TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是数据分段?类型、示例与常见陷阱

数据分段把数据集拆成若干组,让每一组可以单独比较。本文讲常见维度、怎么选拆法,以及一个总体平均下降而每个分组都在变好的算例。

陈屿 审核人 索菲娅·贝内特 又称 数据分组 最后更新 2026 年 11 月 19 日 术语表

一句话回答

数据分段是按一个或多个条件(人是谁、在哪里、做过什么、从哪来等)把数据集拆成较小的组,让每一组可以单独观察、互相比较。

公式: 分段占比 = 分段规模 ÷ 总数。比率 p 在 n 个会话上的 95% 粗略误差范围 = 1.96 × √(p × (1 − p) ÷ n)。

什么是数据分段?

数据分段(Data Segmentation)是按一个或多个条件把数据集拆成若干较小的组,让每一组可以单独观察、互相比较。条件可以是人是谁(年龄、公司规模)、在哪里(国家)、做过什么(购买、搜索、取消)、从哪来(渠道),也可以是什么时候(哪一周、哪个季节)。关键在于:全体平均值可能把某些规律藏起来,而在每一组内部这些规律一目了然。

Experian 把它描述为把数据整理成更小、更好管理的组;Coursera 补充说它与销售和营销关系最密切,分出的组用来针对性地设计信息和优惠。在安全和网络领域,同样的词有另一层意思:把数据或网络隔开,让只有部分人或系统能访问各个部分。本页讲的是分析上的含义。

有两个近邻词需要区分。分群指一个可复用的组,数据分段指选择产生这些组的条件这个动作。受众分群是营销上的用法,分出的组会变成广告或邮件的受众。

常见的分段维度

Experian 列出了行为、人口属性、企业属性、地理、心理和技术环境几类拆法。放到产品和网站分析里,它们对应你手上已有的几列数据:

维度回答什么问题拆分示例数据来源
人口属性这个人是谁?年龄段、职位注册表单、个人资料
企业属性是什么样的公司?1–10 人与 200 人以上注册表单、数据补全
地理在哪里?国家、时区由 IP 得到的位置、账单地址
技术环境用什么设备和软件?手机与电脑、浏览器、App 版本设备和浏览器数据
获客怎么来的?渠道、活动、着陆页来源与 UTM 数据
行为做过什么?30 天内使用功能 X 三次以上事件埋点
时间什么时候?注册周、月份、季节事件时间戳
价值价值多大?消费区间、套餐订单、账单

行为这一类在行为分群里有单独的一页;共享同一个起点并随时间追踪的组叫同期群。

怎么选拆法

哪种拆法合适取决于要做的决定,所以从决定倒推。

  1. 先说出决定。 “下一轮活动预算花在哪?”指向获客;“谁收到新手引导邮件?”指向行为或注册时间。
  2. 选能改变答案的维度。 如果每一组都会导致同样的行动,这样拆只增加工作量,没有新的发现。
  3. 让各组互斥且完整。 每个人恰好落在一个组里,各组加起来等于总数。做不到这一点,就无法公平比较。
  4. 把每个组写成机器能重新计算的规则。 “过去 30 天的手机访客”是规则,“休闲用户”不是。
  5. 先看组的大小,再看比率。 40 人的组撑不起比率对比,下面的算例会说明。

算例:总体平均下降,而每个组都在变好

示例数据:某网站比较 3 月和 4 月。转化率 = 转化数 ÷ 会话数。

月份分段会话数转化数转化率
3 月电脑6,0003005.0%
3 月手机4,000802.0%
3 月全部10,0003803.8%
4 月电脑4,0002085.2%
4 月手机6,0001322.2%
4 月全部10,0003403.4%

总体转化率从 3.8% 降到 3.4%,团队可能会开始四处找故障。按设备拆开后,情况反过来:电脑从 5.0% 升到 5.2%,手机从 2.0% 升到 2.2%。变的是构成:手机占会话的比例从 40% 升到 60%,而手机的转化率不到电脑的一半,所以即使每个组都在改善,合并后的数字也在下沉。这种合并后趋势反转的现象叫辛普森悖论。

