实验设计 (A/B): 解释触发器分析（Trigger Analysis）与它在实验中的应用。

Core Concept: 只分析'实际受处理影响'的子群（被触发器激活的用户），提升功效并聚焦机制。

问题的背景：很多处理只影响<strong>部分用户</strong>——例如'优化搜索框的排序'只影响<strong>发起搜索</strong>的用户，'改进结账页'只影响<strong>进入结账流程</strong>的用户。若对全体用户分析，大部分用户的指标不受影响（他们的指标只是噪声），导致<strong>效应被稀释</strong>（观测到的平均效应 = 真实效应 × 受影响比例），功效大幅下降。<strong>触发器分析（trigger analysis / exposed analysis）</strong> 的做法是：只在'实际受处理影响'的子群（触发器激活的用户）上分析。<strong>统计上的关键区别</strong>：触发器必须是<strong>实验前可定义</strong>的、且<strong>不受处理影响</strong>的变量（如'是否发起搜索'——用户的搜索意图与处理无关）。此时触发组内的分析是<strong>无偏</strong>的（因为触发器与处理分配独立），且功效更高（效应不被稀释）。反之，若用<strong>处理后</strong>的变量定义子群（如'是否点击了按钮'），则会产生<strong>选择偏差</strong>（处理改变了谁进入子群），这类分析被称为'条件化在结果上'，是严重错误。

实践要点：① <strong>触发器 vs 后分层</strong>——触发器是实验前定义的（无偏），后分层是实验后按协变量加权（也需实验前协变量）；两者的共同要求是<strong>不能用处理后的变量</strong>。② <strong>触发器 vs CUPED</strong>——触发器提升功效的方式是'剔除不受影响的样本'（提高信噪比），CUPED 是'用协变量降方差'；两者可叠加。③ <strong>触发器的常见类型</strong>——(a) <strong>页面/功能触发</strong>（访问了被改动的页面）；(b) <strong>意图触发</strong>（发起搜索、打开结账）；(c) <strong>设备触发</strong>（移动端用户，若改动只影响移动端）。④ <strong>报告规范</strong>——应同时报告'全体效应'与'触发组效应'：全体效应反映<strong>业务总体影响</strong>（决策依据），触发组效应反映<strong>机制效应</strong>（理解为何有效）；只报触发组效应会夸大业务影响。⑤ <strong>稀释比例的估计</strong>——触发组占比可从数据估计，用于把触发组效应换算为全体效应（全体效应 ≈ 触发组效应 × 触发比例）。⑥ <strong>陷阱</strong>——(a) 用处理后变量定义触发器（选择偏差）；(b) 只报触发组效应而误导业务（夸大）；(c) 触发器定义过于宽泛（稀释仍严重）或过窄（样本不足）。