谷歌分析：访客被分配到不同版本时怎样识别样本污染
📱 Mozilla/5.0 (compatible; QlyzeBot/1.0; +https://app.qlyze.io/bot)
🔗 /2f1514bd090d.html
📄
谷歌分析：访客被分配到不同版本时怎样识别样本污染
先给结论：在谷歌分析里，样本污染最典型的信号不是总量突然下降，而是同一批访客在版本维度上出现交叉——同一个人先后被记到A版和B版，导致两版指标都失真。识别它的最小动作是：用Client ID或User ID做维度交叉，看同一标识是否出现在多个版本值下。如果缺少完整数据或权限，仍可退一步用会话级证据做初筛，但只能得到“疑似”，不能据此断定污染比例。
先明确一个假设情境
假设你负责一个注册页，同时上线了A版（原按钮文案）和B版（新按钮文案），分流由前端随机数完成，版本值通过事件参数写入谷歌分析。上线三天后，B版转化率明显高于A版，但总注册数没有变化。此时不能直接宣布B版更好，因为可能是同一批访客反复切换版本，把高意向行为集中记到了B版上。
这个情境的关键前提是：版本分配发生在客户端，且没有做访客级锁定。只要访客刷新、换设备或清缓存，就可能被重新随机分配。样本污染的本质是“分配不稳定”，而不是“数据量不够”。
用标识交叉判断是否同一访客跨版本
最直接的证据链是：取一个访客标识，加上版本维度，看组合是否唯一。操作上可以在探索报告里把Client ID拖入行，把版本参数拖入列，观察同一行是否出现两个以上非空版本值。如果出现，说明该访客至少被记入了两个版本。
这里要区分两种解释。第一种是真实的分配不稳定，属于污染；第二种是访客主动切换了语言或地区，而你的版本参数恰好绑定了这些属性。判断方法是看切换是否发生在同一次会话内：同会话内跨版本，更接近分配逻辑问题；跨会话跨版本，则可能是回访时重新随机。
动作与结果：你先筛出跨版本的Client ID数量，再除以参与实验的总访客数。如果这个比例不可忽略，那么两版的转化率对比就不能直接使用，下一步应改为只统计首次分配即固定的访客。
缺少标识权限时的替代证据
如果你没有查看Client ID的权限，或者数据已被聚合，可以退到会话和来源层面。可用的替代信号包括：同一来源、同一设备类别下，两版的新用户数之和明显大于该渠道的总新用户数；或者两版的会话数之和大于站点总会话数。这类“加总超过总量”的现象，是分配重叠的间接证据。
但这类证据有多个合理解释，不能单独定案。例如：跨域跟踪断裂会让同一访客被记为两个新用户；过滤规则不一致会让某些会话只进入其中一版；广告落地页参数丢失也会造成类似结果。因此，替代证据只能把问题标为“疑似”，不能给出污染比例。
一个可执行的最小排查顺序
- 先确认版本参数的写入位置：是落地时一次性写入，还是每次页面加载都重新随机。前者污染概率低，后者高。
- 用
Client ID加版本做交叉，统计跨版本标识数量。这一步决定后续能否直接用两版对比。 - 若无法取标识，改看渠道新用户与会话的加总是否超过总量，作为疑似信号。
- 检查是否存在跨域、过滤器和落地页参数丢失，排除替代解释。
- 若确认污染，改为按首次分配锁定版本，再重新累积数据。
第三步的结果会直接影响下一步：如果加总没有超过总量，污染可能只发生在小范围，两版对比仍可参考但需标注不确定性；如果明显超过，则应暂停基于当前数据的结论。
不能从这些现象推出的结论
请求量下降、某版本会话归零、或某个渠道数据变少，都不能单独证明分配逻辑已经修好。它们同样可能来自跟踪代码未触发、过滤规则误伤、或流量本身减少。要证明修复有效，需要看到跨版本标识数量下降，并且两版的访客集合不再重叠。
另外，第三方估算流量、搜索引擎报告与站内统计口径不同，三者数值不一致是常态，不能用来反推样本污染。识别污染靠的是访客级或会话级的重叠证据，而不是不同工具之间的总量差异。
最后提醒一点：样本污染影响的是版本对比的可信度，不影响你是否能继续收集数据。先锁定分配、再评估效果，比在污染数据上反复调参更省事。
