
常见误区： 不要只关注“首页”或“支付页”等单一页面。很多有价值的实验场景隐藏在“搜索无结果页”、“加载等待状态”、“错误提示页”等边缘路径中。这些场景虽然流量小，但用户意图明确，实验效果往往更显著。
2.3.3 情景分析驱动的场景识别流程
以下SVG图展示了从用户行为路径到关键场景识别的完整工作流：
2.4 情景分析实战案例：搜索无结果场景
以电商搜索“无结果页”为例，展示情景分析如何指导实验设计：
| 情景维度 | 描述 | 实验启示 |
|---|---|---|
| 用户意图 | 用户输入了具体商品名但库存为空，或输入了模糊关键词 | 区分“精确搜索无结果”与“模糊搜索无结果”，实验方案应不同 |
| 情绪状态 | 用户可能感到失望、困惑或急于找到替代品 | 实验应减少用户挫败感，提供即时替代推荐 |
| 设备环境 | 移动端用户更倾向于快速返回，PC端用户更愿意浏览推荐 | 移动端实验应优先展示“热门搜索”而非长列表推荐 |
| 历史行为 | 新用户 vs. 老用户对无结果页的容忍度不同 | 老用户可展示“您之前浏览过的类似商品”，新用户展示“大家都在搜” |
实验假设示例： 在移动端搜索无结果场景下，展示“热门搜索关键词”按钮组（替代默认的“无结果提示”），可使次日回访率提升8-12%。该假设基于情景分析中“移动端用户快速返回”的行为模式。
2.5 本章小结
- 情景分析 是连接用户行为数据与实验假设的桥梁，避免实验设计脱离真实使用上下文。
- 关键场景识别 需要综合评估流量规模、转化敏感度、用户决策密度、行为异质性和可干预性五个维度。
- 用户行为路径 的每个阶段都可能隐藏着高价值的实验场景，尤其是边缘路径和异常状态页面。
- 情景分析驱动 的实验设计能够显著提升实验效果的可解释性和可复现性。