分段给出的教训很具体:单一的合并比率能回答“总体发生了什么”,回答不了“有没有变好”。 把每个分段和前一个周期的同一分段比较,再把总体变化拆成比率效应和构成效应来解释。

分多少段算太多

每多拆一次,样本就被再分一次,小组的比率会很不稳定。比率 p 在 n 个会话上测得时,95% 的粗略误差范围是 1.96 × √(p × (1 − p) ÷ n)。

组会话数观察到的比率误差范围(±百分点)解读
大分段4,0005.0%(200 次转化)0.685.0% 大致表示 4.3% 到 5.7%
小分段407.5%(3 次转化)8.167.5% 可能是 0% 到 15.7% 之间的任何值

小分段看起来比大分段高了 50%(7.5% 对 5.0%),但在统计上和它无法区分。由此得出两条实用限制:避免拆出只剩几百个会话或几十次转化的组;避免同时按太多维度切片,因为三个维度各五个取值就是 125 个格子。如果测试很多分段,总会有几个因为偶然显得特别;对出人意料的结果,当作待验证的线索,而不是结论。

常见误区

  • 只看合并后的平均值。 见上面的算例:总数可能和每个部分的方向相反。
  • 组与组重叠或不完整。 如果一个用户可能同时属于“手机”和“回访”,要说明,不要把这些组当成互斥的直接相加。
  • 按结果来分段。 先把“已转化的用户”分出来,再报告他们的转化率,什么也证明不了。要按结果发生之前的情况来分段。
  • 固定的分段会过期。 把“上月活跃”写成静态名单,下个月就不对了;要写成带相对日期窗口的规则。
  • 格子数超过流量能支撑的程度。 组小到无法比较时就停止再拆。
  • 把分段当成原因。 手机用户转化更低,但设备可能只是页面速度、意图或结账设计的替身。分段只告诉你往哪里看,不告诉你为什么。

TapCub 里的数据分段

以 3 月和 4 月的例子来说,在 TapCub 里可以这样核对。

  1. 把同一个指标按设备拆开。 在 全端分析 › 行为分析 › 行为分析 里画出转化事件,用拆分(最多三层)选设备、渠道或国家,再打开对比选项,让 4 月和 3 月并排。
  2. 把要反复用的组存下来。 在 全端分析 › 用户 › 分群与标签 里建一个规则分群,例如“过去 30 天做过购买且没有退款”。规则分群每天或手动刷新,并保留 30 天的人数趋势,方便你判断这个组够不够大。
  3. 把分群用到分析里。 对分群点 分析,把它作为同期群带进去;一次分析里选了多个分群时取交集。
  4. 留意限制。 匿名访客没有档案,不会进入用户分群;聚合分析里仍可对他们做拆分。各个月份里设备构成的变化需要你自己读,所以在每个比率旁边都要看会话数。

TapCub 不会告诉你哪些分段有显著差异,也不会替你推荐拆法;它负责算出分组和人数,判断留给你。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

陈屿

技术工程师

专注统计代码、SDK 与接口集成文档,从接入验证到问题排查,帮助开发者更顺畅地完成实施。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

数据分段和分群有什么区别?

分群指一个组,比如上个月的手机访客。数据分段是选择产生这些组的条件并加以比较的做法。

数据分段有哪些主要类型?

人口属性、企业属性、地理、技术环境、获客、行为、时间和价值。多数有用的分析会组合两种,比如渠道加设备。

该分多少段?

取决于流量能支撑多少、决定需要多少。如果一个组只有几百个会话以下或几十次转化以下,它的比率就太不稳定,无法比较。

TapCub 能告诉我哪些分段差异显著吗?

不能。TapCub 负责算出分组、人数和比率,并为已保存的分群保留 30 天的人数趋势。差异大到值得行动与否,由你判断。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie