实验设计 (A/B): CTR 上升但 CVR 没动，如何用统计方法分析原因。

Core Concept: 先做指标一致性检查（分流/口径/延迟），再用分层与中介分析判断是'流量结构变化'还是'转化链路被削弱'。

分析框架分三层：① <strong>先排除基础设施问题</strong>——SRM 检验、指标口径一致性（CVR 的分母是'点击'还是'访问'？若分母是点击，则 CTR 上升会自动改变 CVR 的分母构成，产生<strong>分母污染</strong>）、转化延迟（CVR 有更长滞后，短期观测会低估）、日志完整性。② <strong>再做分解分析</strong>——把 CVR 按链路拆解（曝光→点击→详情页→加购→下单），看哪一环的转化率变化；用<strong>中介分析</strong>（mediation analysis）量化'CTR 提升通过哪些路径影响最终转化'，判断是<strong>部分中介</strong>（效果通过中间环节传导）还是<strong>被抵消</strong>（某环节转化率下降抵消了流量增长）。③ <strong>最后做分层与结构分析</strong>——按用户等级/品类/新老用户分层，检查是否存在 <strong>Simpson 悖论</strong>（整体 CVR 不变但各层都变，或反之）；检查<strong>流量结构变化</strong>（CTR 提升可能吸引了不同意图的用户，其转化率天然更低）。

典型的两种结论与对策：① <strong>'流量结构变化'型</strong>——CTR 提升带来的是低意图流量（如更强的标题吸引点击但用户发现不匹配），此时整体 GMV 可能仍上升但 CVR 下降；对策是优化相关性而非单纯提升吸引力，或用更下游的指标（GMV、留存）做主指标。② <strong>'链路削弱'型</strong>——某环节体验变差（如新 UI 增加点击但详情页加载变慢），需定位并修复该环节。<strong>统计工具</strong>：分层分析（含交互项检验）、CUPED 降方差后重测、贝叶斯后验概率（P(CVR 变化 > 阈值)）、以及必要时延长观测期（转化延迟）。<strong>决策原则</strong>：不应仅凭'CVR 没动'就否定改动——若主指标是 GMV 且 GMV 上升，CVR 持平是可接受的；关键是在实验前明确主指标与护栏指标的优先级。