新奇效应、首因效应与长效隔离

在线 A/B 测试中的新奇效应 (Novelty Effect)、首因/抗拒效应 (Primacy / Change Aversion Effect) 与长期滞后效应 (Carryover / Long-term Equilibrium Effects) 是识别短期指标虚假繁荣与衡量真实长期商业价值的核心统计分析方法；现象剖析：1) 新奇效应 (Novelty Effect): 用户面对全新上线的交互功能（如醒目的全新按钮），由于好奇心会在前 3~5 天疯狂点击尝试，指标短期暴涨，但随着熟悉度提升指标迅速回落至基线甚至负向；2) 首因/抗拒效应 (Primacy / Change Aversion Effect): 老用户对习惯的 UI 突然改版感到不适应和愤怒，短期点击暴跌，但 2 周后适应后产生真正的长效正向收益；3) 滞后效应 (Carryover Effect): 促销发券实验结束后，用户产生的囤货心理导致后续数周购买力萎缩；长效解决方案：保留反转对照组 (Holdout Group / Reverse Experiment) 与用户分层学习曲线 (Learning Curve by User Cohorts) 跟踪。

App 大改版 A/B 测试评估、促销激励长效 ROI 测算、短期指标与长期留存背离诊断。

业务团队常将新奇效应带来的短期泡沫误以为是重大产品突破，上线后长期大盘反而下跌；长效隔离与学习曲线分析还原了真实的用户稳态行为。

如何通过绘制“新用户 (New Users) vs 老用户 (Existing Users)”的时序指标学习曲线 (Cohort Learning Curves) 精确分离新奇效应与真实功能增量？

长期保留对照组 (Universal Long-term Holdout Group: 长期保留 1%~5% 流量永远不发布新特性): 为什么它对评估多个微小改动的累积复合长期因果效应至关重要？

反转实验 (Reverse Experiment / Turn-off Test): 在一个全量发布 3 个月的功能上，将 5% 用户切回旧版本，如何通过“关掉功能看跌幅”验证真实留存收益？

促销补贴的蚕食效应 (Cannibalization) 与需求前置 (Intertemporal Substitution): 为什么必须在实验结束后继续追踪 14~30 天的净增量 GMV？

替代指标 (Surrogate Metrics / Athey et al.): 如何构建短期可观测的代理指标在短短 2 周内高保真预测 6 个月后的长期用户 LTV 留存？