4. 分流方案设计原则：流量分割、样本独立性、最小样本量计算

在金融风控场景中，A/B 分流方案的设计直接决定实验结论的可靠性。流量分割不合理会导致样本偏差，样本独立性被破坏会污染实验组与对照组，最小样本量不足则使统计检验失效。本章围绕这三条核心原则展开，确保分流方案在金融高敏感数据环境下具备统计严谨性与业务可操作性。

4.1 流量分割原则

流量分割的核心目标是将用户或事件随机、均匀地分配到实验组与对照组，使得两组在实验开始前除干预变量外无系统性差异。金融场景中常见的分割维度包括：

• 用户级分割：以用户 ID 为随机化单元，适用于风控模型上线、额度策略调整等场景。
• 事件级分割：以交易或申请事件为单元，适用于实时拦截策略、反欺诈规则测试。
• 分层分割：先按风险等级、客群等分层，再在层内随机分配，提升组间均衡性。

4.2 样本独立性原则

样本独立性要求实验组与对照组的观测单元互不干扰，且同一单元在实验期间只出现在一个组中。金融场景中独立性破坏的常见来源：

• 网络效应：同一用户在不同设备或渠道被重复分配。
• 时间污染：用户先进入对照组，后因策略切换进入实验组。
• 信息泄露：风控模型特征中包含实验组用户的标签，导致对照组间接受到干预影响。

4.3 最小样本量计算

最小样本量是保证实验在给定显著性水平（α）和统计功效（1-β）下，能够检测到预期最小效应量（MDE）所需的最少观测数。金融风控中常用公式如下：

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

其中：
n      = 每组所需最小样本量
Z_α/2  = 显著性水平 α 对应的 Z 值（α=0.05 时取 1.96）
Z_β    = 功效 1-β 对应的 Z 值（β=0.2 时取 0.84）
p₁     = 对照组预期转化率/坏账率
p₂     = 实验组预期转化率/坏账率
MDE    = |p₂ - p₁|，最小可检测效应量

4.4 三原则协同与金融风控实践

三条原则并非独立存在，而是相互制约、共同保障实验质量：

• 流量分割 决定了样本的随机性与组间均衡性，是独立性的前提。
• 样本独立性 一旦被破坏，即使样本量足够大，统计推断也无效。
• 最小样本量 必须在满足前两条原则的基础上计算，否则计算本身失去意义。