Online Metrics & Guardrails: 解释网络效应与干扰（interference）对实验的影响。

Core Concept: 用户间/物品间相互影响（社交、供需、竞争）破坏 SUTVA；需集群随机化、switchback、或预算分割。

数学机理：<strong>网络效应与干扰（interference）</strong>——(1) <strong>定义</strong>——A/B 实验假设'一个单元的处理不影响其他单元'（<strong>SUTVA</strong>）；但很多场景<strong>违反</strong>：(a) <strong>社交网络</strong>——'给 A 组推荐某内容 → A 组用户分享给 B 组用户 → B 组也受影响'；(b) <strong>供需/市场</strong>——'给 A 组展示某商品 → A 组买走库存 → B 组买不到'（<strong>市场均衡效应</strong>）；(c) <strong>竞争/拍卖</strong>——'A 组提高出价 → 广告价格上升 → B 组成本上升'；(d) <strong>内容生态</strong>——'A 组看某创作者 → 该创作者获得更多曝光 → 影响 B 组看到的内容'；(e) <strong>共享资源</strong>——'A 组消耗算力 → B 组延迟上升'。(2) <strong>后果</strong>——(a) <strong>处理效应估计有偏</strong>——'A 组的表现'包含了'对 B 组的溢出'（<strong>spillover</strong>）；(b) <strong>方向不确定</strong>——溢出可能是正（社交传播）或负（竞争）；(c) <strong>'稀释'效应</strong>——若 A 组占比小，则'对整体的影响'被稀释（但 A/B 只测 A 组 vs B 组）；(d) <strong>'均衡效应'</strong>——大规模上线后的效果 ≠ 小流量实验的效果（因为'市场会调整'）。(3) <strong>对策</strong>——(a) <strong>集群随机化（cluster randomization）</strong>——把'相互影响的单元'分到同一组（如'同一社交圈的用户分到同一组'）；<strong>优点</strong>——减少组间干扰；<strong>缺点</strong>——(i) 需知道'谁与谁相互影响'；(ii) 有效样本量下降（因为集群内的单元'不独立'）。(b) <strong>Switchback 实验</strong>——<strong>时间上交替</strong>（如'第 1 小时用 A、第 2 小时用 B'）；<strong>适用</strong>——(i) <strong>市场均衡</strong>场景（供需）；(ii) 无法按用户分割的场景（如'整个城市的定价'）；<strong>优点</strong>——避免'组间干扰'（因为同一时间只有一种处理）；<strong>缺点</strong>——(i) 需处理'时间趋势'（如'早晚高峰'）；(ii) 样本量受限（时间点数）。(c) <strong>预算/流量分割</strong>——(i) <strong>地理分割</strong>（不同城市不同策略）；(ii) <strong>时间分割</strong>；(iii) <strong>随机化单元上移</strong>（把'市场'作为单元）。(d) <strong>建模干扰</strong>——(a) 显式建模'溢出效应'（如用'邻居的处理状态'作为特征）；(b) 用'因果推断的干扰方法'（如'暴露映射'）。(e) <strong>'小流量 + 大规模'的差异</strong>——(i) 小流量实验测'局部效应'；(ii) 大规模上线有'均衡效应'；(iii) <strong>对策</strong>——分阶段放量，观察'效应是否随流量变化'。<strong>与其他问题的关系</strong>——(a) 与'SUTVA'（OPE 的假设）；(b) 与'长期效应'（均衡效应需长期观察）；(c) 与'实验平台'（需支持集群/switchback）。<strong>实践建议</strong>——(a) <strong>先判断是否有干扰</strong>（社交/供需/竞争）；(b) <strong>有干扰 → 集群随机化或 switchback</strong>；(c) <strong>地理/时间分割</strong>（市场均衡）；(d) <strong>建模溢出</strong>（显式）；(e) <strong>分阶段放量</strong>（观察效应随流量的变化）；(f) <strong>报告'有效样本量'</strong>（集群随机化会降低）。<strong>度量</strong>——(a) 溢出效应的估计；(b) 分阶段放量的效应变化；(c) 集群内的相关性（ICC）；(d) 有效样本量。

深度剖析与工程权衡：① <strong>'干扰违反 SUTVA'是核心</strong>——面试中能指出'社交/供需/竞争'三类场景是深度理解的标志。② <strong>'Switchback 适合市场均衡'</strong>——时间上交替（同一时间只有一种处理）；这是'无法按用户分割'时的解法。③ <strong>'集群随机化降低有效样本量'</strong>——因为集群内单元不独立（ICC）；故需更大样本。④ <strong>'均衡效应使小流量与大规模不一致'</strong>——需分阶段放量观察。⑤ <strong>'建模溢出'是高级手段</strong>——显式建模'邻居的处理状态'。⑥ <strong>面试要点</strong>——被问'什么场景不能直接 A/B'，应给出'<strong>社交/供需/竞争三类干扰 + 对策（集群随机化/switchback/地理分割/建模溢出）+ 分阶段放量</strong>'；能指出'Switchback 适合市场均衡'是深度理解的标志。